Meridian 简介

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。

营销组合建模分析 (MMM) 是一种统计分析法，用于衡量营销广告系列和活动的影响，从而指导预算规划决策并提高整体媒体效果。MMM 使用汇总数据来衡量在各个营销渠道的影响，同时还会考虑影响收入和其他关键绩效指标 (KPI) 的非营销因素。MMM 注重隐私保护，不会使用任何 Cookie 或用户级信息。

Meridian 是一个 MMM 框架，广告客户可以借助此框架建立和运行自己的内部模型。Meridian 可帮助您解答以下关键问题：

• 营销渠道是如何帮助实现收入或其他 KPI 的？
• 我的营销投资回报率 (ROI¹) 是多少？
• 如何优化未来的营销预算分配？

Meridian 是一个基于贝叶斯因果推理而又高度可自定义的建模框架。它能够处理大规模的地理位置级数据（建议在有此类数据的情况下使用），但也可以用于国家级建模。Meridian 可提供清晰的数据洞见和可视化图表，以便为有关营销预算和规划的业务决策提供依据。此外，Meridian 还提供各种方法，支持利用实验和其他先验信息对 MMM 进行校准，并利用覆盖面和频次数据优化广告的目标频次。

主要功能

Meridian 通过提供建模和优化方法，可满足所有主要 MMM 应用场景的需要。如需详细了解 Meridian 方法，请参阅模型规范和“Meridian 模型”部分。

此外，其主要功能包括：

• 分层地理位置级建模：借助 Meridian 的分层地理位置级模型，您可以利用地理位置级营销数据；相比国家级数据，地理位置级营销数据可能包含更丰富的营销效果信息。此外，您还可以检查本地或区域一级的营销工作成效。分层方法通常会在投资回报率等指标上产生更严格的可信区间。如需了解详情，请参阅“Geo-level Bayesian Hierarchical Media Mix Modeling”（地理位置级贝叶斯分层媒体组合建模）。

  Meridian 利用 Tensorflow Probability 及其 XLA 编译器，完全支持使用 50 多个地理位置和 2-3 年每周数据的贝叶斯模型。使用 Google Colab Pro+ 或其他工具提供的 GPU 硬件能进一步优化速度性能。

  如果您没有地理位置级数据，系统也支持标准的国家级方法。

• 整合有关媒体效果的先验知识：借助 Meridian 的贝叶斯模型，您可以使用投资回报率先验来整合有关媒体效果的现有知识。在此模型中，投资回报率是一个模型形参，可以采用任何先验分布，无需进行额外计算即可将先验投资回报率信息转化为模型形参。知识可以来自任何可用来源，例如过往实验、过往 MMM 结果、行业专业知识或行业基准数据。

  贝叶斯方法非常灵活，因为您可以控制先验对后验分布的影响程度。如果当前数据中的信号较弱，可以使用先验来估计形参。Meridian 会量化所有模型形参、投资回报率和边际投资回报率的不确定性。如需了解详情，请参阅“Media Mix Model Calibration With Bayesian Priors”（使用贝叶斯先验进行媒体组合模型校准）。

• 考虑媒体饱和度与滞后效应：付费媒体和自然媒体的饱和度与滞后效应使用形参转换函数建模。饱和度使用 Hill 函数建模，该函数可捕获边际回报递减的情况。滞后效应使用具有几何衰减的 Adstock 函数建模。Meridian 利用贝叶斯马尔可夫链蒙特卡洛 (MCMC) 抽样方法来联合估计所有模型形参，包括这些转换形参。如需了解详情，请参阅“Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects”（利用延滞效应和形状效应进行媒体组合建模的贝叶斯方法）。

• 可选择使用覆盖面和频次数据，获取更多数据洞见：除了使用展示次数之外，Meridian 还提供将覆盖面和频次数据作为模型输入的选项，可为用户提供更多数据洞见。覆盖面是指每个时间段内的唯一身份浏览者数量，而频次是指向每位浏览者展示广告的平均次数。这样可以更好地预测每个媒体渠道在支出发生变化时可能有何表现。如需了解详情，请参阅“Bayesian Hierarchical Media Mix Model Incorporating Reach and Frequency Data”（整合了覆盖面和频次数据的贝叶斯分层媒体组合模型）。

• 对漏斗下端渠道（例如付费搜索）进行建模：Meridian 的设计基于因果推理理论，旨在支持理性决策。有效因果推理所需的模型假设完全透明。具体而言，Meridian 提供了在衡量付费搜索效果时将 Google 搜索查询量 (GQV) 用作控制变量的选项。

• 媒体预算优化：优化阶段会根据您的总预算确定各个渠道的最佳预算分配。Meridian 还可以根据您的广告目标推荐最佳总预算。此外，Meridian 还会为任何具有覆盖面和频次数据的渠道提供频次优化。

• 利用假设情景进行估计：借助拟合后的模型，您可以估计不同假设媒体情景下的投资回报率，如增加或减少特定渠道的广告支出，或重新分配各渠道的预算。

• 评估和报告模型拟合优度：Meridian 可报告样本内和样本外的模型拟合统计信息。您可以借此来比较不同的模型配置，例如先验分布和形参化。

• 可选择包含非媒体处理变量：可选择包含非媒体处理（例如价格和促销活动的变化），以估算非媒体营销行动的效果。