Analyse expert · Révisée le 22.08.2026

Triangulation marketing : expliquer les écarts entre méthodes.

DÉCISION SOUTENUEFonder la décision sur les preuves compatibles les plus identifiables et utiliser les divergences pour définir les tests suivants, plutôt que forcer un chiffre unique.

Ce qu’il faut distinguer

Trois conditions avant tout calcul.

Estimand identique

iROAS marginal, ROAS moyen, ventes attribuées et lift de considération ne sont pas interchangeables. Écrire précisément traitement, résultat, population et horizon avant comparaison.

Biais indépendants

Deux méthodes utilisant les mêmes données et la même sélection ne constituent pas deux preuves indépendantes. La valeur de triangulation augmente lorsque les faiblesses sont différentes.

Divergence productive

Un écart n’est pas résolu par vote majoritaire. Il déclenche une analyse de calendrier, ciblage, saturation, contamination, définition et transportabilité.

Méthode

Trianguler des mesures de l’écart à la synthèse

01Aligner les questions
Construire une fiche par méthode avec traitement, contrefactuel, résultat, population, période et unité. Exclure les mesures qui répondent à une autre question.
02Cartographier les biais
Documenter sélection, confusion, contamination, erreur de mesure, spécification et extrapolation. Indiquer si deux méthodes partagent la même faiblesse.
03Comparer les intervalles
Mettre estimations et incertitudes sur une échelle commune. Une divergence ponctuelle peut disparaître lorsque les intervalles sont honnêtement présentés.
04Synthétiser ou séparer
Combiner par pondération d’incertitude seulement les estimations compatibles. Sinon, conserver plusieurs chiffres et définir la décision robuste à leur plage.

ÉLÉMENT ORIGINAL

Le registre de compatibilité des preuves

Quatre méthodes sont comparées sur effet mesuré, horizon, biais dominant et rôle décisionnel. Seules deux entrent dans la synthèse causale.

Méthode	Estimand	Résultat	Intervalle	Biais dominant	Rôle
Expérience	iROAS marginal	1,40	0,90–1,90	Sélection faible	Synthèse
MMM	iROAS historique	1,80	1,20–2,40	Spécification	Synthèse
Attribution	Ventes créditées	3,20	non causal	Sélection forte	Parcours
Enquête	Considération	+6 pts	±3 pts	Déclaratif	Mécanisme

SYNTHÈSE CAUSALEiROAS 1,56intervalle : 1,18–1,95

CSVTélécharger le registre de triangulation↓

EXEMPLE ILLUSTRATIF · DONNÉES SIMULÉES

Une synthèse causale à 1,56 d’iROAS, pas une moyenne de 2,13

01 · SITUATION

Une expérience estime 1,40 avec un écart-type de 0,255 ; un MMM compatible estime 1,80 avec 0,306. Une attribution affiche 3,20 mais mesure des conversions créditées, pas un effet causal.

02 · CALCUL

Pondération inverse de variance : poids 15,38 et 10,68. Synthèse = (1,40 × 15,38 + 1,80 × 10,68) ÷ 26,06 = 1,56. Écart-type = √(1 ÷ 26,06) = 0,196 ; intervalle approximatif 1,18–1,95.

03 · DÉCISION

L’attribution reste utile pour le parcours mais n’entre pas dans la moyenne causale. La décision budgétaire s’appuie sur 1,56 et teste sa robustesse jusqu’à 1,18.

Conditions d’acceptation

Ce qui doit être vrai pour agir.

01
Traitement, population, résultat et horizon sont alignés avant comparaison.
02
Les dépendances de données et de biais entre méthodes sont documentées.
03
Seules les estimations compatibles entrent dans une synthèse quantitative.
04
La décision est testée sur l’intervalle, pas seulement sur la moyenne.

Limites

Ce que cette analyse ne prouve pas.

La pondération inverse de variance suppose des estimations comparables et peu dépendantes.
Des intervalles étroits peuvent rester biaisés par une mauvaise identification.
La transportabilité d’une expérience locale vers le budget national doit être justifiée.

Références

Travaux mobilisés.

Gordon, B. R. et al. (2019), « A Comparison of Approaches to Advertising Measurement », Marketing Science.
Shadish, W. R., Cook, T. D. & Campbell, D. T. (2002), Experimental and Quasi-Experimental Designs.
Salaka, V. & Prabhu, J. (2011), « Information Theoretic Metrics for Combining Qualitative and Quantitative Data », Service Science.