Avinash Kaushik - la mesure qui survit à l'examen du CFO
Praticien de l'analytics marketing, auteur du blog kaushik.net et de la newsletter TMAI, Avinash Kaushik arme Basecamp sur la mesure : la cascade des ROI, les KPIs d'accountability et la reward function des régies IA.
Basecamp · relevé de terrain
- Index des sources
- Sources
- Relevé le
- Lecture
- 10 min
- Sources
Avinash Kaushik est un praticien de l’analytics marketing : il publie sur kaushik.net et dans sa newsletter TMAI (The Marketing Analytics Intersect) des cadres de mesure tirés de décennies de terrain. Son obsession : des chiffres qui survivent à l’examen d’un CFO, pas des dashboards qui flattent. Depuis l’été 2026, son terrain s’est élargi de la mesure vers l’économie du contrat agence et vers la solidité statistique des études de lift vendues par les régies, et enfin vers l’organisation du travail organique, SEO et AEO réunis sous son acronyme OAO. Pour un décideur marketing de scale-up B2C sommé de justifier son budget, c’est une des lectures les plus directement actionnables du corpus, à prendre pour ce qu’elle est : des retours de praticien, des cas d’entreprise et quelques modèles dérivés, pas des études contrôlées.
À suivre : kaushik.net
Ce que Basecamp en retient
Le ROI qu’on vous présente est construit pour flatter. Kaushik démonte la formule standard, (revenu - coûts média) / coûts média, en quatre étages : ajouter le coût des marchandises vendues, puis les coûts non-working (agence, production, outils, jusqu’à 40 % du budget total que l’agence ne voit jamais), puis le filtre d’incrémentalité. Sur un cas réel, un ROI affiché à 4 devient -0,7 une fois tout compté : 70 % des ventes créditées à la campagne se seraient produites de toute façon, une incrémentalité qu’il présente pourtant comme exceptionnellement haute. Son diagnostic de fond : si le budget marketing est le premier coupé, c’est que personne au sommet ne croit vraiment les chiffres du CMO. Cette cascade structure Cascade ROI Marketing et rejoint Incrémentalité.
Activité, outcomes, accountability : seule la troisième couche compte. Kaushik hiérarchise les KPIs : activité (sessions, clics), outcomes (revenu, conversions), accountability (ROI, POAS, POI). S’arrêter aux deux premiers détruit de la marge en silence, cas documenté à l’appui : une campagne Google Advantage+ y génère 12 fois plus de commandes que l’email, mais rend 0,70 $ de profit pour chaque dollar investi, quand l’email en rapporte 5,70. C’est la loi de Goodhart appliquée aux régies : dans un système d’enchères IA, la mauvaise métrique cible n’est pas un simple biais de lecture, elle est amplifiée à l’échelle de millions d’enchères par jour. La même exigence porte sur la formulation : entre « l’email convertit à 4,5 % » et « passer de six à neuf envois livrera 3 M$ de revenu incrémental », il y a l’écart qui sépare une insight d’une décision, et un Reporting Squirrel d’un Analysis Ninja. Cette discipline travaille dans Efficacité vs Efficience et dans Alignement des KPI sur les Objectifs Business.
Une étude de lift n’est pas une preuve tant qu’elle n’a pas répliqué. Kaushik part de la formulation officielle de Google sur ses études Brand Lift, Search Lift et Conversion Lift : « very good chance » au-dessus de 90 % de certitude, « good chance » entre 70 et 90 %, « moderate chance » entre 50 et 70 %. Sa critique ne porte pas sur le calcul mais sur l’interprétation : la régie ne supporte pas les conséquences d’une lecture optimiste, l’annonceur si, et le vocabulaire « directionnel » ne dit rien du seuil réellement accepté. Il applique ensuite un modèle de réplication inspiré de Goodman : un lift rapporté à 70 % de certitude n’a qu’environ 65 % de chance d’être positif au passage suivant, et 30 % d’atteindre 90 % à dépense et conditions identiques. La preuve faible blesse deux fois, par le signe (Type S) et par l’ampleur (Type M) : elle ne survit pas et son effet apparent est surestimé. D’où un plancher posé avant l’étude, pas après :
Since I am bearing the risk, for consequential business decisions I use 90% Certainty as the floor.
