Standard-Prior-Parametrisierungen

Meridian bietet mehrere Möglichkeiten, den kausalen Effekt der einzelnen Testvariablen auf den KPI zu parametrisieren. Die unterschiedlichen Optionen werden als Modellparametrisierungen bezeichnet. Bei der bayesschen Inferenz muss für die Modellparameter ein Prior festgelegt werden. Mit der Modellparametrisierung wird also festgelegt, wofür genau ein Prior festgelegt wird.

Der vorherige Typ kann für jeden Behandlungsvariantentyp angegeben werden. ModelSpec enthält die Argumente media_prior_type, rf_prior_type, organic_media_prior_type, organic_rf_prior_type und non_media_treatments_prior_type, mit denen Sie angeben können, ob ein Prior auf den ROI, den Grenz-ROI, den Beitrag oder den Mittelwert des Koeffizienten angewendet werden soll. ROI- und Grenz-ROI-Priors sind nur für bezahlte Media verfügbar.

Das PriorDistribution-Objekt hat ein Argument für jede Kombination aus Behandlungsvariablen- und Priortyp. Für jeden Behandlungsvariablentyp wird nur das Argument verwendet, das dem ausgewählten Priortyp entspricht. Die anderen werden ignoriert. Die Argumente für kostenpflichtige Media ohne Reichweite und Häufigkeit sind beispielsweise roi_m, mroi_m, contribution_m und beta_m. Wenn media_prior_type gleich 'roi' ist, wird roi_m verwendet und die anderen werden ignoriert.

Jede Modellparametrisierung hat eine andere Standard-Prior-Verteilung. Die folgende Tabellen zeigt die Standard-Priors der einzelnen Modellparametrisierungen.

Kostenpflichtige Media

In der folgenden Tabelle finden Sie die Modellparametrisierung und die Standard-Priors für den kausalen Effekt kostenpflichtiger Media auf den KPI. Sie variieren je nach media_prior_type- und rf_prior_type-Argument in ModelSpec. Die Modellparametrisierung und die Standard-Priors hängen auch davon ab, ob das Ergebnis umsatzbezogen ist. Das ist der Fall, wenn der KPI „Umsatz“ ist oder revenue_per_kpi an InputData übergeben wird. Das Ergebnis ist nicht umsatzbezogen, wenn der KPI nicht „Umsatz“ ist und revenue_per_kpi nicht an InputData übergeben wird. Die Tabelle enthält auch eine Spalte mit dem entsprechenden Parameter im PriorDistribution-Container, mit dem sich der Prior anpassen lässt.

Die Verteilung, die als Standard-Prior für jede Modellparametrisierung verwendet wird, ist unter Standard-Prior-Verteilungen verfügbar.

Legen Sie für jedes in der Tabelle aufgeführte Szenario einen benutzerdefinierten Prior mit dem entsprechenden PriorDistribution-Parameter fest. Dabei ist es wichtig zu wissen, wofür Sie den benutzerdefinierten Prior festlegen. Weitere Informationen zur Definition von ROI, Grenz-ROI und Beitrag finden Sie unter Parametrisierung von ROI, Grenz-ROI und Beiträgen. Informationen zur Definition eines Koeffizienten sind in der Modellspezifikation verfügbar. Außerdem können Sie sich Benutzerdefinierter Prior für den Gesamtbeitrag kostenpflichtiger Media ansehen.

Organische Media

Der Standard-Prior für die Testeffekte organischer Media wird durch das organic_media_prior_type- und das organic_rf_prior_type-Argument angegeben. Die Optionen sind 'contribution' und 'coefficient'. 'contribution' ist die Standardeinstellung. Wenn Priors für Beiträge verwendet werden, wird eine Prior-Verteilung für die Parameter contribution_om und contribution_orf angegeben. Wenn Koeffizienten-Priors verwendet werden, wird eine Prior-Verteilung für die Parameter beta_om und beta_orf angegeben.

Nicht mediabezogene Testvariablen

Der Standard-Prior für die Testeffekte nicht mediabezogener Testvariablen wird durch das non_media_treatments_prior_type-Argument angegeben. Die Optionen sind 'contribution' und 'coefficient'. 'contribution' ist die Standardeinstellung, unabhängig davon, ob das Ergebnis umsatzbezogen ist. Wenn Priors für Beiträge verwendet werden, wird eine Prior-Verteilung für den Parameter contribution_n angegeben. Wenn Koeffizienten-Priors verwendet werden, wird eine Prior-Verteilung für die Parameter gamma_n angegeben.