Référence : résultat attendu dans le scénario contrefactuel où toutes les variables de traitement sont définies sur leurs valeurs de référence. Pour les médias payants et naturels, les valeurs de référence sont nulles. Pour les variables de traitement non média, la valeur de référence peut être définie sur la valeur minimale observée de la variable (par défaut), la valeur maximale ou une valeur flottante fournie par l'utilisateur.
Contribution : résultat incrémental de chaque variable de traitement en pourcentage du résultat total. Pour la création de rapports comme le tracé comparant le résultat réel et le résultat attendu de ModelFit ou le graphique en cascade des contributions MediaSummary, le résultat total correspond au résultat total attendu. Pour les a priori de contribution, le résultat total correspond au résultat total observé.
Variables de contrôle : variables du modèle qui ne sont pas des variables de traitement. Les variables de contrôle sont utilisées pour estimer le résultat de référence. Il n'est pas possible d'estimer les effets causaux ni les pourcentages de contribution pour les variables de contrôle. Consultez Variables de contrôle pour obtenir des conseils pratiques importants sur la sélection des contrôles. Consultez également le concept associé Variables de médiation.
Variables de confusion : variables qui ont un effet causal sur le traitement et le KPI. Leur inclusion en tant que variables de contrôle permet de réduire le biais des estimations causales du traitement sur le KPI.
Variables de prédiction : variables qui ont un effet causal sur le KPI, mais rien d'autre. Leur inclusion en tant que variables de contrôle ne réduit pas les biais des estimations causales du traitement sur le KPI. Toutefois, des prédicteurs forts peuvent réduire la variance des estimations causales.
Coût par KPI incrémental (CPKI) : dépenses totales divisées par le KPI incrémental total. Lorsque le KPI n'est pas lié aux revenus et que les données sur les revenus par KPI ne sont pas disponibles, le CPKI est égal à l'inverse du ROI.
Efficacité : résultat incrémental divisé par le nombre total d'unités média.
Résultat attendu : résultat attendu lorsque toutes les variables de traitement sont définies sur des valeurs historiques réelles. Il s'agit de la somme totale du résultat de référence et du résultat incrémental de toutes les variables de traitement.
Modèle de diffusion : répartition relative des unités média dans les régions géographiques et les périodes pour une variable média donnée. Ce modèle permet d'allouer des unités média dans des régions géographiques et des périodes lorsque le budget total d'un canal est ajusté à la hausse ou à la baisse. Cela s'applique à l'optimisation du budget et aux courbes de réponse.
Résultat incrémental : variation du résultat attendu générée par chaque variable de traitement. Pour les médias payants et naturels, il s'agit de la variation du résultat attendu lorsqu'une variable est définie sur zéro. Pour les variables de traitement non média, il s'agit de la variation du résultat attendu lorsqu'une variable est définie sur sa valeur de référence (valeur minimale observée de la variable (par défaut), valeur maximale ou valeur flottante fournie par l'utilisateur) pour chaque région géographique et période. Pour en savoir plus, consultez Résultat incrémental.
KPI : variable (cible ou dépendante) de réponse du modèle. Il peut s'agir de revenus, d'unités de vente, de conversions ou de tout autre élément sur lequel les variables de traitement peuvent avoir un effet causal.
Effet différé : effet causal des variables de traitement des périodes précédentes affectant le résultat d'une période ultérieure. Meridian modélise les effets différés à l'aide d'une fonction Adstock.
ROI marginal (ROIm) : dérivée de la courbe de réponse. Il correspond approximativement au ROI de la prochaine unité monétaire (dollar, par exemple) dépensée au-delà du niveau de dépenses actuel.
Exécution média : terme général faisant référence aux valeurs d'unités média d'un canal donné pour différentes régions géographiques et périodes.
Variables de médiation : variables affectées de manière causale par le traitement et ayant un effet causal sur le KPI. Leur inclusion en tant que variables de contrôle entraîne un biais dans les estimations causales du traitement sur le KPI. Elles doivent être exclues du modèle.
Résultat : métrique d'intérêt principale selon laquelle Meridian mesure l'effet causal des variables de traitement. Il s'agit généralement des revenus, mais lorsque le KPI n'est pas lié aux revenus et que les données sur les revenus par KPI ne sont pas disponibles, Meridian définit le résultat comme étant le KPI lui-même. Il ne s'agit pas nécessairement de la variable de réponse du modèle (voir la définition du KPI).
Courbe de réponse : graphique représentant le résultat incrémental par rapport au niveau de dépenses pour une variable média donnée. Lorsque les dépenses varient, les unités média sont réparties entre les zones géographiques et les périodes en fonction du modèle de diffusion.
Retour sur investissement (ROI) : Meridian définit le ROI comme le résultat incrémental divisé par les dépenses. Lorsque le KPI est lié aux revenus ou que les données sur les revenus par KPI sont disponibles, le résultat incrémental correspond au revenu incrémental. Sinon, le résultat incrémental correspond au KPI incrémental.
Revenus : pour les KPI non liés aux revenus, il s'agit des revenus par KPI multipliés par le KPI. Pour les KPI liés aux revenus, cette valeur correspond au KPI. Lorsque le KPI n'est pas lié aux revenus et que les données sur les revenus par KPI ne sont pas disponibles, les revenus ne sont pas définis.
Revenus par KPI : revenus supposés générés par unité de KPI. Ils peuvent varier selon l'heure, la région géographique ou les deux. Meridian multiplie les unités de KPI incrémentales par les revenus par KPI pour estimer les revenus incrémentaux des variables de traitement.
Saturation : Meridian suppose que les médias payants et naturels ont des rendements marginaux décroissants, et qu'il existe une limite asymptotique de l'effet média sur une période donnée. À mesure que les dépenses augmentent le long de la courbe de réponse, le ROIm diminue. À mesure que les dépenses augmentent et que le ROIm diminue, un canal est considéré comme saturé. Saturation est un terme générique, et aucun seuil spécifique n'est défini.
Variables de traitement : elles incluent toutes les variables pour lesquelles la MMM estime un effet causal, à savoir les médias payants, les médias naturels et les traitements non média. Le terme traitement provient du domaine de l'inférence causale et est souvent utilisé ailleurs comme synonyme d'intervention ou d'exposition.
Variables média payant : elles incluent tous les canaux média pour lesquels des données sur les dépenses sont disponibles. Cela inclut à la fois les canaux modélisés avec une seule variable (par exemple, les dépenses, les impressions ou les clics) et les canaux modélisés avec des données de couverture et de fréquence.
Variables média naturel : elles incluent tous les canaux média qui n'ont pas de coût associé ou dont le coût est inconnu. Ces canaux sont modélisés avec adstock et des rendements décroissants, comme les médias payants. La principale différence est que le ROI et le ROIm ne peuvent pas être mesurés pour les canaux naturels. Par conséquent, les a priori de ROI et de ROIm ne peuvent pas être utilisés pour les canaux naturels. Cela inclut à la fois les canaux média naturel modélisés avec une seule variable (par exemple, les dépenses, les impressions ou les clics) et les canaux modélisés avec des données de couverture et de fréquence.
Variables de traitement non média : elles incluent toutes les tactiques non média, telles que les prix et les promotions. Il s'agit de variables pour lesquelles Meridian estime un effet causal, mais la taille de l'effet est supposée être linéaire au lieu d'avoir un adstock et des rendements décroissants.