Parametrizações padrão da distribuição a priori

O Meridian oferece várias maneiras de parametrizar o efeito causal de cada variável de tratamento no KPI. Cada opção é chamada de parametrização de modelo. Na inferência bayesiana, uma distribuição a priori precisa ser definida nos parâmetros do modelo. A parametrização do modelo determina o que exatamente está sendo usado para definir uma distribuição a priori.

O tipo de distribuição a priori pode ser especificado para cada tipo de tratamento. O ModelSpec contém os argumentos media_prior_type, rf_prior_type, organic_media_prior_type, organic_rf_prior_type e non_media_treatments_prior_type, que permitem especificar se uma distribuição a priori é aplicada ao ROI, ao mROI, à contribuição ou à média do coeficiente. As distribuições a priori de ROI e mROI estão disponíveis somente para mídia paga.

O objeto PriorDistribution tem um argumento para cada combinação de tipo de tratamento e tipo de distribuição a priori. Para cada tipo de tratamento, somente o argumento correspondente ao tipo de distribuição a priori selecionado é usado. Os outros são ignorados. Por exemplo, os argumentos correspondentes às mídias pagas que não são de alcance e frequência são roi_m, mroi_m, contribution_m e beta_m. Se media_prior_type for 'roi', roi_m será usado, e os outros serão ignorados.

Cada parametrização de modelo tem uma distribuição a priori padrão diferente. As tabelas a seguir resumem as distribuições a priori padrão de cada parametrização de modelo.

Mídia paga

A tabela a seguir resume a parametrização do modelo e as distribuições a priori padrão para o efeito causal da mídia paga no KPI. Elas variam com base nos argumentos media_prior_type e rf_prior_type em ModelSpec. A parametrização do modelo e as distribuições a priori padrão também dependem de o resultado ser expresso em receita. O resultado é expresso em receita quando o KPI é de receita ou quando revenue_per_kpi é transmitido para InputData. O resultado não é expresso em receita ("não é de receita") quando o KPI não é de receita e revenue_per_kpi não é transmitido para InputData. A tabela também inclui uma coluna que indica o parâmetro correspondente no contêiner PriorDistribution que permite personalizar a distribuição a priori.

A distribuição a priori usada como padrão para cada parametrização de modelo é resumida em Distribuições a priori padrão.

Em cada cenário listado na tabela, defina uma distribuição a priori personalizada usando o parâmetro PriorDistribution apropriado indicado na tabela. Ao defini-la, é importante entender qual será o propósito dela. Para saber mais sobre a definição de ROI, mROI e contribuição, consulte Parametrizações de ROI, mROI e contribuição. Para mais informações sobre a definição de um coeficiente, consulte a especificação do modelo. Consulte Distribuição a priori personalizada da contribuição total de mídia paga para mais informações sobre esse tópico.

Mídia orgânica

A distribuição a priori padrão para efeitos de tratamento de mídia orgânica é especificada pelos argumentos organic_media_prior_type e organic_rf_prior_type. As opções são 'contribution' e 'coefficient', sendo 'contribution' o padrão. Se as distribuições a priori de contribuição forem usadas, uma distribuição a priori será especificada nos parâmetros contribution_om e contribution_orf. Se as distribuições a priori do coeficiente forem usadas, uma distribuição a priori será especificada nos parâmetros beta_om e beta_orf.

Tratamentos que não são de mídia

A distribuição a priori padrão para efeitos de tratamento de non-media_treatments é especificada pelo argumento non_media_treatments_prior_type. As opções são 'contribution' e 'coefficient', sendo 'contribution' o padrão, independentemente de o resultado ser expresso em receita. Se as distribuições a priori da contribuição forem usadas, uma distribuição a priori será especificada no parâmetro contribution_n. Se as distribuições a priori do coeficiente forem usadas, uma distribuição a priori será especificada no parâmetro gamma_n.