在本部分中，我们将介绍如何收集各种营销和非营销变量的历史数据，例如广告支出、价格以及收入或效果指标。
数据集规范
除非另有说明，否则以下数据类型均为必需项：
| 数据类型 | 说明 |
|---|---|
| 媒体数据 | 包含按渠道、地理位置和时间段划分的曝光指标。可能的指标包括但不限于支出、展示次数和点击次数。关键在于这些都是可干预的单位，这意味着它们代表可被合理控制的媒体投入。所有媒体值都必须是非负数。必须是可求和指标。 |
| 媒体支出 | 包含每个渠道和时间跨度的媒体支出。媒体数据和媒体支出必须具有相同的维度。 |
| 控制变量 | 包含模型中使用的控制变量。控制变量的选择对于估计营销组合建模分析 (MMM) 的因果效应至关重要，请参阅因果图。 |
| KPI | 目标 KPI 是模型的响应变量。例如，收入金额或应用安装次数。必须是可求和指标。 |
| 每个 KPI 单位的收入（可选） | 包含每个 KPI 单位的平均收入。如果缺少准确的“每个 KPI 的收入”数据，我们强烈建议您估计一个合理的值。如果无法获得此信息，请参阅当 KPI 不是收入时。请注意，如果收入就是您的 KPI，则无需提供“每个 KPI 单位的收入”数据。 |
| 地理位置人口（可选） | 包含每个地理位置的人口数量。地理位置人口（例如 Nielsen DMA TV 家庭人口）用于按比例调整媒体指标，以便采用相同的尺度来比较所有地理位置；如需详细了解如何按比例调整媒体，请参阅输入数据。 |
Meridian 提供了相关选项，可根据覆盖面和频次数据对任何媒体渠道的效应进行模型分析；请参阅覆盖面和频次。
| 数据类型 | 说明 |
|---|---|
| 覆盖面 | 覆盖面数据是指在每个时间段内看到频道广告的唯一身份用户数。 |
| 频次 | 频次是指用户在相应时间段内看到某个广告的平均次数。它等于每个时间段的总展示次数除以覆盖面。 |
Meridian 还提供了一个选项，可纳入自然媒体和非媒体处理变量。如需了解详情，请参阅自然媒体和非媒体变量。
| 数据类型 | 说明 |
|---|---|
| 自然媒体 | 自然媒体变量是指不会产生直接费用的媒体活动。这包括但不限于简报、博文、社交媒体活动或邮件宣传活动带来的展示。 |
| 非媒体处理变量 | 非媒体变量是指与媒体没有直接关系的营销活动，例如开展促销活动、调整产品价格以及改变产品的包装或设计。 |
示例：MMM 数据集结构
Meridian 通常要求您的营销数据以单一、连贯的格式进行汇总，其中媒体数据按时间（例如，按周）汇总，同时最好还按地理位置汇总。如需了解标准地理位置级模型的示例数据集所采用的结构，请参阅我们的入门笔记本。
GitHub 示例
您可以在 GitHub 上找到更多示例数据集。
KPI
KPI 是模型规范左侧的 \(y\) 变量。KPI 可以是收入，也可以是转化次数等其他非收入 KPI。Meridian 要求 KPI 在地理位置和时间维度均可求和。可求和指标的示例包括销量、收入或总转化次数。对于点击率 (CTR) 等不可求和指标，您应改为对可求和的点击次数进行建模。
有些建模者更喜欢使用非收入 KPI 作为响应变量，即使最终的 KPI 是收入也是如此。借助 Meridian，您可以为每个地理单元和时间段提供“每个 KPI 的收入”数据，从而将 KPI 单位数转换为收入。如需了解详情，请参阅当 KPI 不是收入时。
媒体变量、自然媒体变量、非媒体处理变量和控制变量
媒体变量、自然媒体变量、非媒体处理变量和控制变量应有时间序列数据。
媒体变量：对于每种付费媒体，数据集必须包含每个媒体渠道的支出，该支出用作计算投资回报率的分母。Meridian 要求付费媒体（覆盖面和频次渠道除外）在地理位置和时间维度均可求和。
此外，每种付费媒体必须包含以下一项，以便进行建模分析：
- 单个媒体曝光指标，例如展示次数、点击次数或支出
- 覆盖面和频次
自然媒体变量：自然媒体没有关联的支出，可以从媒体支出输入中排除。与媒体变量类似，Meridian 要求自然媒体变量（覆盖面和频次渠道除外）在地理位置和时间维度均可求和。此外，每种自然媒体必须包含以下一项，以便进行建模分析：