Avinash Kaushik, Google’s Statistics: Heads They Win, Tails You Lose
Ce plancher monte à 95 % sur les gros budgets YouTube. Cette discipline prolonge Adoption de la Mesure d’Incrémentalité : un lift lu sans seuil de décision reste un argument commercial.
Dans un Google Ads devenu IA-natif, le seul levier restant est la reward function. PMax, AI Max, Demand Gen : l’annonceur ne contrôle plus le ciblage, les enchères ni le matching. Ce qu’il contrôle encore, ce sont les signaux de valeur envoyés à la machine, et Kaushik en fait le paramètre le plus lourd de son modèle de maturité Google Ads (30 points sur 100) : si l’architecture de mesure est faible, tout le reste est bâti sur du sable. D’où un socle non négociable (conversions améliorées, attribution data-driven, import des données CRM et offline, valeurs de conversion différenciées par marge ou LTV) avant tout chantier d’optimisation. L’ancien jeu était de sur-gérer le compte ; le nouveau est de nourrir la machine avec une meilleure vérité. Ce socle fonde Instrumentation du tracking et irrigue Google Search Ads - Paramétrage comme Performance Max (PMax).
Le pourcentage de media spend paie le mouvement, pas le jugement. Dans un monde agentique, l’essentiel du SOW historique (architecture de campagne, listes de mots-clés, enchères manuelles, trafficking, QA, reporting, micro-optimisation) est désormais tiré par l’IA des plateformes, selon lui. La valeur de l’agence a donc migré en amont : stratégie cross-plateforme, idéation et pre-testing créatif, analytique avancée, gouvernance algorithmique.
Agencies don’t sell motion anymore. They sell judgement.
Avinash Kaushik, Pay Less, Grow More: Agencies in an Agentic AI-Era
Le point le plus opérationnel est le sur-contrôle : chaque intervention manuelle pour sauver une campagne en phase d’apprentissage réinitialise ce cycle, le creux revient, et l’agence cause le plateau qu’elle prétend corriger. Sa grille contractuelle en découle : retainer léger (40 à 50 %), project fees (30 à 40 %), incentive adossé au profit incrémental vérifié (15 à 25 %), jamais au ROAS plateforme. Cette thèse, encore hypothèse de praticien, travaille dans In-Housing et Paysage Agences et éclaire la fenêtre d’apprentissage de Smart Bidding Google Ads.
Le levier réel n’est presque jamais dans la répartition du mix média. Sur quatre allocations budgétaires testées dans un modèle cross-canal, déplacer un cinquième du budget entre canaux déplace à peine la ligne de revenu : le split qu’on optimise ne compte pas, et le levier est ailleurs. Deux lectures complètent le diagnostic. Les conversions assistées situent la contribution d’un canal dans les parcours multi-touch et corrigent la lecture du last-click, sans se confondre avec l’incrémentalité, qui reste la destination. Et la valeur se concentre : 5 % des acheteurs portent 40 % du profit, ce qui déplace la cible de l’acheteur moyen vers les profils qui ressemblent à ce premier percentile de LTV. Un arbitrage de budget se pose donc mieux en scénarios testés qu’en pourcentages négociés. À travailler dans Orchestration des Canaux et Rétention et LTV.
