自然媒体和非媒体处理变量

使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。

除了付费媒体外，可能还会有其他营销行动影响相关 KPI。

自然媒体变量

自然媒体变量是指不会产生直接费用的媒体活动。这些活动包括但不限于简报、博文、社交媒体活动或电子邮件宣传活动的展示。自然媒体变量可以与覆盖面和频次数据一起纳入到模型中，并且与付费媒体变量一样，具有 Adstock 和 Hill 效应。自然媒体和付费媒体之间的唯一区别在于，自然媒体没有关联的费用。因此，投资回报率先验无法与自然媒体配合使用，并且模型不会针对自然媒体变量提供与投资回报率相关的结果，例如响应曲线和预算优化。

模型会针对自然媒体变量提供因果效应和贡献百分比，并且这两者的计算方式与付费媒体相同，如增量效果定义中所述。与付费媒体一样，自然媒体渠道的增量效果定义为：与不运行所观测渠道的反事实情景相比，在所观测渠道的媒体执行下效果的预期差异。

非媒体处理变量

非媒体处理变量是指与媒体没有直接关系的营销活动，例如开展促销活动、调整产品价格以及改变产品包装或设计。这类变量没有关联的直接营销费用，但与自然媒体变量不同，它们与媒体无关，也没有 Adstock 和 Hill 效应。它们与控制变量不同，因为它们被视为可干预的变量，因此在因果模型中属于处理变量。鉴于此，模型会针对非媒体变量提供增量效果和贡献百分比。

与付费媒体和自然媒体类似，非媒体变量的增量效果定义为两个反事实情景之间的预期效果差异。第一个情景是将非媒体变量设置为观测值。第二个情景（即反事实情景）是将非媒体变量设置为非媒体变量的最小值（默认）、最大值或用户提供的值。增量效果就是第一个情景下的预期效果减去反事实情景下的预期效果。

第二个情景（即反事实情景）之所以没有将非媒体变量设为零（就像在付费媒体和自然媒体中那样），是因为对于非媒体变量，零通常不是一个适当的反事实值。例如，如果非媒体变量是价格，那么分别将价格设为观测值和产品最低销售价格，通过比较来了解因果效应可能是合理的，但将价格设为零则没有意义。

确定变量是非媒体处理变量还是控制变量

非媒体变量与控制变量的主要区别在于，非媒体变量被视为可干预的变量，并因此在假设的因果模型中属于处理变量。控制变量（也称为混杂变量）无法干预，并且模型假设它们会同时影响处理变量和结果。如需了解详情，请参阅因果图。

作为广告客户，如果您可以干预并更改某个变量的值（例如更改价格或开展促销活动），那么该变量更有可能是非媒体变量，而不是控制变量。如果该变量不在广告客户的控制范围内，例如广义经济指标或地理位置级/国家级受众特征，则很可能是控制变量。

确定变量是自然媒体变量还是非媒体处理变量

自然媒体变量的行为类似于没有关联费用的付费媒体变量。它们一般基于展示或覆盖面和频次，通常是没有直接费用的广告活动，例如社交媒体帖子和电子邮件宣传活动。非媒体变量也没有直接费用，但与媒体无关。通常，非媒体变量与基础产品的变化相关，例如价格、促销活动或产品包装的变化。另一种判断哪种变量适当的方法是，自然媒体变量会应用 Adstock 和 Hill 效应，但非媒体变量不会。

各类输入变量之间的区别

下表有助于您确定哪种输入变量合适：

输入变量	费用	Adstock/Hill	可干预	效应（贡献百分比）
media	x	x	x	x
non_media	-	-	x	x
organic_media	-	x	x	x
controls	-	-	-	-

如需详细了解 Meridian 中输入变量之间的假设因果关系，请参阅因果图。