Questions fréquentes

Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

La bibliothèque est-elle gratuite ?

Oui, la bibliothèque est libre d'utilisation et Open Source sur GitHub pour que tout le monde puisse l'utiliser.

Dois-je partager mes données avec Google pour utiliser la bibliothèque ?

Google n'aura pas accès à vos données d'entrée, à votre modèle ni à vos résultats (à l'exception des données média Google fournies par le biais de notre MMM Data Platform). Si vous demandez des données à la Google MMM Data Platform, ce sont les seules données auxquelles Google aura accès. Toutefois, Google ne saura pas si vous incluez réellement ces données dans votre modèle. Les entrées et les sorties réelles de votre modèle sont entièrement privées, sauf si vous choisissez de les partager avec vos représentants Google.

En tant qu'utilisateur actuel de LightweightMMM, dois-je effectuer des tâches supplémentaires afin de créer une entrée de données pour Meridian ?

Pour profiter pleinement des nouvelles innovations Meridian, vous devrez ajouter d'autres dimensions de données, par exemple :

• Couverture et fréquence
• Tests
• Volume de requêtes Google (VRG)

Vous pouvez toujours exécuter Meridian sans ces dimensions, mais vous ne bénéficierez pas des nouvelles innovations. Pour en savoir plus, consultez Migrer depuis LightweightMMM.

Puis-je collecter simultanément tous les types de données (performances, couverture et fréquence YouTube et volume de requêtes Google) dans l'interface MMM Data Platform ?

Les données sur les performances et les données de fréquence et de couverture YouTube doivent être demandées séparément. La procédure de demande est détaillée dans le guide de l'utilisateur inclus dans l'e-mail d'accès à MMM Data Platform.

Quelle est la portée des données VRG que je peux demander ?

Pour le volume de requêtes Google, le résultat inclut :

• QueryLabel (incluant une marque ou générique)
• ReportDate
• TimeGranularity (vous pouvez demander des données Daily, Weekly_Sunday ou Weekly_Monday)
• GeoCriteriaId
• GeoName
• GeoType
• IndexedQueryVolume (toutes les données de volume de requêtes sont indexées, les chiffres bruts ne sont pas fournis pour le volume de requêtes)

Puis-je appliquer la méthodologie VRG aux données de recherche non Google ?

Le volume de requêtes naturelles provenant d'autres moteurs de recherche que Google est souvent indisponible. D'autres options sont décrites dans Comprendre le volume de requêtes comme un facteur de confusion pour les annonces sur le Réseau de Recherche.

Pour un levier média donné, comment définir différents a priori associés à différentes périodes ?

L'argument roi_calibration_period est probablement le plus adapté. En nous basant sur la section 3.4 du livre blanc sur la calibration des MMM, nous vous suggérons de calculer un ROI moyen pondéré par les dépenses pour les tests et de transmettre roi_calibration_period pour correspondre aux quatre trimestres des tests. Si les erreurs standards des tests sont très différentes, vous pouvez choisir de pondérer encore davantage les tests en conséquence. Pour en savoir plus, consultez Définir la période de calibration du ROI.

Puis-je définir un a priori temporel pour les valeurs de nœud ?

Meridian n'est pas compatible avec les a priori variables dans le temps pour les valeurs de nœud.

Comment obtenir des informations détaillées sur la décomposition de la régression, par exemple des DataFrames pour les tirages a posteriori ?

Les échantillons a posteriori se trouvent dans l'objet inference_data. Vous pouvez transformer ce tableau en tout type de DataFrame dont vous avez besoin. Pour accéder aux échantillons de données à l'aide de la docstring, consultez meridian.model.model.Meridian.

Puis-je mesurer les synergies entre les canaux dans Meridian ?

Meridian n'est pas compatible avec ce type d'analyse.

Est-il possible d'obtenir une mesure temporelle du ROI avec Meridian ?

Vous pouvez obtenir le résultat incrémental de chaque canal média sur la durée et calculer ainsi le ROI :

1. Prenez le résultat incrémental estimé, tel qu'il apparaît dans Analyzer().incremental_outcome().
2. Utilisez l'option selected_times pour choisir les semaines qui vous intéressent.
3. Divisez la valeur par les dépenses au cours de ces semaines. Cela vous donne le ROI, qui reflète plus précisément la période spécifique.

Important : Lorsque vous suivez le ROI au fil du temps, n'oubliez pas que même si les coefficients du modèle ne varient pas dans le temps, le ROI peut tout de même évoluer au fil du temps, car il dépend de facteurs supplémentaires qui peuvent varier dans le temps. Par exemple, les courbes de Hill modélisent les rendements décroissants non linéaires de l'exécution média. Par conséquent, le volume d'exécution média à un moment donné peut avoir un impact sur le ROI. De plus, l'affectation des médias peut varier selon les zones géographiques au fil du temps avec des niveaux d'efficacité différents, tout comme le coût de l'exécution média.

Puis-je mesurer le ROI des stratégies d'enchères en fonction des cibles d'enchères définies ?

Le flux de données MMM de Google fournit le type de stratégie d'enchères (par exemple, "Maximiser les conversions" et "ROAS cible") par campagne, mais il n'inclut pas la cible d'enchères elle-même. Pour consulter cette dimension spécifique, les annonceurs peuvent obtenir des rapports sur la stratégie d'enchères directement dans Google Ads ou demander une solution de données personnalisée au responsable de leur compte Google.