Le paid media se pilote par tranches marginales, pas par ROAS moyen.
DÉCISION SOUTENUEDéplacer le prochain euro vers la tranche au rendement incrémental ajusté du risque le plus élevé, sous contraintes de couverture, apprentissage, capacité et cohérence.
Calcul reproductible
Spécification et limites du calcul publié.
Ce dossier vérifie l’arithmétique locale du modèle pédagogique. Il ne transforme pas les hypothèses saisies en preuve de marché ou de causalité.
v1, 31 août 2026 · CC BY 4.0 · Spécification première partie, versionnée avec l’allocateur pédagogique Marketing Mix le 31 août 2026 ; elle contrôle l’algorithme local, non l’efficacité d’une allocation réelle.
Ce qu’il faut distinguer
Trois conditions avant tout calcul.
01
Incrément plutôt qu’attribution
Les plateformes décrivent les conversions associées à leurs interactions. Le budget exige les ventes qui n’auraient pas eu lieu. Tests de pause, expériences géographiques et calibration MMM rapprochent les métriques opérationnelles de cet estimand.
02
Courbe et domaine
Un rendement moyen à 200 k€ ne prédit pas le rendement des 50 k€ suivants. Estimer la pente locale, publier le support observé et pénaliser l’extrapolation. Une tranche non testée peut être financée comme apprentissage, pas présentée comme rendement certain.
03
Rôles et synergies
Création et captation de demande ne se remplacent pas mécaniquement. Documenter les interactions, les délais et les seuils de présence. Une coupe sur un canal de couverture peut dégrader un canal de recherche plusieurs semaines plus tard.
Méthode
Allouer le paid media par contribution marginale
01Normaliser l’économie
Convertir effets en contribution après marge, remises, retours et coûts variables. Choisir un horizon commun et séparer effets immédiats, différés et de marque.
02Estimer les courbes
Combiner historiques, expériences et priors comparables. Calculer le rendement marginal par tranche et son intervalle. Signaler colinéarité, saturation et domaine d’extrapolation.
03Formaliser les contraintes
Définir minimums de présence, maximums de capacité, engagements, couverture, diversification et budget d’apprentissage. Mesurer le coût d’opportunité de chaque contrainte.
04Réallouer par séquences
Classer les tranches par rendement prudent, financer jusqu’au seuil puis réserver une part à l’apprentissage. Recalculer après chaque fenêtre compatible avec le délai d’effet.
ÉLÉMENT ORIGINAL
La carte des tranches marginales paid media
Les canaux sont décomposés en tranches finançables avec contribution, confiance et rôle distincts.
150 k€ déplacés créent 72 k€ de contribution sans augmenter le budget
01 · SITUATION
Recherche, social, vidéo et CRM reçoivent 500, 300, 400 et 100 k€. Les prochaines tranches de 50 k€ ont des contributions incrémentales centrales de 22, 15, 31 et 34 k€, avec des bornes prudentes de 12, 4, 18 et 25 k€.
02 · CALCUL
Trois tranches social et recherche ont des rendements prudents de 0,08, 0,24 et 0,26. Les tranches CRM, vidéo et une seconde CRM valent 0,50, 0,36 et 0,32. Réallouer 150 k€ fait passer la contribution prudente de 29 k€ à 59 k€, soit +30 k€. En scénario central, le gain atteint 72 k€. Le minimum vidéo de 350 k€ protège la couverture.
03 · DÉCISION
Le plan finance CRM puis vidéo, réduit social et une tranche de recherche, et conserve 40 k€ pour tester une audience nouvelle. Le ROAS moyen n’a pas servi d’ordre de priorité.
Conditions d’acceptation
Ce qui doit être vrai pour agir.
01
Tous les canaux sont comparés sur une contribution incrémentale commune.
02
Chaque tranche indique pente, intervalle et domaine observé.
03
Les synergies et seuils de présence sont traités comme contraintes explicites.
04
Une part du budget finance l’apprentissage lorsque l’incertitude a de la valeur.
Limites
Ce que cette analyse ne prouve pas.
Les courbes historiques peuvent changer avec création, ciblage et concurrence.
Les effets différés rendent les réallocations trop fréquentes instables.
La granularité canal masque parfois de fortes différences entre audiences et créations.
Références
Travaux mobilisés.
Danaher, P. J. & van Heerde, H. J. (2018), « Delusion in Attribution », Journal of Marketing Research.
Kohavi, R., Tang, D. & Xu, Y. (2020), Trustworthy Online Controlled Experiments.
Naik, P. A. & Raman, K. (2003), « Understanding the Impact of Synergy in Multimedia Communications », Journal of Marketing Research.