Votre ROAS est faux. L'Operations AI commence par l'admettre.

Votre ROAS est faux. L'Operations AI commence par l'admettre.

Vous savez que le chiffre qui sort de Meta Ads Manager n'est pas tout à fait juste. Le chiffre de Google dit autre chose. Votre propre modèle de marge, quand vous avez le temps de vraiment le faire tourner, atterrit sur un troisième chiffre, généralement le plus bas.

Et pourtant, chaque lundi, quelqu'un scale le spend en se basant sur le plus joli des trois.

Cette page est la version longue de ce sentiment désagréable. C'est aussi l'argument le plus honnête pour expliquer pourquoi vous avez besoin d'une vraie infrastructure au-dessus de vos plateformes pub, pas juste de dashboards plus intelligents par-dessus.

Si vous êtes CMO, performance lead, ou opérateur e-commerce dans une marque à 1M à 50M EUR de revenus, c'est pour vous. Nous nommons les noms. Nous montrons les calculs. Et nous expliquons ce que l'infrastructure Operations AI comme Nylo en fait vraiment.

L'écart que personne ne mentionne quand vous signez

Voici la version la plus claire du problème, dite simplement :

Le ROAS rapporté par les plateformes est systématiquement gonflé de 30 à 60 pour cent par rapport à la vérité de la base de données dans la plupart des comptes DTC que nous avons vus.

Ce n'est pas une variation. C'est une surestimation structurelle. Trois raisons à cela :

1. Chevauchement d'attribution. Meta revendique une conversion. Google revendique la même conversion. TikTok la revendique aussi. Si vous additionnez les ROAS rapportés par les plateformes à travers les channels, vous comptez le client deux fois.
2. Inflation view-through. Meta en particulier compte les conversions qui ont eu lieu dans les 24 heures suivant l'affichage d'une publicité, que la publicité ait été cliquée ou non. Pour une marque qui fait du prospecting large, c'est beaucoup de conversions que Meta revendique, qui se seraient produites de toute façon.
3. Écarts de mesure post-iOS. Depuis l'App Tracking Transparency d'Apple, l'attribution web-vers-app est partiellement modélisée, pas observée. Le modèle est plausible. Ce n'est pas la vérité.

Rien de tout cela n'est nouveau pour un performance lead pointu. La nouveauté, c'est quoi faire à ce sujet.

Ce que "ROAS correct" exige vraiment

La réponse n'est pas "un autre outil qui fait de l'attribution". Triple Whale, Northbeam, Polar Analytics, Lifesight, tous font de l'attribution. Chacun choisit un modèle (last-click, MTA, MMM-lite) et rapporte un chiffre avec plus de décimales.

Plus de décimales, ce n'est pas plus de vérité.

Ce qu'exige un ROAS correct, c'est une infrastructure qui :

1. Tire les données source, pas le chiffre pré-agrégé. L'API de Meta vous donne à la fois les événements bruts et le ROAS pré-calculé. Le pré-calculé hérite de toutes les hypothèses que Meta a faites. Les événements bruts vous permettent de calculer votre propre ROAS, avec votre propre modèle, de manière transparente.
2. Réconcilie avec la vérité first-party. Votre Shopify (ou votre CRM) sait quelles commandes ont réellement eu lieu. Le vrai chiffre d'affaires. La vraie marge. C'est la vérité de base. Tout le reste est une revendication à propos de cette vérité de base.
3. Tient le modèle métier entre les providers et les décisions. Quand vous calculez "ROAS", la formule doit vivre à un seul endroit, pas onze. Quand vous la changez, chaque rapport change. Quand vous ajoutez Pinterest, la formule s'étend, les agents n'ont pas à être réentraînés.

C'est ce qu'on veut dire quand on dit que la correction est une architecture, pas une feature. Vous ne pouvez pas la boulonner sur un stack analytics existant. Vous construisez le substrat.

Triple Whale, Northbeam, Polar Analytics : pourquoi aucun ne résout ça

Nous aimons tous ces produits et nous allons être directs sur ce qu'ils sont et ne sont pas.

Triple Whale.

• Force : le tooling dashboard le plus rapide sur les stacks DTC Shopify-centrés. L'interface chat est compétente.
• Ce qu'il ne fait structurellement pas : hérite toujours des chiffres rapportés par les plateformes comme base. La réconciliation contre la marge first-party se produit si vous câblez correctement. Le défaut fait confiance aux plateformes.

Northbeam.

• Force : le modèle MTA est plus transparent que la plupart.
• Ce qu'il ne fait structurellement pas : toujours du tooling de mesure, pas de l'infrastructure operations. Vous voyez l'écart. Vous n'agissez pas dessus depuis l'intérieur de Northbeam.

Polar Analytics.

• Force : tooling dashboard visuellement propre, bon pour les marques sous 10M EUR.
• Ce qu'il ne fait structurellement pas : même famille architecturale. Dashboards sur des données fragmentées.

Lifesight.

• Force : essaie de faire de l'incrementality et du MMM à un prix que les petites marques peuvent se permettre.
• Ce qu'il ne fait structurellement pas : le MMM est un modèle avec des intervalles de confiance. Sans exécution câblée, il produit un rapport trimestriel, pas une décision quotidienne.

Aucun d'eux n'est un mauvais achat. Ce sont juste des outils de mesure. La mesure est en amont des operations. L'Operations AI est l'infrastructure qui prend la mesure correcte et la transforme en actions.

Ce que l'Operations AI fait avec un ROAS faux

La différence est dans ce qui se passe après que l'écart est détecté.

