从 LightweightMMM 迁移

Meridian 是 Google 营销组合建模分析 (MMM) 方法的官方演变版本。它是 LightweightMMM 的更新版本。这两个版本均基于 Google 自 2017 年以来在贝叶斯 MMM 方面的研究。

Meridian 的主要功能包括覆盖面和频次建模、有效处理付费搜索以及实验校准。

如何迁移到 Meridian

若要从 LightweightMMM 迁移到 Meridian，您需要安装 Meridian，并按照任何 Meridian 新用户所用的流程导入数据。如需了解详情，请参阅安装 Meridian。

功能对比

这两种模型的输入数据是相同的。

下图概述了这两个项目之间的主要功能差异：

功能 LightweightMMM Meridian
语言 Python Python
贝叶斯库 Numpyro Tensorflow Probability
实验校准 可能有，但需要手动操作 有
覆盖面和频次建模 无 有
优化器 有 有
模型的投资回报率公式 无 有
纳入 GQV 混杂因素 可能有，但需要手动操作 有
国家级和地理位置级模型 有 有，国家级以及更多地理位置
趋势和季节性 直线 + 正弦曲线重复形状（每天、每周） 结
自定义先验 有 有
滞后与饱和度转换 有 有
输入缩放 手动 自动

模型规范的差异

LightweightMMM 提供三种不同的模型架构：Adstock、Hill-Adstock 和 Carryover。Meridian 使用 Hill-Adstock 架构的变体，不支持其他架构。您可以选择对 Meridian 基准模型应用 Hill 转换和 Adstock 转换的顺序。Meridian 覆盖面和频次模型具有固定的 Hill-Adstock 顺序：首先是 Hill，然后是 Adstock。

Meridian 和 LightweightMMM 之间的其他差异包括：

  • 在这两个项目中，媒体渠道都是按地理位置分层的。不过，在 LightweightMMM 中，地理位置层次结构不会添加其他自由形参。然而，LightweightMMM 使用一个媒体系数来指定超先验和各个地理位置级的媒体渠道先验。Meridian 还有一个附加形参 eta_m，用于指定各地理位置的媒体系数标准差。Meridian 还允许分层变体呈正态或对数正态分布。

  • 非媒体功能（在 Meridian 中称为“控制变量”）在 Meridian 中也是分层的，但在 LightweightMMM 中，它们在各地理位置之间是不分层的。Meridian 模型形参 xi_c 指定了此地理位置层次结构的标准差。

  • 借助 Meridian，您可以根据 Beta 值（与 LightweightMMM 相同）或投资回报率指定媒体先验。

  • Meridian 中的基准表达方式与 LightweightMMM 有所不同。在 Meridian 中，用户可以同时指定地理位置级和时间级固定效应，而基准是这两种固定效应的总和。

MCMC 抽样时间的预期差异

由于 Meridian 中的模型形参更多，模型复杂度更高，因此 Meridian 中的 MCMC 抽样时间预计要比 LightweightMMM 长。不过，由于模型相对类似，预计 Meridian 所需的时间不会比 LightweightMMM 长很多。若要确切估计需要多长时间，需要考虑计算环境、地理位置数量、模型调优形参、先验、数据和其他因素。虽然 Meridian 的模型复杂度可能会导致 MCMC 抽样时间更长，但预计结果会更准确。