Logica dell'inferenza causale e della modellazione bayesiana

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Il motivo per cui si prende una prospettiva di inferenza causale è semplice e convincenti. Tutte le quantità stimate dal Marketing Mix Modeling implicano una causalità. ROI, curve di risposta e un'analisi ottimale del budget riguardano il modo in cui la spesa per il marketing influisce sui KPI, valutando cosa sarebbe successo se la spesa per il marketing avesse diverse. La prospettiva di progettazione di Meridian è che non esistono alternative ma di usare la metodologia di inferenza causale.

Meridian è un modello di regressione. Il fatto che gli effetti del marketing possono essere interpretata come causale è dovuta alle stime definite e alle ipotesi fatte (come il DAG causale). Sebbene questi presupposti non siano validi per ogni inserzionista, le ipotesi vengono comunicate in modo trasparente per decidere.

Sebbene la modellazione bayesiana non sia necessaria per l'inferenza causale, Meridian adotta un approccio bayesiano perché offre quanto segue vantaggi:

1. Le distribuzioni precedenti di un modello bayesiano offrono un modo intuitivo per regolarizzare l'adattamento di ogni parametro in base alle conoscenze precedenti forza di regolarizzazione selezionata. La regolarizzazione è necessaria in Marketing Mix Modeling perché il numero di variabili è grande, le correlazioni sono spesso alte gli effetti multimediali (con adstock e rendimenti decrescenti) sono complessi.
2. Meridian offre la possibilità di riparametrizzare il modello di regressione in termini di ROI, consentendo l'uso di qualsiasi ROI personalizzato a priori. Qualsiasi cosa le conoscenze disponibili, compresi i risultati degli esperimenti, possono essere utilizzate per stabilire che si regolarizzino per ottenere risultati in cui credi con la forza in cui credi sia appropriata.
3. Le trasformazioni delle variabili multimediali (adstock e resi decrescenti) non lineari e i parametri di queste trasformazioni non possono essere stimati le tecniche di modelli misti lineari. Meridian utilizza tecnologie all'avanguardia Campionamento MCMC tecniche di risolvere questo problema.