- 单个媒体曝光指标，例如展示次数或点击次数。
- 覆盖面和频次。
非媒体处理变量：非媒体变量是指与媒体没有直接关系且没有关联的直效营销费用的营销活动。它们与控制变量不同，因为它们被视为可干预的变量，因此在因果模型中属于处理变量。如需详细了解如何在模型中纳入非媒体处理变量，请参阅非媒体处理变量。
控制变量：控制变量旨在控制混杂因素。重点收集对目标 KPI 和媒体指标或媒体执行都存在因果效应的变量。由于很难列出影响 KPI 的完整变量列表，因此，将重点放在影响媒体预算和规划决策的变量上可能更为实际。您可以先询问营销策划人员，了解他们在进行决策时，有意或无意间受到了哪些信息的影响。如需详细了解如何在模型中纳入控制变量，请参阅控制变量。
控制变量的示例包括市场竞争和 Google 搜索查询量 (GQV)。如需详细了解 GQV，请参阅了解作为搜索广告混杂因素的搜索查询量。
与季节性相关的变量：与季节性相关的变量（例如节假日虚拟变量）通常作为控制变量纳入模型规范中。不过，Meridian 配备了自动化季节性和趋势调整功能，通过时变截距模型规范实现。因此，无需添加单独的季节性变量。
或者，您也可以停用自动化季节性调整功能，并自行添加季节性变量。
数据收集
对于每个变量，您需要确定要收集的数据类型。可以利用媒体或营销方案来确定您要收集的适当变量。然后，您可以通过 MMM Data Platform 来收集 Google 渠道的媒体曝光指标，包括点击次数和展示次数等。此外，MMM Data Platform 还提供专门针对 YouTube 的覆盖面和频次数据。如需了解详情，请参阅使用 MMM Data Platform。
场景：我是一名 MMM 开发者，想要下载 Google Ads 数据用于 MMM 开发。
解决方案：使用 MMM Data Platform。虽然许多广告客户都依赖 Google Ads API 来拉取数据，但这对于 MMM 开发来说并不理想。
收集 Google 搜索查询量 (GQV) 数据是可选操作，但省略 GQV 可能会导致模型估算结果出现偏倚。不过，您也可以在没有 GQV 数据的情况下运行 Meridian。
请确保数据格式正确无误，以便能够顺利运行该模型。如需详细了解格式，请参阅支持的数据类型和格式中的数据示例。
数据插补
准备数据集时，您可能会遇到缺失值或 null 值。Meridian 必须使用没有任何缺失值的完整数据集，才能确保模型正常运行。您必须先通过插补或零填充来填补数据中的任何缺口，然后再运行模型。
一般来说，在处理 MMM 数据集中的缺失数据时，请根据实际情况做出最佳判断。
- 媒体变量：如果因特定渠道在某个时间段或特定地理位置处于非活跃状态而导致数据缺失，请使用
0填充相应缺失的值。 - KPI 和控制变量：如果目标指标或控制变量的数据缺失，请避免用
0来填充，因为这会使模型的估计值出现偏差。请改用标准数据插补技术来估计缺失时段的数据。常见的方法包括前向填充、后向填充、线性插值，或者利用特定地理位置或时段的历史均值。 - 地理位置级模型中的国家级媒体：如果某些媒体渠道仅在国家层级可用，我们建议在地理位置层级插补这些媒体渠道的数据。如需了解详情和推荐的插补方法，请参阅地理位置级模型中的国家级媒体。
数据插补示例
示例 1：插补缺失的媒体数据（零填充）
如果某个特定营销渠道被暂停或处于非活跃状态一周，原始数据可能包含 null (NaN) 值。由于这是一个媒体变量，您应该用 0 来填充缺失的数据，以反映零曝光或零支出。
插补前（原始数据）：
| 日期（时间） | 地理位置 | TV_Spend | TV_Impressions | … |
|---|---|---|---|---|
| 2021-03-01 | 纽约 | 5000 美元 | 450,000 | … |
| 2021-03-08 | 纽约 | NaN | NaN | … |
| 2021-03-15 | 纽约 | 4,800 美元 | 420,000 | … |
| … | … | … | … | … |
