Le CAC blended est la métrique qui cache le problème
Un budget marketing d'entreprise vit avec une tension qu'une startup ne connaît pas : multiplicité des canaux, attribution ambiguë, cycles de vente longs et signaux de ROI qui arrivent des trimestres après la dépense. Dans ce contexte, la métrique la plus trompeuse est le CAC blended. Il répartit le coût sur toutes les conversions et masque précisément ce qu'il faut voir : le dernier palier d'investissement sur un canal coûte bien plus cher que le premier. Ce qui décide de l'allocation, ce n'est pas le coût moyen d'acquisition, c'est le coût du client suivant sur chaque canal. Tout le reste de ce cadre — attribution, gouvernance, prévision — n'existe que pour répondre à cette question avec des données plutôt qu'avec une opinion.
Un budget multicanal se structure par rôle, pas par tactique
Avant d'allouer un euro, il faut classer les canaux par la fonction qu'ils remplissent, car chaque famille se mesure différemment et se saturer sur l'un ne ressemble pas à se saturer sur un autre.
Les canaux de performance always-on (search, retargeting social) sont mesurables, à forte intention, avec un CAC marginal prévisible, mais scalent à rendement décroissant : passé un point, augmenter la dépense n'augmente que le coût par client.
Les canaux de création de demande (vidéo, discovery, influenceurs) ont une intention plus faible et des fenêtres d'attribution larges ; leur effet se lit indirectement dans les recherches de marque et le trafic direct, pas dans le clic qui conclut la vente.
Les canaux relationnels et lifecycle (email, CRM, messages in-product) travaillent le nurturing à coût marginal faible et agissent sur la rétention et l'expansion, pas sur l'acquisition.
Les initiatives de marque (sponsoring, thought leadership) ont un impact sur plusieurs trimestres et nourrissent les conversions assistées, mais résistent à l'attribution directe. La tentation est de les couper en premier quand le budget se resserre, justement parce que leur retour n'apparaît pas en last-touch ; or c'est le maintien des quatre familles qui soutient la croissance durable.
Les courbes de CAC marginal décident où va l'euro suivant
À mesure que la dépense monte, chaque canal approche de la saturation, et c'est là que le CAC marginal se sépare du blended. Modéliser les rendements décroissants, comparer CAC marginal et LTV par canal, suivre la courbe de payback permet la seule chose qui compte : déplacer l'euro suivant vers le canal à plus forte contribution incrémentale, pas vers celui qui brille dans le reporting agrégé. Le CAC marginal est aussi un détecteur précoce : quand il monte sans que la dépense monte, il signale saturation, fatigue d'audience, fatigue créative ou pression concurrentielle avant que le blended ne le reflète. Un cas concret : un canal peut afficher un CAC blended stable à 40 alors que le marginal a déjà grimpé à 120, parce que les premiers paliers, très efficaces, tirent encore la moyenne vers le bas et masquent que le dernier palier détruit la marge.
Cette allocation se corrige par l'expérimentation, pas par l'intuition : tests de geo-lift, tests d'incrémentalité, tests créatif et audience, activation et désactivation de canaux. Un canal qui paraît rentable dans l'attribution digitale peut n'apporter aucun lift réel une fois éteint, quand les ventes ne baissent pas.
Construire la courbe sans surinterpréter le bruit
Une courbe de CAC marginal ne se lit pas dans un tableau de bord standard ; elle se reconstruit à partir des variations de dépense. La méthode praticable consiste à segmenter l'historique par paliers de budget hebdomadaire ou mensuel sur un même canal, puis à regarder le coût des conversions ajoutées entre deux paliers voisins plutôt que le coût moyen de l'ensemble. Si un canal passe de 50 000 à 70 000 euros de dépense et que les acquisitions ne montent que de 400 à 460, les 20 000 euros supplémentaires ont acheté 60 clients à 333 euros pièce, un chiffre qui n'apparaît nulle part dans le CAC blended affiché à 45. Le piège est de traiter chaque point comme une vérité. La volatilité hebdomadaire, la saisonnalité et les effets d'enchères créent un bruit qui imite une saturation ; on ne conclut à une inflexion durable que si la hausse du marginal persiste sur trois à quatre périodes et survit à un test d'incrémentalité, faute de quoi on coupe un canal qui traversait simplement une mauvaise semaine. La granularité a elle aussi sa limite : sous un certain volume de conversions par palier, l'intervalle de confiance devient si large que la courbe ne dit plus rien, et il vaut mieux agréger le canal avec un voisin comparable que de piloter sur trois conversions.
L'attribution n'est pas un modèle, c'en est trois superposés
L'erreur de fond est de chercher le « modèle unique » d'attribution. Dans un environnement multicanal il faut superposer les approches et trianguler, car chaque famille voit une part différente de la réalité.
Les modèles basés sur des règles — first-touch, last-touch, linéaire, position-based — sont simples et explicites, mais fragiles et biaisés sur les cycles longs : ils répartissent le crédit par convention, pas par causalité.
Les modèles statistiques et machine learning — DDA, MMM par régression, chaînes de Markov — sont robustes et multisignaux, au prix d'une forte exigence en données et en compétences DS.
Les méthodes causales et expérimentales — tests géographiques, splits d'audience, tests d'incrémentalité — sont les seules à révéler le lift réel plutôt qu'une corrélation.
En contexte enterprise, les trois se combinent : le MTA capte le signal digital au niveau utilisateur, le MMM modélise la tendance macro et la dépense offline que le MTA ne voit pas, et l'expérimentation tranche quand les deux divergent. Aucun n'est le livrable final ; ensemble, ils forment un système de décision qui oriente budget, investissement créatif et expansion marché.
