このセクションでは、広告費、価格、収益、パフォーマンス指標など、さまざまなマーケティング変数とマーケティング以外の変数に関する過去のデータを収集する方法について説明します。
データセットの仕様
特に明記されていない限り、次の種類のデータが必要です。
| データの種類 | 説明 |
|---|---|
| メディアデータ | チャネル、地域、期間ごとの露出指標が含まれます。使用できる指標には、費用、インプレッション数、クリック数などがあります。重要なのは、これらの指標が介入可能な単位であるということです。つまり、ある程度の制御が可能なメディア活動を表しています。メディア値を負の値にすることはできません。集計可能な指標である必要があります。 |
| メディア費用 | チャネルと期間ごとのメディア費用が含まれます。メディアデータとメディア費用のディメンションは同じでなければなりません。 |
| コントロール変数 | モデルで使用されるコントロール変数を含みます。コントロール変数の選択は、MMM から因果効果を推定するうえで重要です。因果グラフをご覧ください。 |
| KPI | 目標 KPI はモデルの応答変数です。たとえば、収益額やアプリのインストール数などです。集計可能な指標である必要があります。 |
| KPI あたりの収益（省略可） | KPI 単位の平均収益が含まれます。KPI あたりの正確な収益がわからない場合は、合理的な概算値を見積もることを強くおすすめします。概算値を見積もれない場合は、KPI が収益でない場合をご覧ください。なお、収益が KPI である場合は、「KPI あたりの収益」は必要ありません。 |
| 地域の人口（省略可） | 各地域の人口が含まれます。地域の人口（Nielsen DMA テレビ世帯人口など）は、メディア指標をスケーリングしてすべての地域を比較可能なスケールにするために使用します。メディアのスケーリングについて詳しくは、入力データをご覧ください。 |
メリディアンでは、リーチとフリークエンシーのデータに基づいて、あらゆるメディア チャネルの効果をモデル化できます。リーチとフリークエンシーをご確認ください。
| データの種類 | 説明 |
|---|---|
| リーチ | リーチのデータは、各期間にチャネルの広告を見たユニーク ユーザー数です。 |
| フリークエンシー | フリークエンシーは、対象期間内に 1 人のユーザーに対して広告が表示される平均回数です。これは、各期間について合計インプレッション数をリーチで割った値になります。 |
メリディアンでは、オーガニック メディアとメディア以外の介入群を含めるオプションも用意されています。詳しくは、オーガニック メディア変数とメディア以外の変数をご覧ください。
| データの種類 | 説明 |
|---|---|
| オーガニック メディア | オーガニック メディア変数は、直接的費用が発生しないメディア アクティビティです。これには、ニュースレター、ブログ投稿、ソーシャル メディア アクティビティ、メール キャンペーンのインプレッションなどが含まれますが、これらに限定されません。 |
| メディア以外の介入群 | メディア以外の変数は、プロモーションの実施、商品の価格、商品のパッケージやデザインの変更など、メディアに直接関連しないマーケティング活動です。 |
例: MMM データセットの形式
メリディアンでは通常、マーケティング データが 1 つの統一された形式に集計されていることを想定しています。メディアデータについては時間単位（週単位など）、さらに理想的には地域単位で集計されている必要があります。標準的な地域レベルモデルのサンプル データセットについては、ノートブックを使ってみるをご覧ください。
GitHub のサンプル
その他のサンプル データセットは、GitHub でご確認ください。
KPI
KPI は、モデル仕様の左側にある \(y\) 変数です。収益または収益以外の KPI（コンバージョンなど）のいずれかになります。メリディアンでは、KPI が地域と時間の両方で集計可能であることが求められます。集計可能な指標の例としては、販売数、収益、合計コンバージョン数などがあります。クリック率（CTR）などの集計できない指標の場合は、集計可能なクリック数を代わりにモデル化する必要があります。
最終的な KPI が収益であっても、収益以外の KPI を応答変数として使用することを好むモデル作成者もいます。メリディアンでは、地域単位と期間ごとに KPI あたりの収益のデータを提供することで、KPI 単位を収益に変換できるようにしています。詳細については、KPI が収益でない場合をご覧ください。
メディア、オーガニック メディア、メディア以外の介入変数とコントロール変数
メディア、オーガニック メディア、メディア以外の介入変数とコントロール変数では、時系列データが必要になります。
メディア変数: 各有料メディアのデータセットには、各メディア チャネルの費用を含める必要があります。この費用は、ROI の計算で分母として使われます。メリディアンでは、有料メディア（R&F チャネルを除く）が地域と時間の両方で集計可能であることが求められます。