插补后（已就绪，可供 Meridian 使用）：
| 日期（时间） | 地理位置 | TV_Spend | TV_Impressions | … |
|---|---|---|---|---|
| 2021-03-01 | 纽约 | 5000 美元 | 450,000 | … |
| 2021-03-08 | 纽约 | 0 美元 | 0 | … |
| 2021-03-15 | 纽约 | 4,800 美元 | 420,000 | … |
| … | … | … | … | … |
示例 2：插补缺失的控制变量（插值法）
如果特定周缺少竞争对手销售指数等控制变量，用 0 填充该变量会人为导致基准出现偏差。请改用线性插值等插补方法，以弥合已知值之间的缺口。
插补前（原始数据）：
| 日期（时间） | 地理位置 | Competitor_Sales | … |
|---|---|---|---|
| 2021-03-01 | 波特兰 | 10.5 | … |
| 2021-03-08 | 波特兰 | NaN | … |
| 2021-03-15 | 波特兰 | 11.5 | … |
| … | … | … | … |
插补后（已就绪，可供 Meridian 使用）：
| 日期（时间） | 地理位置 | Competitor_Sales | … |
|---|---|---|---|
| 2021-03-01 | 波特兰 | 10.5 | … |
| 2021-03-08 | 波特兰 | 11.0 | … |
| 2021-03-15 | 波特兰 | 11.5 | … |
| … | … | … | … |
粒度
一般来说，数据粒度越精细，数据洞见就越准确，越有助于得出可作为行动依据的结果。请从以下方面考虑数据的粒度。
地理位置粒度
最佳实践：收集地理位置级数据。通过这种粒度级别，您可以考虑到地理位置级的细微差别，并使用 Meridian 的分层贝叶斯框架来得出投资回报率等估计值的更小可信区间。请注意，某些地理位置的观测数据量可能较少。因此，建议在模型拟合前从数据集中排除这些地理位置，以便确保模型估计值的可靠性。如需了解详情，请参阅地理位置选择和国家级数据。
可接受的替代数据：如果缺少地理位置级数据，您可以使用国家级数据。不过，请检查您的国家级数据是否为您要衡量的每种效应提供了充足的数据点。如需了解详情，请参阅所需数据量。
地理位置级粒度示例（推荐）
| 日期（时间） | 地理位置 | 转化次数 (KPI) | TV_Spend | Social_Media_Spend | … |
|---|---|---|---|---|---|
| 2021-01-04 | 纽约 | 15,400 | 12,000 美元 | 4,500 美元 | … |
| 2021-01-04 | 芝加哥 | 9,850 | 8,500 美元 | 3,200 美元 | … |
| 2021-01-04 | 洛杉矶 | 14,200 | 11,000 美元 | 4,100 美元 | … |
| 2021-01-11 | 纽约 | 16,100 | 12,500 美元 | 4,800 美元 | … |
| … | … | … | … | … | … |
国家级粒度示例
| 日期（时间） | 转化次数 (KPI) | TV_Spend | Social_Media_Spend | … |
|---|---|---|---|---|
| 2021-01-04 | 39,450 | 31,500 美元 | 11,800 美元 | … |
| 2021-01-11 | 41,200 | 33,000 美元 | 12,400 美元 | … |
| … | … | … | … | … |
时间粒度
最佳实践：每周收集一次数据。每周数据在变化程度和噪声程度之间实现了较为理想的平衡，与每日或每月数据相比更具优势。
可接受的替代数据：如果缺少每周数据，您可以测试每日或每月数据作为替代。不过，如果使用的是每日数据，模型的运行时间可能会延长。此外，如果使用每月数据，可能会出现模型估计值不收敛或可信区间过宽的情况。
