Google intègre Meridian dans Analytics 360 et introduit des prédictions de ventes via l’IA

Dans ce nouvel environnement, les annonceurs peuvent réunir :

• leurs données propriétaires (first‑party data)
• les performances des différents canaux marketing
• les résultats du modèle MMM

L’objectif est de répondre à une question centrale pour les équipes marketing : quelles actions marketing génèrent réellement de la croissance business ? Contrairement aux modèles d’attribution classiques — souvent basés sur le dernier clic — Meridian analyse un ensemble de données plus large incluant médias en ligne, médias offline et facteurs externes afin d’estimer l’impact incrémental sur les ventes ou d’autres indicateurs clés .

Autre avantage : les modèles MMM fonctionnent avec des données agrégées sur des séries temporelles, plutôt qu’avec du suivi individuel des utilisateurs. Cela les rend particulièrement adaptés à un environnement numérique où les restrictions de confidentialité limitent l’attribution basée sur les cookies ou les identifiants personnels .

Un modèle bayésien pour mesurer l’incertitude

Meridian se distingue notamment par son approche statistique bayésienne.

Dans un modèle classique, les résultats sont souvent présentés comme un chiffre unique. Meridian, lui, produit une distribution de probabilités pour chaque estimation. Les marketeurs peuvent donc voir :

• la contribution estimée de chaque canal
• le retour sur investissement (ROI)
• la marge d’incertitude autour de ces estimations

Cette approche aide à prendre des décisions plus prudentes et mieux informées, notamment lorsqu’il s’agit de répartir des budgets marketing importants .

Le système est également conçu pour privilégier l’inférence causale — autrement dit, estimer l’effet réel des actions marketing — plutôt que de simplement ajuster un modèle aux données passées .

Planification de scénarios et optimisation des budgets

Meridian ne sert pas seulement à analyser le passé. Il propose aussi des outils de planification stratégique.

L’un des plus importants est le Meridian Scenario Planner, un module qui permet de simuler différents scénarios budgétaires. Les utilisateurs peuvent ajuster les investissements par canal et voir comment ces changements pourraient affecter les ventes ou d’autres indicateurs de performance .

Ces simulations répondent à des questions concrètes comme :

• que se passe‑t‑il si une partie du budget TV est déplacée vers le digital ?
• combien de revenus supplémentaires peut générer une augmentation du budget search ?
• quels canaux offrent le meilleur rendement marginal ?

Le modèle calcule pour chaque canal une courbe de réponse marketing, ce qui permet d’identifier le point où les investissements supplémentaires cessent de générer des gains significatifs .

Mesurer l’impact des campagnes sur tous les canaux

Le marketing mix modeling est particulièrement utile parce qu’il peut mesurer l’impact combiné de campagnes diffusées sur plusieurs types de médias.

Meridian analyse les résultats business (ventes, leads, conversions) en les reliant à l’exposition média et à d’autres variables comme la saisonnalité ou les conditions économiques. Le modèle peut ainsi estimer la contribution de différents canaux, par exemple :

• publicité sur les moteurs de recherche
• YouTube et vidéo digitale
• réseaux sociaux
• télévision et radio
• promotions en magasin

En intégrant Meridian dans Analytics 360, Google transforme la plateforme en outil central de mesure cross‑canal et d’optimisation du mix média .

Qualified Future Conversions : prédire les ventes à venir

En parallèle de Meridian, Google a annoncé une nouvelle métrique prédictive : Qualified Future Conversions (QFCs).

Contrairement aux conversions traditionnelles — qui comptabilisent uniquement les actions déjà réalisées — les QFCs cherchent à estimer l’impact futur des campagnes actuelles. Cette estimation s’appuie sur des modèles prédictifs alimentés par Gemini, l’IA de Google .

Le système analyse différents signaux marketing susceptibles d’indiquer une intention d’achat future, par exemple :

• une augmentation des recherches de marque
• des interactions en haut de funnel
• d’autres comportements historiquement liés à des achats ultérieurs

En reliant ces signaux aux performances passées, Google peut anticiper la valeur future potentielle d’une campagne, avant même que toutes les conversions n’aient eu lieu .

Il est important de noter que ces valeurs restent des estimations prédictives et non des conversions réelles. Leur objectif est d’offrir aux marketeurs une lecture plus rapide de l’efficacité des campagnes, afin d’ajuster leurs stratégies plus tôt dans le parcours client .

Vers une mesure marketing prédictive

L’intégration de Meridian et des QFCs illustre une transformation profonde de la mesure publicitaire.

Historiquement, les outils marketing reposaient surtout sur l’attribution rétrospective : analyser les conversions une fois qu’elles se sont produites.

La nouvelle approche de Google combine désormais deux niveaux d’analyse :

• une analyse causale à long terme via le marketing mix modeling Meridian
• des signaux prédictifs à court terme via des métriques alimentées par Gemini comme les QFCs

Ce modèle hybride permet aux entreprises de comprendre à la fois ce qui a généré la croissance dans le passé et ce que les données actuelles suggèrent pour les ventes futures. À mesure que Gemini s’intègre davantage dans l’écosystème publicitaire de Google, Analytics 360 évolue vers une plateforme capable non seulement de mesurer la performance marketing, mais aussi de l’anticiper et de l’optimiser .