また、モデリングのために、次のいずれかを各有料メディアに含める必要があります。
- 1 つのメディア露出指標（インプレッション数、クリック数、費用など）
- リーチとフリークエンシー
オーガニック メディア変数: オーガニック メディアには費用が関連付けられていないため、メディア費用の入力から除外できます。メディア変数と同様に、メリディアンでは、オーガニック メディア変数（R&F チャネルを除く）が地域と時間の両方の単位で集計可能であることが求められます。また、モデリングのために、次のいずれかを各オーガニック メディアに含める必要があります。
- 1 つのメディア露出指標（インプレッション数、クリック数など）。
- リーチとフリークエンシー
メディア以外の介入群: メディア以外の変数は、メディアに直接関連しておらず、直接的なマーケティング費用が関連付けられていないマーケティング活動です。これらの活動は介入可能と見なされるため、コントロール変数とは異なります。したがって因果モデルの介入変数となります。メディア以外の介入群を使用したモデリングについて詳しくは、メディア以外の介入群をご覧ください。
コントロール変数: コントロール変数の目的は、交絡を制御することです。目標 KPI とメディア指標またはメディア施策の両方に因果効果を持つ変数の収集に重点を置きます。KPI に影響する変数をすべてリストアップすることは難しいため、より実用的な手段として、メディア予算とプランニングの意思決定に影響する変数に対象を絞ります。まずは、マーケティングの意思決定に意識的または無意識的に作用した可能性がある情報は何かを、マーケティング プランナーに尋ねるとよいでしょう。コントロール変数を使用したモデリングについて詳しくは、コントロール変数をご覧ください。
コントロール変数の例としては、市場競争、Google の検索ボリューム（GQV）などがあります。GQV について詳しくは、検索広告の交絡因子としての検索ボリュームについてをご覧ください。
季節性が関係する変数: 通常、ホリデー シーズン用ダミーなどの季節性が関係する変数は、コントロール変数としてモデル仕様に組み込まれます。しかし、メリディアンには季節性と傾向の自動調整機能（時変切片のモデル仕様を通じて実装）が備わっているため、個別の季節性変数を含める必要はありません。
別の方法として、季節性の自動調整を無効にして、独自の季節性変数を含めることもできます。
データの収集
各変数について、収集するデータの種類を確定する必要があります。収集する適切な変数を決定するために、メディアプランやマーケティング プランを利用できます。MMM Data Platform を利用すると、Google チャネルにおけるメディア露出のデータ（クリック数やインプレッション数などの指標を含む）を収集できます。さらに、MMM Data Platform では、YouTube に特化したリーチとフリークエンシーのデータも提供されます。詳しくは、MMM Data Platform を使用するをご覧ください。
シナリオ: MMM デベロッパーとして、MMM の開発のために Google 広告データをダウンロードしたいと考えています。
解決策: MMM Data Platform を使用します。多くの広告主様は Google Ads API を使用してデータを取得していますが、これは MMM の開発には適していません。
Google の検索ボリューム（GQV）データの収集は任意ですが、GQV のデータがないとモデルの推定にバイアスが生じる可能性があります。ただし、メリディアンは GQV データなしでも運用できます。
モデルを実行するには、データが適切な形式であることを確認してください。形式について詳しくは、サポートされているデータ型と形式に記載されているデータの例をご覧ください。
データ補完
データセットを準備する際に、欠損値や null 値に遭遇することがあります。メリディアンを適切に実行するには、欠損値のない完全なデータセットが必要です。モデルを実行する前に、補完またはゼロ埋めによってデータのギャップを処理する必要があります。
一般的に、MMM データセットの欠損データを処理する際は、ご自身の判断で適切に対応してください。
- メディア変数: 特定のチャネルが、特定の期間または特定の地域で非アクティブだったためにデータが欠損している場合は、欠損値を
0で埋めます。 - KPI とコントロール変数: ターゲット指標またはコントロール変数のデータが欠損している場合は、
0で埋めるとモデルの推定値が歪んでしまうため、この処理は避けてください。代わりに、標準のデータ補完手法を使用して欠損期間を推定します。一般的なアプローチとしては、前方補完、後方補完、線形補間、特定の地域や期間の過去の平均値の利用などが挙げられます。 - 地域レベルのモデルにおける全国レベルのメディア: 一部のメディア チャネルが全国レベルでしか取得できない場合は、地域レベルに補完することをおすすめします。詳細と、推奨される補完方法については、地域レベルのモデルにおける全国レベルのメディアをご覧ください。