周级粒度示例
在此示例中，Date 列严格按 7 天的增量（每周）递增。
| 日期（时间） | 地理位置 | 转化次数 (KPI) | TV_Spend | Social_Media_Spend | … |
|---|---|---|---|---|---|
| 2021-01-04 | 纽约 | 15,400 | 12,000 美元 | 4,500 美元 | … |
| 2021-01-11 | 纽约 | 16,100 | 12,500 美元 | 4,800 美元 | … |
| 2021-01-18 | 纽约 | 14,900 | 11,800 美元 | 4,200 美元 | … |
| 2021-01-25 | 纽约 | 17,050 | 13,000 美元 | 5,100 美元 | … |
| … | … | … | … | … | … |
媒体粒度
确定要纳入的媒体渠道数量时，请确保数据集中的数据点与模型形参保持足够的比率。评估数据与形参之比，以验证数据是否充足。若要就所需数据量获得更具体的指南，请参阅所需数据量。
对于媒体支出较低的媒体渠道，建议将其与其他渠道结合，以免投资回报率估计出现问题。如需了解详情，请参阅低支出渠道。
时间范围
一般来说，对于地理位置级模型，历史数据至少应为两年的每周数据；对于国家级模型，历史数据至少应为三年的每周数据。如果只有每月数据，我们建议至少使用三年的数据。模型必须有足够的数据点才能提供准确的计算结果。不过，确定数据量可能会更复杂，最终取决于您的数据情况。若要就所需数据量获得更具体的指南，请参阅所需数据量。
收集数据后，请执行探索性数据分析，以确保数据的准确性和完整性。
充足历史数据示例
在此示例中，数据集从 2021 年 1 月开始，一直持续到 2022 年 12 月，为每个地理位置提供了 104 周以上的数据。
| 日期（时间） | 地理位置 | 转化次数 (KPI) | TV_Spend | Social_Media_Spend | … |
|---|---|---|---|---|---|
| 2021-01-04 | 纽约 | 15,400 | 12,000 美元 | 4,500 美元 | … |
| 2021-01-11 | 纽约 | 16,100 | 12,500 美元 | 4,800 美元 | … |
| … | … | … | … | … | … |
| 2022-12-19 | 纽约 | 22,300 | 15,000 美元 | 7200 美元 | … |
| 2022-12-26 | 纽约 | 24,100 | 14,500 美元 | 6,800 美元 | … |
附录
本附录提供了额外的技术背景信息、基本概念和补充指南，旨在协助您为 Meridian 准备数据集。
了解可求和指标
Meridian 要求 KPI 和媒体指标（覆盖面和频次渠道除外）在地理位置和时间维度均可求和。也就是说，如果您将数据集中的各行相加，得到的计算结果必须符合逻辑。
具体示例：
- 可求和（请使用）：原始量，例如总点击次数、总展示次数、总支出或总销量。
- 示例：如果您的数据集显示第 1 周的点击次数为 100 次，第 2 周的点击次数为 50 次，那么将这两个数字相加即可得出正确的总点击次数，即 150 次。
- 不可求和（请勿使用）：平均值、比率或百分比，例如点击率 (CTR)、每次点击费用 (CPC) 或广告支出回报率 (ROAS)。
- 示例：您无法以数学方式将比率相加。例如，如果第 1 周的展示次数为 1,000 次，点击次数为 20 次（点击率为 2%），而第 2 周的展示次数为 10,000 次，点击次数为 300 次（点击率为 3%），那么将这两个比率相加会得到 5%。然而，总展示次数为 11,000 次，实际总点击次数为 320 次，计算得出的合并点击率为 2.9%。由于这些百分比无法逐行相加，因此无法在模型中使用。
如果您的广告平台导出的是比率或平均值，您必须先计算出原始的可求和量，然后再将数据馈入 Meridian。例如，如果您的数据包含展示次数和点击率，您必须计算总点击次数（展示次数 × 点击率），将该可求和的整数提供给模型。
