Geografische Auswahl und Daten auf Länderebene

Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Auswahl von geografischen Einheiten

Berücksichtigen Sie bei der Auswahl von geografischen Einheiten Folgendes:

• Schließen Sie als Erstes die geografischen Einheiten mit dem niedrigsten Gesamt-KPI aus. Kleinere geografische Einheiten tragen zwar weniger zum ROI bei, können aber dennoch einen großen Einfluss auf die Anpassung des Modells haben, insbesondere wenn für alle Gruppen eine einheitliche Residualvarianz verwendet wird (unique_sigma_for_each_geo = False von ModelSpec).

• Für Werbetreibende in den USA, die DMAs (Designated Market Areas) als geografische Einheit verwenden, ist es eine gute Faustregel, die 50 bis 100 DMAs mit der höchsten Bevölkerungszahl zu modellieren. Dazu gehören in der Regel die meisten KPI-Einheiten, während die meisten kleinen DMAs mit mehr Datenrauschen ausgeschlossen werden, die sich auf die Modellanpassung und ‑konvergenz auswirken könnten.

• Wenn jede geografische Einheit eine eigene Residualvarianz (unique_sigma_for_each_geo = True von ModelSpec) hat, haben geografische Einheiten mit mehr Rauschen weniger Auswirkungen auf die Modellanpassung. Diese Option kann jedoch die Konvergenz für einige Datensätze erschweren, da sie das Modell so viel flexibler macht. Wenn die MCMC-Stichprobenerhebung unter dieser Option konvergiert, könnte es sinnvoll sein, die geografische Bevölkerungsgröße gegen die mittlere Residualstandardabweichung (sigma-Parameter) darzustellen. In den meisten Fällen wäre ein relativ monotones Muster zu erwarten. Wenn Sie dieses Muster nicht sehen, ist es möglicherweise besser, unique_sigma_for_each_geo = False festzulegen und eine kleinere Teilmenge von geografischen Einheiten zu verwenden.

Wenn Sie sicherstellen möchten, dass das Modell 100 % Ihrer KPI-Einheiten abdeckt, können Sie kleinere geografische Einheiten in größeren aggregieren. Diese Option hat jedoch einige Einschränkungen:

• Die Modellierung auf geografischer Ebene ist ein großer Vorteil, der mit der Anzahl der geografisch getrennten Testgruppen zunimmt. Weitere Informationen finden Sie unter Modellierung auf Länder- und geografischer Ebene.

• Unterschiedliche Methoden zur Aggregation von geografischen Einheiten können zu unterschiedlichen MMM-Ergebnissen führen.

• Variablen für die Media-Ausführung wie Impressionen oder Kosten können in der Regel über geografische Einheiten hinweg summiert werden. Einige Kontrollvariablen wie die Temperatur lassen sich jedoch nicht so einfach aggregieren.

Media auf Länderebene in einem Modell auf geografischer Ebene

Wenn die meisten Media auf geografischer Ebene verfügbar sind, ein oder zwei aber nur auf Länderebene, empfehlen wir, die Media auf Länderebene auf geografischer Ebene zu schätzen und ein geografisches Modell auszuführen. Eine naive Methode zum Schätzen dieser Daten besteht darin, die Media-Variable auf geografischer Ebene aus dem Wert auf Länderebene abzuleiten. Dabei wird der Anteil der Bevölkerung in der geografischen Einheit im Verhältnis zur Gesamtbevölkerung verwendet. Idealerweise liegen genaue Daten auf geografischer Ebene vor, damit keine Schätzung erforderlich ist, sie kann aber dennoch nützliche Informationen zu den Modellparametern liefern. Weitere Informationen finden Sie unter Geo-level Bayesian Hierarchical Media Mix Modeling im Abschnitt 4.4.