データ補完の例
例 1: メディアの欠損データを補完する（ゼロ埋め）
特定のマーケティング チャネルの配信が 1 週間停止していた、あるいは稼働していなかった場合、元データに null（NaN）値が含まれていることがあります。これはメディア変数であるため、欠損データを 0 で埋めて、露出や費用がゼロであったことを反映させる必要があります。
補完前（元データ）:
| 日付（時刻） | 地域 | TV_Spend | TV_Impressions | ... |
|---|---|---|---|---|
| 2021-03-01 | ニューヨーク | $5,000 | 450,000 | ... |
| 2021-03-08 | ニューヨーク | NaN | NaN | ... |
| 2021-03-15 | ニューヨーク | $4,800 | 420,000 | ... |
| ... | ... | ... | ... | ... |
補完後（メリディアン実行準備完了）:
| 日付（時刻） | 地域 | TV_Spend | TV_Impressions | ... |
|---|---|---|---|---|
| 2021-03-01 | ニューヨーク | $5,000 | 450,000 | ... |
| 2021-03-08 | ニューヨーク | $0 | 0 | ... |
| 2021-03-15 | ニューヨーク | $4,800 | 420,000 | ... |
| ... | ... | ... | ... | ... |
例 2: 欠損しているコントロール変数を補完する（補間）
競合他社の売上指数などのコントロール変数が特定の週に欠落している場合、それを 0 で埋めると、ベースラインが不自然に歪んでしまいます。代わりに、線形補間などの補完手法を使用して、既知の値の間のギャップを埋めます。
補完前（元データ）:
| 日付（時刻） | 地域 | Competitor_Sales | ... |
|---|---|---|---|
| 2021-03-01 | ポートランド | 10.5 | ... |
| 2021-03-08 | ポートランド | NaN | ... |
| 2021-03-15 | ポートランド | 11.5 | ... |
| ... | ... | ... | ... |
補完後（メリディアン実行準備完了）:
| 日付（時刻） | 地域 | Competitor_Sales | ... |
|---|---|---|---|
| 2021-03-01 | ポートランド | 10.5 | ... |
| 2021-03-08 | ポートランド | 11.0 | ... |
| 2021-03-15 | ポートランド | 11.5 | ... |
| ... | ... | ... | ... |
粒度
一般的に、データの粒度が細かいほど分析情報の精度が高まり、実用的な結果を特定しやすくなります。データの粒度については、次の点を考慮してください。
地域の粒度
ベスト プラクティス: データを地域レベルで収集します。このレベルの粒度であれば、地域レベルの微妙な違いを説明できるほか、メリディアンの階層的ベイズ フレームワークを使って、ROI などの推定値の信用区間を狭めることができます。なお、一部の地域では観測データの量が少ない場合があります。そのため、信頼性の高いモデル推定を確保するために、モデル適合プロセスの前にそうした地域をデータセットから除外することをおすすめします。詳しくは、地域の選択と全国レベルのデータをご覧ください。
許容される代替手段: 地域レベルのデータが利用できない場合は、全国レベルのデータを使用してもかまいません。ただし、測定しようとしている効果ごとに、全国レベルのデータに十分な数のデータポイントがあることを確認してください。詳しくは、必要なデータ量をご覧ください。
地域レベルの粒度の例（推奨）
| 日付（時刻） | 地域 | コンバージョン数（KPI） | TV_Spend | Social_Media_Spend | ... |
|---|---|---|---|---|---|
| 2021-01-04 | ニューヨーク | 15,400 | $12,000 | $4,500 | ... |
| 2021-01-04 | シカゴ | 9,850 | $8,500 | $3,200 | ... |
| 2021-01-04 | ロサンゼルス | 14,200 | $11,000 | $4,100 | ... |
| 2021-01-11 | ニューヨーク | 16,100 | $12,500 | $4,800 | ... |
| ... | ... | ... | ... | ... | ... |
国レベルの粒度の例
| 日付（時刻） | コンバージョン数（KPI） | TV_Spend | Social_Media_Spend | ... |
|---|---|---|---|---|
| 2021-01-04 | 39,450 | $31,500 | $11,800 | ... |