将广告系列级数据汇总为媒体渠道级数据
广告平台通常会提供粒度非常细的数据，例如按广告系列、广告组或广告素材划分的数据。然而，Meridian 通常在渠道层级对媒体进行建模。为了弥合这一缺口，您必须将广告系列级数据汇总为渠道级数据。
若要将平台汇总为单个渠道，请对特定地理位置和时间段内所有相关广告系列的支出和执行指标（例如展示次数或点击次数）进行求和。
示例：汇总社交媒体广告系列
在此场景中，某企业从社交媒体广告平台导出包含多个活跃广告系列的原始数据，其中一个广告系列旨在发掘潜在客户，另一个旨在进行再营销。原始导出数据包含每日广告系列级的数据行，必须按周起始日期和地理位置进行分组，才能为 Meridian 形成单一的每周 Social_Media 渠道。
汇总前：平台级导出（原始每日社交媒体数据）
| 日期 | 区域 | 广告系列 ID | 广告系列名称 | 支出金额（美元） | 展示次数 |
|---|---|---|---|---|---|
| 2021-01-04 | 华盛顿 | 11111111 | Q1_Prospecting | 100.00 | 10000 |
| 2021-01-04 | 华盛顿 | 22222222 | Q1_Retargeting | 50.00 | 5000 |
| 2021-01-05 | 华盛顿 | 11111111 | Q1_Prospecting | 110.00 | 11000 |
| 2021-01-05 | 华盛顿 | 22222222 | Q1_Retargeting | 60.00 | 6000 |
| 2021-01-06 | 华盛顿 | 11111111 | Q1_Prospecting | 120.00 | 12000 |
| 2021-01-06 | 华盛顿 | 22222222 | Q1_Retargeting | 45.00 | 4500 |
| 2021-01-07 | 华盛顿 | 11111111 | Q1_Prospecting | 105.00 | 10500 |
| 2021-01-07 | 华盛顿 | 22222222 | Q1_Retargeting | 55.00 | 5500 |
| 2021-01-08 | 华盛顿 | 11111111 | Q1_Prospecting | 130.00 | 13000 |
| 2021-01-08 | 华盛顿 | 22222222 | Q1_Retargeting | 65.00 | 6500 |
| 2021-01-09 | 华盛顿 | 11111111 | Q1_Prospecting | 150.00 | 15000 |
| 2021-01-09 | 华盛顿 | 22222222 | Q1_Retargeting | 80.00 | 8000 |
| 2021-01-10 | 华盛顿 | 11111111 | Q1_Prospecting | 140.00 | 14000 |
| 2021-01-10 | 华盛顿 | 22222222 | Q1_Retargeting | 70.00 | 7000 |
| 2021-01-11 | 华盛顿 | … | … | … | … |
汇总后：MMM 数据集（每周汇总到单个渠道）
若要创建 Social_Media 渠道，请按周（从 2021-01-04 周一开始）和 Region 列对数据行进行分组。然后，对该周内所有广告系列对应所有日期的支出列和展示次数列进行求和。
在 2021 年 1 月 4 日那周，共有 14 条每日广告系列记录，其总支出为 1,280 美元，总展示次数为 128,000 次。
| 日期（时间） | 地理位置 | Social_Media_Spend | Social_Media_Impressions |
|---|---|---|---|
| 2021-01-04 | 华盛顿 | 1,280 美元 | 128,000 |
| 2021-01-11 | 华盛顿 | … | … |