Analyse expert · Révisée le 22.08.2026

Saturation média : comparer les fonctions avant d’optimiser le budget.

DÉCISION SOUTENUEOptimiser seulement dans une plage où la forme de saturation est identifiée, stable et compatible avec des observations ou expériences de dépense.

Preuves directement vérifiables

Sources primaires pour contrôler les affirmations clés.

  1. Documentation officielle Google Meridian (ouvre un nouvel onglet)

    Courbes de réponse, saturation et usage pour l’allocation.

Ce qu’il faut distinguer

Trois conditions avant tout calcul.

01

Plage observée

Une courbe est informée par la variation réellement présente dans les données. Recommander deux fois le maximum historique revient souvent à laisser la fonction choisir à la place de la preuve.

02

Paramètres interprétables

Le niveau de demi-saturation, la pente autour du point d’inflexion et l’asymptote doivent être traduits en dépenses, expositions et réponse attendue.

03

Marginal, pas moyen

Le ROI moyen résume le passé. L’allocation exige la dérivée locale de la courbe au niveau de dépense candidat, avec son incertitude.

Méthode

Choisir et utiliser une fonction de rendement décroissant

  1. 01Profiler la variation

    Documenter minimum, médiane, maximum, nombre de périodes proches de chaque niveau et corrélation avec les autres canaux.

  2. 02Comparer les familles

    Ajuster plusieurs fonctions sous des priors ou bornes comparables. Examiner validation, paramètres, monotonicité et extrapolation.

  3. 03Calculer la dérivée

    Publier la réponse à la prochaine tranche budgétaire et non seulement la contribution totale attribuée. La décision doit comparer des tranches de même taille.

  4. 04Borner l’optimisation

    Limiter la recommandation à une enveloppe proche de l’historique ou exiger un test lorsque les courbes ne s’accordent plus.

ÉLÉMENT ORIGINAL

Quatre fonctions, quatre extrapolations

Les courbes sont normalisées sur la plage observée. Leur rendement marginal diverge fortement lorsque le budget candidat dépasse l’historique.

20 k€40 k€60 k€80 k€100 k€
Linéaire
80160240320400
extrapolation risquée
Logarithmique
117186235273304
scénario
Michaelis-Menten
143222273308333
plage centrale
Hill s = 2
69195295360400
scénario
40 → 80 k€+86 k€ de réponse

Michaelis-Menten · rendement marginal décroissant

CSVTélécharger les courbes de saturation
EXEMPLE ILLUSTRATIF · DONNÉES SIMULÉES

Doubler la dépense n’ajoute que 86 k€ avec Michaelis-Menten

01 · SITUATION

La réponse maximale est paramétrée à 500 k€ et la demi-saturation à 50 k€. La dépense passe de 40 à 80 k€.

02 · CALCUL

Réponse à 40 k€ = 500 × 40 ÷ (50 + 40) = 222 k€. À 80 k€ = 500 × 80 ÷ 130 = 308 k€. Le gain marginal est 86 k€, pas 222 k€.

03 · DÉCISION

Le doublement n’est acceptable que si 86 k€ de réponse couvre le coût et reste robuste aux autres fonctions. Sinon, la tranche doit être testée ou réallouée.

Conditions d’acceptation

Ce qui doit être vrai pour agir.

  1. 01

    La dépense candidate reste dans une plage couverte ou explicitement testée.

  2. 02

    Plusieurs familles de fonctions sont comparées avec les mêmes données.

  3. 03

    Le rendement marginal et son intervalle sont publiés au point candidat.

  4. 04

    L’optimisation est stressée contre les courbes encore plausibles.

Limites

Ce que cette analyse ne prouve pas.

  • Adstock et saturation sont difficiles à séparer quand les dépenses varient peu.
  • Une saturation en dépenses peut refléter des changements de prix média ou de qualité d’inventaire.
  • L’asymptote est rarement bien identifiée sans variation importante ou information externe.

Références

Travaux mobilisés.

  1. Hill, A. V. (1910), « The Possible Effects of the Aggregation of the Molecules of Haemoglobin ».
  2. Michaelis, L. & Menten, M. L. (1913), « Die Kinetik der Invertinwirkung ».
  3. Jin, Y. et al. (2017), « Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects ».