Paramétrisations a priori par défaut

Meridian propose plusieurs façons de paramétrer l'effet causal de chaque variable de traitement sur le KPI. Nous faisons référence à chaque option comme étant des paramétrisations de modèle différentes. Dans l'inférence bayésienne, un a priori doit être défini sur les paramètres du modèle. La paramétrisation du modèle détermine donc précisément sur quoi on définit un a priori.

Le type d'a priori peut être spécifié pour chaque type de traitement. ModelSpec contient les arguments media_prior_type, rf_prior_type, organic_media_prior_type, organic_rf_prior_type et non_media_treatments_prior_type, qui vous permettent de spécifier si un a priori est placé sur le ROI, le ROIm, la contribution ou la moyenne des coefficients. (Les a priori de ROI et de ROIm ne sont disponibles que pour les médias payants.)

L'objet PriorDistribution comporte un argument pour chaque combinaison de type de traitement et de type d'a priori. Pour chaque type de traitement, seul l'argument correspondant au type d'a priori sélectionné est utilisé. Les autres sont ignorés. Par exemple, les arguments correspondant aux médias payants sans couverture ni fréquence sont roi_m, mroi_m, contribution_m et beta_m. Si media_prior_type correspond à 'roi', roi_m est utilisé et les autres sont ignorés.

Chaque paramétrisation de modèle a une distribution a priori par défaut différente. Les tableaux suivants résument les a priori par défaut pour chaque paramétrisation de modèle.

Médias payants

Le tableau suivant récapitule la paramétrisation du modèle et les a priori par défaut pour l'effet causal des médias payants sur le KPI. Ils varient en fonction des arguments media_prior_type et rf_prior_type dans ModelSpec. La paramétrisation du modèle et les a priori par défaut varient également selon que le résultat correspond ou non à un revenu. Le résultat correspond à un revenu lorsque le KPI est un revenu ou lorsque revenue_per_kpi est transmis à InputData. Le résultat ne correspond pas à un revenu ("Pas un revenu") lorsque le KPI n'est pas un revenu et que revenue_per_kpi n'est pas transmis à InputData. Le tableau comprend également une colonne indiquant le paramètre correspondant dans le conteneur PriorDistribution qui permet de personnaliser l'a priori.

La distribution utilisée comme a priori par défaut pour chaque paramétrisation du modèle est résumée dans Distributions a priori par défaut.

Pour chaque scénario listé dans le tableau, définissez un a priori personnalisé à l'aide du paramètre PriorDistribution approprié indiqué dans le tableau. Lorsque vous définissez un a priori personnalisé, il est important de comprendre selon quels facteurs vous le faites. Pour en savoir plus sur la définition du ROI, du ROIm et de la contribution, consultez Paramétrisation du ROI, du ROIm et de la contribution. Pour en savoir plus sur la définition d'un coefficient, consultez Spécification du modèle. Pour en savoir plus sur l'a priori de contribution totale des médias payants, consultez A priori personnalisé de contribution totale des médias payants.

Média naturel

L'a priori par défaut pour les effets de traitement des médias naturels est spécifié par les arguments organic_media_prior_type et organic_rf_prior_type. Les options sont 'contribution' et 'coefficient', 'contribution' étant l'option par défaut. Si des a priori de contribution sont utilisés, une distribution a priori est spécifiée sur les paramètres contribution_om et contribution_orf. Si des a priori de coefficients sont utilisés, une distribution a priori est spécifiée sur les paramètres beta_om et beta_orf.

Traitements non média

L'a priori par défaut pour les effets de traitement des traitements non média est spécifié par l'argument non_media_treatments_prior_type. Les options sont 'contribution' et 'coefficient', 'contribution' étant l'option par défaut, que le résultat soit un revenu ou non. Si des a priori de contribution sont utilisés, une distribution a priori est spécifiée sur le paramètre contribution_n. Si des a priori de coefficients sont utilisés, une distribution a priori est spécifiée sur le paramètre gamma_n.