Meridian accepte les modèles au niveau national, mais nous vous recommandons d'utiliser le modèle au niveau géographique dans la mesure du possible. Le modèle au niveau national est un cas particulier du modèle au niveau géographique, avec une seule zone géographique. Il n'existe pas de classe de modèle distincte.
Les restrictions de paramètres suivantes s'appliquent automatiquement lorsque vous utilisez le modèle au niveau national :
- \(\eta^{[M]}_i=0\) et \(\beta_{1,i}^{[M]}=\beta_i^{[M]} \ \ \forall i\)
- \(\eta^{[OM]}_i=0\) et \(\beta_{1,i}^{[OM]}=\beta_i^{[OM]} \ \ \forall i\)
- \(\eta^{[RF]}_i=0 \) et \(\beta^{[RF]}_{g,i}=\beta^{[RF]}_i \ \ \forall i\)
- \(\eta^{[ORF]}_i=0 \) et \(\beta^{[ORF]}_{g,i}=\beta^{[ORF]}_i \ \ \forall i\)
- \(\xi_i^{[C]}=0\) et \(\gamma_{1,i}^{[C]}=\gamma_i^{[C]} \ \ \forall c\)
unique_sigma_for_each_geo = False
Modélisation au niveau national ou géographique
La modélisation statistique repose sur l'identification de modèles récurrents dans les données. Cette opération peut être effectuée beaucoup plus efficacement avec des données au niveau géographique, en supposant que les modèles soient raisonnablement similaires d'une zone géographique à l'autre.
Le modèle au niveau géographique regroupe les données de plusieurs zones géographiques pour accroître la taille effective de l'échantillon. Il fournit des intervalles crédibles plus réduits, à condition que les zones géographiques soient similaires en termes de mécanisme d'impact média, comme le suppose le modèle. Pour en savoir plus, consultez Geo-level Bayesian Hierarchical Media Mix Modeling.
Les données au niveau géographique améliorent également les estimations des effets temporels (tendances et saisonnalité, par exemple), car plusieurs observations par période peuvent être utilisées pour l'estimation. Les données au niveau géographique peuvent permettre d'utiliser plus de knots pour modéliser le paramètre \(\mu_t\) . Il est souvent raisonnable d'utiliser un nœud par période pour une flexibilité maximale. Toutefois, les données au niveau national ont moins de marge de manœuvre pour les effets temporels. Par exemple, un nœud par période saturerait complètement le modèle.
Les avantages d'un modèle au niveau géographique sont si importants que si seules des données au niveau national sont disponibles pour relativement peu de canaux, nous vous recommandons d'entrer ces données pour les différentes zones géographiques. Pour en savoir plus, consultez Sélection de zones géographiques et données au niveau national.