Le trafic answer engine est un enjeu de marge, pas de volume. Un à cinq pour cent des sessions, mais des taux de conversion supérieurs d’environ 25 % au search organique : Kaushik refuse d’en faire une histoire de trafic et en fait un argument pour un AEO sérieux, y compris pour influencer ceux qui ne viendront jamais sur le site. Le même mouvement d’élévation concerne l’outillage : assistants conversationnels et serveurs MCP connectés aux données de mesure étendent l’analyse au-delà du web analytics et donnent aux dirigeants un accès direct aux réponses, avec la limite qu’il nomme lui-même, l’IA invente dès qu’on lui demande du causal. Et il rappelle que tout modèle entraîné sur le passé est faux à un degré indéterminé : ses sorties sont des projections, pas des prévisions. L’achat agentique, qu’il documente par son propre usage, reste embryonnaire : quand un site bloque l’agent au checkout, il récupère un panier et un lien au lieu de la vente, ce qui fait de l’accès technique un préalable à la visibilité générative. La recherche déléguée à un agent, qui rend une réponse en quelques secondes au lieu d’une page de résultats, prolonge ce déplacement dans Système 3. Matière à l’œuvre dans Trafic LLM.
SEO et AEO ne font plus qu’un métier, l’OAO. Kaushik refuse d’arbitrer entre les deux : le SEO reste dominant en trafic et en revenu, l’AEO prend la part de l’influence consommateur avec un trafic passé de 0 à 2 %, et des visites qui rapportent, selon Adobe sur un billion de visites retail américaines, 53 % de revenu par visite de plus que les autres canaux. Le décor s’est dégradé plus vite que prévu : le trafic SEO recule de 20 à 30 % d’une année sur l’autre, quand deux tiers des recherches Google américaines se terminent sans clic (SparkToro). D’où son acronyme, Organic Answers Optimization, une seule feuille de route pour deux machines, qui étend le socle SEO au third-party, à la vidéo et à l’audio, et un scorecard unique plutôt que deux silos qui optimisent des périmètres séparés. Son assurance tient en trois mots : plus de contenu, plus d’endroits, plus souvent. La facture de cette fusion tient en trois KPI : le profit organique non-marque, le profit des moteurs de réponse et un score de marque IA, approximation probabiliste de la fréquence à laquelle les modèles vous recommandent quand la question ne contient pas votre nom. Sa note d’humilité est la plus utile au décideur : la moitié du revenu organique vient de recherches de marque, donc d’une demande créée ailleurs, la recherche de marque a une incrémentalité très faible, et c’est donc sur le profit non-marque qu’il faut fixer la cible. Cette lecture travaille dans Trafic LLM et Alignement des KPI sur les Objectifs Business.
La mesure organique commence par la méthode de collecte, pas par la métrique. Le chiffre de clics de Search Console mélange marque et non-marque, inclut AI Mode sans étiquette et masque près de la moitié des requêtes : un agrégat qui ne dit plus quelle demande a été perdue. Les trafics estimés, scores d’autorité et indices de visibilité des vendeurs sont des estimations propriétaires, prises à tort pour la mécanique de classement de Google. Aucun fournisseur n’a accès aux prompts réellement tapés, et un panel, même large, ne capte qu’une fraction des milliards de prompts mensuels. Le score de marque IA, lui, bouge avec la version du modèle : dix points peuvent sauter sans qu’aucun fondamental change, d’où l’obligation d’horodater chaque sortie de modèle sur la courbe. La hiérarchie qu’il pose est simple : les systèmes possédés (GA, CRM, ERP) décrivent visites, ventes et profit avec fiabilité, Search Console décrit Google de façon agrégée, les outils tiers estiment. Cette discipline travaille dans Loi de Goodhart, Indépendance de la Mesure Tierce et Mesurer le Share of Model.
L’attention vidéo se compte en secondes, et la construction de marque doit s’y plier. Les mesures qu’il compile : 12 secondes d’attention publicitaire active par heure de vidéo sociale, 9 secondes sur YouTube, 1 seconde sur les Reels. D’où ses règles : marque reconnaissable en 3 secondes, formats courts privilégiés (un 15 secondes délivre 75 à 85 % du recall d’un 30 secondes pour la moitié du coût média, études Lumen/Teads et Magna/IPG à l’appui), fréquence avant longueur, et brand lift mesuré en test contre contrôle : selon ses retours de terrain, les campagnes TikTok, Reels ou Shorts n’ont presque jamais délivré de lift au-dessus de zéro. Matière à l’œuvre dans Créativité = Efficacité et Vidéo, TV et Streaming.