Avec un outil de mesure : Vous voyez que Meta dit 4.1x. Votre chiffre réconcilié dit 1.9x. Message Slack à la CMO. La CMO décide. Peut-être que le spend sera coupé jeudi. Peut-être.

Avec l'Operations AI : Même écart détecté. Le système connaît déjà vos règles de spend ("si le ROAS réconcilié sur un channel descend sous 2.0x pendant 5 jours, réduire le budget quotidien de 15 pour cent"). Il rédige l'action. Un humain valide (ou la règle se déclenche automatiquement si vous l'avez configurée ainsi). L'action est dans Google Ads Manager 30 secondes plus tard.

L'écart passe de "insight" à "intervention". C'est le changement d'infrastructure.

Ce qui veut aussi dire : quand votre ROAS réconcilié est correct, l'agent au-dessus agit sur la vérité. Quand il est faux, vous scalez le spend sur un mensonge à vitesse machine. L'infrastructure de données en dessous compte plus dans l'ère Operations AI, pas moins, parce que les agents agissent dessus maintenant.

À quoi ça ressemble dans une marque DTC à 15M EUR

Vrai pattern d'une marque que nous connaissons, pseudonymisé.

Avant :

• ROAS rapporté par Meta : 4.1x. CMO mal à l'aise mais l'utilise.
• Modèle de marge interne (tourné trimestriellement) : 1.9x.
• Décisions de spend : standup du lundi, basé sur les chiffres plateformes.
• Un channel a été sur-scalé en Q2 l'an dernier parce que le chiffre de Meta était gonflé de 30% par rapport à la vérité. La marque l'a réalisé 6 semaines plus tard.

Après avec l'infrastructure Operations AI en place :

• Source events tirés directement de Meta, Google, TikTok, Shopify. Réconciliés contre les commandes de la base de données + marges quotidiennement.
• Un seul ROAS réconcilié par channel. La CMO sait quel chiffre défendre en board meeting.
• Quand le ROAS réconcilié d'un channel descend sous le seuil défini par l'équipe, le système rédige une réduction de budget et ping le performance lead. L'action est à un clic.
• Efficience nette du spend Q1 : +18 pour cent. Pas parce que les campagnes sont devenues meilleures. Parce que le spend a arrêté d'aller aux channels qui mentaient.

Quand ça vaut le coup, et quand non

Honnêtement :

Ça vaut le coup si :

• Vous faites 1M EUR/an+ en spend pub
• Vous avez déjà scalé un channel parce que la plateforme disait qu'il était bon, puis l'avez regretté 60 jours plus tard
• Vous avez un modèle de marge qui ne s'accorde pas avec le ROAS rapporté par la plateforme et vous ne faites confiance à aucun
• Vous êtes poussé sur l'attribution par votre board ou investisseur et voulez une réponse défendable

Pas encore, si :

• Sous 500K EUR/an en spend. Le coût de mise en place est plus que la récupération de vérité-ROAS.
• Vous êtes pré-product-market-fit. Atteignez la traction d'abord, la mesure devient significative à l'échelle.
• Vous n'avez pas encore connecté votre Shopify à quoi que ce soit. Commencez par la connexion, puis l'infrastructure.

Questions fréquentes

Quelle est la différence entre l'infrastructure Operations AI et Triple Whale ? Triple Whale est du tooling de mesure et dashboard. L'Operations AI est de l'infrastructure qui possède la correction des données sous-jacentes ET peut agir dessus. Position différente dans le stack. Vous pouvez utiliser Triple Whale pour la visualisation et l'Operations AI pour les décisions.

Est-ce que l'Operations AI fait du MMM ? Il peut. Le MMM est un modèle qui vit sur le modèle métier que l'Operations AI fournit. La plus grande valeur est d'avoir un substrat qui fait tourner le MMM, l'attribution last-click et les tests d'incrementality avec des hypothèses cohérentes. Aujourd'hui, la plupart des marques les font tourner dans différents outils avec différentes hypothèses et obtiennent différentes réponses.

À quelle vitesse voit-on des résultats ? Généralement dans les 4 à 6 semaines après onboarding. Première semaine : le ROAS réconcilié apparaît et est inconfortable. Semaines 2 à 4 : les règles de spend sont mises en place. Semaines 5 à 6 : premier cycle d'ajustements automatisés de budget. Les marques honnêtes sur l'écart voient une amélioration immédiate de marge.

Les données sont-elles sécurisées ? Oui. Connexions source via les API providers (read-only par défaut), les données vivent dans votre propre data warehouse ou dans notre instance managée. SOC2-aligned by design. Vous possédez les données, nous faisons tourner l'infrastructure par-dessus.

Et si mon ROAS est en fait correct ? Si votre ROAS rapporté par la plateforme se réconcilie avec votre vérité de marge first-party à 10 pour cent près, vous avez déjà fait le travail dur. L'Operations AI aide avec la vitesse d'exécution et les décisions cross-channel, pas avec la réparation de mesure. Toujours utile, value-proposition différente.

Obtenez un vrai chiffre ROAS

Le moyen le plus rapide de découvrir à quel point votre ROAS est faux : un appel de 30 minutes. Nous regarderons un ou deux de vos channels en live et vous montrerons la vue réconciliée.

Réserver 30 minutes avec Jasmin

Plus sur le frame catégorie : Qu'est-ce que l'Operations AI ?

---

L'Operations AI est la catégorie que nous construisons chez Nylo. Marketing aujourd'hui, operations dans chaque domaine data-driven de l'entreprise demain. Si vous êtes un opérateur DTC frustré par l'attribution plateforme, nous voulons entendre ce que vous pensez.