Membuat output hasil model

Tetap teratur dengan koleksi Simpan dan kategorikan konten berdasarkan preferensi Anda.

Ada beberapa opsi untuk menghasilkan output hasil model. Anda dapat:

• Membuat laporan HTML dua halaman dengan rentang waktu khusus dan ekspor {i>output<i} HTML ke Google Drive Anda ke bagikan dengan tim Anda.

• Membuat ringkasan hasil model untuk menyesuaikan laporan dan visualisasi Anda sendiri, atau mengekspornya ke format font. Ringkasan numerik metrik media ini memungkinkan Anda mengakses spesifikasi pendukung.

Anda juga dapat merencanakan visualisasi media. Untuk informasi selengkapnya, lihat Memetakan media visualisasi.

Membuat laporan HTML hasil model

Untuk membuat dan mengekspor laporan hasil model:

1. Jika Anda menggunakan Colab dan ingin mengekspor laporan ke Google Drive Anda, pasang Google Drive ke notebook Colab Anda:

   from google.colab import drive
   drive.mount('/content/drive')
   

2. Lakukan inisialisasi class Summarizer dengan objek model Meridian:

   summarizer = summarizer.Summarizer(meridian)
   

3. Teruskan nama file, jalur, tanggal mulai, dan tanggal akhir ke output_model_results_summary untuk menjalankan ringkasan selama durasi waktu tersebut dan menyimpannya ke file yang ditentukan.

   Contoh:

   filepath = '/content/drive/MyDrive'
   start_date = '2020-01-05'
   end_date = '2020-12-27'
   summarizer.output_model_results_summary(f'{FILENAME}.html',
                                           filepath,
                                           start_date,
                                           end_date)
   

   Dengan keterangan:

   • filepath adalah jalur di Google Drive tempat Anda ingin menyimpan .
   • start_date adalah tanggal mulai laporan yang menggunakan format yyyy-mm-dd.
   • end_date adalah tanggal akhir laporan yang menggunakan format yyyy-mm-dd.
   • FILENAME adalah nama yang ingin Anda tentukan untuk file, misalnya summary_output.html. Ekstensi file harus HTML.

   Laporan HTML dibuat dan disimpan di lokasi file yang ditentukan.

Model Anda cocok

Bagian Kesesuaian model Anda memungkinkan Anda memeriksa kesesuaian statistik. Statistik kesesuaian model untuk laporan Meridian termasuk R kuadrat, Rata-rata Absolut Error Persentase (MAPE) dan Error Persentase Absolut Berbobot Rata-Rata (wMAPE). Selain itu, Meridian memberikan representasi visual yang membandingkan prediksi pendapatan (atau KPI) terhadap angka pendapatan aktual (atau KPI). Plot ini memfasilitasi penilaian performa model dan membantu dalam menentukan apakah modelnya kurang pas.

Statistik kesesuaian model juga dapat berguna untuk membandingkan model kandidat. Namun, Ingatlah bahwa metrik kebaikan/kesesuaian tidak memberikan gambaran lengkap tentang bagaimana model yang baik untuk inferensi kausal, dan mungkin saja model terbaik untuk inferensi kausal berbeda dari model terbaik untuk prediksi.

Untuk informasi tentang cara menilai kesesuaian model, lihat Pemodelan diagnostik.

Contoh output: (Klik gambar untuk memperbesar.)

Pendapatan atau kontribusi KPI

Bagian Pendapatan atau Kontribusi KPI memberikan analisis dampak aktivitas media dan non-media Anda terhadap pendapatan atau performa KPI Anda. Ini memungkinkan Anda membandingkan metrik utama seperti laba atas investasi (ROI), persentase pengeluaran, dan persentase pendapatan tambahan atau KPI di berbagai saluran. Selain itu, bagian ini memungkinkan Anda memerinci kontribusi berdasarkan dasar pengukuran, promosi harga, dan berbagai saluran pemasaran.

Contoh output: (Klik gambar untuk memperbesar.)

Laba atas investasi

Bagian Laba atas investasi memberikan gambaran yang lebih mendalam tentang analisis ROI untuk saluran untuk membantu Anda mengidentifikasi saluran dengan performa tertinggi. Anda dapat membandingkan ROI, ROI marginal, dan efektivitas di berbagai saluran. Selain itu, bagian ini menyajikan interval kredibel untuk estimasi ROI, yang merupakan satu memanfaatkan model Bayesian.

Contoh output: (Klik gambar untuk memperbesar.)

Analisis Optimal

Bagian Analisis Optimal menampilkan tingkat pembelanjaan saat ini dan lokasi mulai melihat pengembalian marginal yang semakin menurun atas jumlah uang yang Anda pembelanjaan per saluran, dan memberikan rekomendasi frekuensi yang optimal untuk membantu Anda memutuskan bagaimana memfokuskan anggaran Anda untuk tahun depan.

Contoh output:

Membuat ringkasan hasil model

Ringkasan hasil model dibuat melalui class MediaSummary. Kapan memulai class ini, interval kredibel untuk hasil model dapat yang ditentukan menggunakan argumen confidence_level, sedangkan jangka waktu untuk estimasi model dapat ditentukan menggunakan argumen selected_times. Menurut secara default, statistik ringkasan dibuat menggunakan interval kredibel 90% dan jendela pemodelan penuh.

Contoh:

Jalankan perintah berikut untuk membuat ringkasan menggunakan setelan default:

media_summary = visualizer.MediaSummary(meridian)
media_summary.summary_table()

Contoh output: (Klik gambar untuk memperbesar.)