| 2021-01-11 | 41,200 | $33,000 | $12,400 | ... |
| ... | ... | ... | ... | ... |
時間の粒度
ベスト プラクティス: データを週単位で収集します。週次データは、特に日次データおよび月次データと比べ、ばらつきの程度とノイズの程度のバランスに優れています。
許容される代替手段: 週次データがない場合は、代わりに日次または月次データを試すことができます。ただし、日次データを利用すると、モデルのランタイムが長くなる可能性があります。また、月次データを使用すると、モデルの推定値が収束しなくなったり、信用区間が広くなったりする可能性があります。
週レベルの粒度の例
この例では、Date 列は 7 日間隔（週単位）で規則正しく推移しています。
| 日付（時刻） | 地域 | コンバージョン数（KPI） | TV_Spend | Social_Media_Spend | ... |
|---|---|---|---|---|---|
| 2021-01-04 | ニューヨーク | 15,400 | $12,000 | $4,500 | ... |
| 2021-01-11 | ニューヨーク | 16,100 | $12,500 | $4,800 | ... |
| 2021-01-18 | ニューヨーク | 14,900 | $11,800 | $4,200 | ... |
| 2021-01-25 | ニューヨーク | 17,050 | $13,000 | $5,100 | ... |
| ... | ... | ... | ... | ... | ... |
メディアの粒度
含めるメディア チャネル数を決定する際は、モデル パラメータ数に対して十分なデータポイントを確保するようにしてください。データとパラメータの比率を評価し、データの充足性を確認してください。必要なデータ量に関する具体的なガイダンスについては、必要なデータ量をご覧ください。
メディア費用が低いメディア チャネルについては、ROI の推定における問題を避けるため、他のチャネルと組み合わせることをおすすめします。詳しくは、費用の少ないチャネルをご覧ください。
期間
一般的な経験則として、過去のデータは、地域レベルのモデルでは少なくとも 2 年分、全国レベルのモデルでは 3 年分の週次データが必要です。月次データしか利用できない場合は、少なくとも 3 年分のデータを使用することをおすすめします。モデルで正確な計算を行うには、十分なデータポイントが必要です。ただし、データ量の判断は複雑になることがあり、最終的にはデータの内容によって異なります。必要なデータ量に関する具体的なガイダンスについては、必要なデータ量をご覧ください。
データを収集したら、探索的データ分析を実施して、データの正確性と完全性を確認します。
十分な過去のデータの例
この例のデータセットは、2021 年 1 月から 2022 年 12 月までを網羅しており、地域ごとに 104 週分以上のデータが確保されています。
| 日付（時刻） | 地域 | コンバージョン数（KPI） | TV_Spend | Social_Media_Spend | ... |
|---|---|---|---|---|---|
| 2021-01-04 | ニューヨーク | 15,400 | $12,000 | $4,500 | ... |
| 2021-01-11 | ニューヨーク | 16,100 | $12,500 | $4,800 | ... |
| ... | ... | ... | ... | ... | ... |
| 2022-12-19 | ニューヨーク | 22,300 | $15,000 | $7,200 | ... |
| 2022-12-26 | ニューヨーク | 24,100 | $14,500 | $6,800 | ... |
付録
この付録では、メリディアン用のデータセット準備を支援するため、技術的なコンテキスト、基本的なコンセプト、補足的なガイドラインを提供します。
集計可能な指標について
メリディアンでは、KPI とメディア指標（R&F チャネルを除く）が地域と時間の両方で集計可能であることが求められます。つまり、データセットの行を合算した際に、その計算結果が論理的に妥当である必要があります。
具体例:
- 集計可能（使用する）: 合計クリック数、合計インプレッション数、合計費用、総販売数などの実数値。
- 例: データセットで 1 週目のクリック数が 100 回、2 週目のクリック数が 50 回となっている場合、これらを合計すると正しく 150 回になります。
- 集計不可（使用しない）: クリック率（CTR）、クリック単価（CPC）、広告費用対効果（ROAS）などの平均値、率、割合。
- 例: 率を数学的に足し合わせることはできません。たとえば、1 週目のインプレッション数が 1,000 回でクリック数が 20 回（CTR 2%）、2 週目のインプレッション数が 10,000 回でクリック数が 300 回（CTR 3%）の場合、CTR を単純に足し合わせると 5% になります。しかし、実際には 11,000 回のインプレッションに対してクリック数は 320 回であり、正しい合算クリック率は 2.9% となります。このように、パーセンテージは行単位で合算できないため、モデルには使用できません。