Transformer une dépense en valeur mesurable
Le ROI ne veut dire quelque chose que s'il intègre trois choses que la dépense brute ignore : l'impact incrémental, la temporalité et les unit economics. Les indicateurs centraux sont le CAC mesuré en marginal et non en blended, le LTV qui combine ARPU, rétention, expansion et churn, le payback en mois, le revenu incrémental (celui que le marketing a généré, pas celui qui serait survenu de toute façon) et la marge de contribution après cost-to-serve. Un canal au ROAS apparemment bon peut avoir une marge de contribution négative une fois retranché le coût de servir ces clients.
Mesurer cela en enterprise oblige à regarder au-delà du trimestre : conversions retardées, latence d'attribution, saisonnalité et temps de nurturing décalent le retour de plusieurs périodes. Le ROI d'une campagne à cycle long ne se juge donc pas sur le chiffre du mois, mais sur une fenêtre couvrant le cycle de vente réel.
Le payback mérite une lecture plus fine que le simple nombre de mois. Deux canaux affichant douze mois de payback ne portent pas le même risque si l'un recouvre son coût de façon linéaire et l'autre concentre le retour sur les derniers mois, exposé entre-temps à tout churn précoce. Un payback long ne se juge donc pas seul mais avec la courbe de rétention qui le sous-tend : un remboursement à quatorze mois adossé à une rétention nette supérieure à cent pour cent, où l'expansion compense le churn, vaut mieux qu'un payback à huit mois sur une base qui fond. Rapporter enfin le payback à la trésorerie disponible ferme la boucle, car un canal rentable mais lent peut rester hors budget tant que le financement du délai n'est pas assuré, une contrainte que le seul ROI, calculé hors trésorerie, ne fait jamais apparaître.
Piloter le budget trimestre après trimestre
L'outil de base est un budget roulant sur quatre trimestres, réactualisé chaque trimestre avec les prévisions, le CAC marginal, les projections de ROI, les signaux de saturation par canal et les opportunités nouvelles. Par-dessus se montent trois cadences aux buts distincts : la mensuelle surveille la performance par canal, les alertes de saturation et les variations de CAC et de LTV ; la trimestrielle réalloue le budget et décide l'expansion ; la semestrielle ou annuelle revoit la stratégie de marque et le développement des capacités internes. Confondre les cadences (arbitrer une décision stratégique sur des données mensuelles bruitées) est une source classique de zigzags.
S'y ajoute la planification de scénarios : simuler récession, inflation des CPC et CPM, pics de demande, entrée de nouveaux acteurs ou expansion régionale transforme l'incertitude en un plan aux branches déjà pensées, au lieu d'une réaction improvisée quand le marché bouge. Un budget roulant n'a d'intérêt que si une part reste non allouée : réserver dix à quinze pour cent en réserve de réallocation permet de suivre un canal qui prend soudain de l'ampleur sans rouvrir tout l'arbitrage, alors qu'un plan verrouillé à cent pour cent oblige à retirer de l'argent à un poste qui marche pour financer une opportunité, avec le débat politique que cela déclenche.
Les indicateurs que peu d'équipes suivent encore
Trois familles complètent le tableau. Les indicateurs full-funnel intégrés suivent le mouvement entre étapes — notoriété, considération, conversion — plus la hausse des recherches de marque, le trafic direct, les conversions assistées par les ventes et la contribution au pipeline ; pour les produits à forte implication, ce mouvement cross-funnel pèse plus que la conversion isolée. Les indicateurs d'efficacité opérationnelle — coût par lift incrémental, coût par opportunité qualifiée, réduction du cycle de vente, ROAS par canal contre ROAS marginal — mesurent si le système s'améliore, pas seulement s'il vend. Et les indicateurs de portefeuille — répartition brand vs performance, ROI par région, diversification des canaux, budget prévu contre exécuté — traitent le marketing pour ce qu'il est : un portefeuille qu'on équilibre, pas une somme de campagnes.
Tenir tout cela relève autant des compétences que des chiffres. L'équipe doit maîtriser les unit economics, la triangulation d'attribution, la modélisation de scénarios et le design expérimental, et les indicateurs doivent parler la même langue que produit, finance, ventes et data science ; si finance et marketing mesurent le même canal autrement, l'arbitrage budgétaire devient une querelle de définitions. Cette réconciliation se joue sur des détails qui paraissent triviaux jusqu'à ce qu'ils bloquent un comité : à quel moment une opportunité compte comme acquise, si le revenu se lit brut ou net de remises, si le coût inclut les salaires de l'équipe ou seulement le média. Fixer ces définitions une fois, dans un glossaire partagé que finance valide, épargne des mois de réunions où chacun défend le chiffre qui l'arrange.
Questions qui reviennent en comité
Ce qui distingue l'enterprise d'une startup
L'échelle du problème : multiplicité des canaux, fenêtres d'attribution longues et budgets importants imposent une gouvernance pluri-trimestrielle et des modèles économiques qu'une startup peut différer.
Mesurer le ROI sur des cycles longs
Avec impact incrémental, CAC marginal, attribution multitoque et contribution pipeline, sur une fenêtre couvrant le cycle réel, pas avec le last-touch du mois.
À quelle fréquence réallouer
Réallocation trimestrielle avec revue mensuelle, pour ajuster la dépense au CAC marginal et au marché sans surréagir au bruit.
Équilibrer brand et performance
Par logique de portefeuille : la performance donne le retour immédiat et mesurable, la marque bâtit l'équité qui abaisse le coût d'acquisition futur ; couper la marque en premier se paie souvent deux trimestres plus tard.
Que regarder quand le ROI baisse
Le CAC marginal par canal avant le blended : la baisse commence presque toujours sur un canal saturé dont le coût monte pendant que le reporting agrégé paraît encore sain.