Chaque entrée définit un terme en une phrase, puis explique son rôle dans un plan média et indique où approfondir le sujet : le pilier, la fiche méthode ou la page marques. Les termes qui ont leur propre page comportent un lien vers celle-ci ; les autres sont des sections de cette page.
Le brand lift est la variation d'un indicateur de marque, notoriété ou recherches de marque, causée par une campagne et estimée face à un groupe témoin.
Le budget publicitaire est la somme consacrée à la publicité, répartie entre canaux et périodes d'un plan média, au mieux selon le rendement de l'euro suivant.
L'efficacité publicitaire est la capacité d'une campagne à atteindre ses objectifs, notoriété ou ventes, estimée par modèle, expériences et benchmarks.
L'IA de gestion des campagnes aide à créer les annonces, suivre les résultats et ajuster enchères et budgets, jusqu'à l'agent qui agit dans des limites fixées.
L’IA dans la gestion des campagnes va de la rédaction d’annonces au pilotage des enchères. On parle de plan média agentique lorsqu’un plan média est confié à un agent : un logiciel qui poursuit les objectifs du plan dans le temps, observe ce que font les campagnes, propose ou exécute l’action suivante dans les limites fixées par l’équipe, vérifie le résultat et continue. La matière des chiffres compte autant que l’automatisation : chez Kuwalyst, les décisions de l’agent reposent sur un modèle de mix média, des expériences d’incrémentalité et des benchmarks audités plutôt que sur l’attribution des plateformes, chaque chiffre étant étiqueté mesuré, projeté ou benchmark. Les engagements associés et les trois niveaux d’autonomie sont présentés sur la page media planning agentique.
L'incrémentalité est la part d'un résultat que la publicité a causée : les ventes qui n'auraient pas eu lieu sans elle, par opposition à la base.
Le marketing data-driven est un marketing dont les décisions reposent sur des preuves, mesurées ou modélisées, chaque chiffre disant d'où il vient.
La marketing science est l'usage de modèles statistiques et d'expériences pour mesurer ce que le marketing cause et décider où doit aller l'euro suivant.
Le media mix est l'ensemble des canaux publicitaires d'une marque et la part du budget allouée à chacun ; le media mix modeling estime ce que chacun a apporté.
Le MMM, marketing mix modeling, est une méthode statistique qui estime la contribution de chaque canal marketing aux ventes, à partir de données agrégées.
Le ROAS, return on ad spend, est le chiffre d'affaires attribué à un canal divisé par sa dépense publicitaire : un rendement moyen qui décrit le passé.
Le ROI marketing rapporte le bénéfice incrémental généré par le marketing, après déduction des coûts marketing, au montant de ces coûts.
Une stratégie cross-média planifie et mesure ensemble les canaux en ligne et hors ligne, pour répartir le budget selon la contribution de chacun.
Une stratégie cross-média traite la télévision, la radio, l’affichage et la presse avec le search et le social, dans un seul plan et une seule mesure. Le reporting des plateformes ne suffit pas à mesurer cette contribution : chaque plateforme mesure de son côté, et aucune ne voit les médias hors ligne, si bien qu’une campagne télévisée apparaît comme une hausse inexpliquée des recherches de marque. La mesure cross-média vient d’un modèle de mix média, qui lit les canaux en ligne et hors ligne dans un seul modèle, chaque semaine, et des expériences qui mesurent ce qu’un canal a causé. Le Media Planner construit le plan sur cette base, avec une mesure cross-média qui couvre les canaux en ligne comme hors ligne.
Un test A/B publicitaire répartit un public au hasard en deux groupes et compare leurs résultats entre deux versions d'une annonce, ou avec et sans publicité.
Un test A/B répartit aléatoirement les utilisateurs entre deux variantes et estime la différence de résultat entre elles ; un holdout publicitaire, où un groupe ne voit aucune publicité, en est une forme. Il mesure l’effet du passage d’une variante à l’autre, pour le public et les conditions du test, et une plateforme qui mène le test mesure dans son propre public et selon ses propres règles. Quand l’unité est une région plutôt qu’un utilisateur, la même logique devient une expérience geo-lift, qui fonctionne sans aucune donnée individuelle et mesure l’effet du changement publicitaire testé sur les ventes dans cette région.