広告プラットフォームから出力されるデータが率や平均値である場合は、メリディアンに取り込む前に、集計可能な実数値を算出しておく必要があります。たとえば、データにインプレッション数と CTR が含まれている場合は、合計クリック数（インプレッション数 × CTR）を算出し、その集計可能な整数値をモデルに入力する必要があります。
キャンペーンをメディア チャネル単位で集計する
通常、広告プラットフォームはキャンペーン、広告グループ、クリエイティブなど、非常に詳細なレベルでデータをレポートします。ただし、メリディアンは通常、メディアをチャネルレベルでモデル化します。このギャップを埋めるには、キャンペーン レベルのデータをチャネルレベルのデータに集計する必要があります。
プラットフォームを 1 つのチャネルに集計するには、特定の地域および期間におけるすべての関連キャンペーンの費用と実行指標（インプレッション数やクリック数など）を合算します。
例: ソーシャル メディア キャンペーンの集計
このシナリオでは、新規顧客開拓用とリターゲティング用という、複数の有効なキャンペーンを含むソーシャルメディア広告プラットフォームから元データをエクスポートします。エクスポートされた元データには、日次のキャンペーン レベルの行が含まれています。これらを週の開始日と地域ごとにグループ化して、メリディアンで使用する単一の週次 Social_Media チャネルを作成する必要があります。
変換前: プラットフォーム レベルのエクスポート（ソーシャル メディアの日次の元データ）
| 日付 | 地域 | キャンペーン ID | キャンペーン名 | 金額（USD） | インプレッション数 |
|---|---|---|---|---|---|
| 2021-01-04 | ワシントン | 11111111 | Q1_Prospecting | 100.00 | 10000 |
| 2021-01-04 | ワシントン | 22222222 | Q1_Retargeting | 50.00 | 5000 |
| 2021-01-05 | ワシントン | 11111111 | Q1_Prospecting | 110.00 | 11000 |
| 2021-01-05 | ワシントン | 22222222 | Q1_Retargeting | 60.00 | 6000 |
| 2021-01-06 | ワシントン | 11111111 | Q1_Prospecting | 120.00 | 12000 |
| 2021-01-06 | ワシントン | 22222222 | Q1_Retargeting | 45.00 | 4500 |
| 2021-01-07 | ワシントン | 11111111 | Q1_Prospecting | 105.00 | 10500 |
| 2021-01-07 | ワシントン | 22222222 | Q1_Retargeting | 55.00 | 5500 |
| 2021-01-08 | ワシントン | 11111111 | Q1_Prospecting | 130.00 | 13000 |
| 2021-01-08 | ワシントン | 22222222 | Q1_Retargeting | 65.00 | 6500 |
| 2021-01-09 | ワシントン | 11111111 | Q1_Prospecting | 150.00 | 15000 |
| 2021-01-09 | ワシントン | 22222222 | Q1_Retargeting | 80.00 | 8000 |
| 2021-01-10 | ワシントン | 11111111 | Q1_Prospecting | 140.00 | 14000 |
| 2021-01-10 | ワシントン | 22222222 | Q1_Retargeting | 70.00 | 7000 |
| 2021-01-11 | ワシントン | ... | ... | ... | ... |
変換後: MMM データセット（週単位で 1 つのチャネルに集計）
Social_Media チャネルを作成するには、2021-01-04（月曜日）から始まる週と Region 列で行をグループ化します。次に、その週の全日程におけるすべてのキャンペーンの費用とインプレッション数を合計します。2021 年 1 月 4 日の週における、計 14 件の日次キャンペーン レコードの合計費用は 1,280 ドル、合計インプレッション数は 128,000 回です。
| 日付（時刻） | 地域 | Social_Media_Spend | Social_Media_Impressions |
|---|---|---|---|
| 2021-01-04 | ワシントン | $1,280 | 128,000 |
| 2021-01-11 | ワシントン | ... | ... |