Où ça irrigue Basecamp
- Cascade ROI Marketing - la page doit à Kaushik sa colonne vertébrale : les quatre formules ROI, les coûts non-working et le passage au ROI incrémental net.
- Incrémentalité - la lecture du lift sans seuil de décision, et le rappel que l’attribution n’est pas l’incrémentalité.
- Adoption de la Mesure d’Incrémentalité - le plancher de certitude comme préalable à un réengagement de budget.
- Alignement des KPI sur les Objectifs Business - la hiérarchie activité, outcomes, accountability.
- Efficacité vs Efficience - le POAS et le profit par dollar investi comme arbitre entre canaux.
- Instrumentation du tracking - le signal minimum exigé par l’IA Google : conversions améliorées, attribution data-driven, import offline.
- Performance Max (PMax) et Google Search Ads - Paramétrage - la reward function comme seul levier laissé à l’annonceur.
- Smart Bidding Google Ads - la fenêtre d’apprentissage que chaque intervention manuelle réinitialise.
- In-Housing et Paysage Agences - la valeur migrée en amont et le modèle de rémunération qui l’aligne.
- Orchestration des Canaux - la substituabilité des canaux, qui déplace le levier hors du split budgétaire.
- Rétention et LTV - la concentration de la valeur sur une petite fraction des acheteurs.
- Trafic LLM - le trafic answer engine comme enjeu de marge.
- Système 3 - la recherche déléguée à un agent, qui remplace la page de résultats.
- Loi de Goodhart - les scores de visibilité vendeurs pris pour le classement de Google.
- Indépendance de la Mesure Tierce - la méthode de collecte avant le choix de la métrique.
- Mesurer le Share of Model - la version du modèle qui déplace le score de dix points.
Les repères
Dix essais du blog, tous publiés en 2026 :
- SEO + AEO = OAO (Organic Answers Optimization) (2026) - la fusion SEO et AEO en une seule feuille de route organique, les trois KPI qui la mesurent et la critique méthodologique des scores de visibilité.
- Pay Less, Grow More: Agencies in an Agentic AI-Era. (2026) - l’armée d’exécution absorbée par l’IA, la valeur migrée en amont et la grille de rémunération retainer, project fees, incentive.
- Google’s Statistics: Heads They Win, Tails You Lose. (2026) - la lecture de la certitude de lift, le risque de réplication et les erreurs Type S et Type M.
- Google Analytics 2026: Unlocking New Features, Analysis. (2026) - l’AEO comme canal de marge, l’analyse conversationnelle, les conversions assistées et la concentration de valeur.
- The Best Marketing ROI Formula: Incremental Net Profit ROI! (2026) - la cascade des quatre ROI, du chiffre d’agence au ROI incrémental net.
- Smart KPIs: Accountability Over Outcomes Over Activity (2026) - la hiérarchie ROAS, ROI, POAS, POI et le cas Advantage+ à profit négatif.
- AI Ready? Google Ads Maturity Model (2026) - le modèle de maturité en six dimensions et la thèse de la reward function.
- 2 Seconds to Brand Impact: A Modern Video Ads Playbook (2026) - l’attention réelle par canal vidéo et le plan média Spark/Fuel/Blaze/Beacon.
- Bye, Bye Human-Powered Marketing Analytics (2026) - la latence des insights et la nouvelle règle 10/90 : 10 $ en stratèges humains, 90 $ en activation IA.
- Sports Marketing Measurement Playbook (2026) - les cinq niveaux de mesure du sponsoring, des vanity metrics à l’incrémentalité financière.
ℹ️ À propos de cette page
Direction éditoriale : Romain Nicault.
Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient aux sources de Basecamp : les penseurs, médias et institutions dont le playbook se nourrit, et ce qu’on en retient.
Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.