المدخلات والمتغيرات
الإنفاق والموسمية والأساس
المدخلات والمتغيرات درس مجاني في Digital Marketing Academy على CoddyKit. هذا هو الدرس 2 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في Digital Marketing Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة Digital Marketing Academy 4 دروس في المجموع.
تشريح مدخلات MMM
لا يكون MMM أفضل من مدخلاته. وتنقسم هذه المدخلات إلى ثلاث مجموعات: متغيرات الوسائط (العوامل التي تتحكمون بها)، ومتغيرات التحكم (العوامل التي لا تتحكمون بها)، والمتغير التابع (ما تتنبؤون به).
ويمثل تحديد هذه المدخلات على نحو صحيح، وبمستوى التفصيل والتواتر المناسبين، معظم العمل اللازم لبناء نموذج موثوق.
dependent : sales or revenue (weekly)
media : spend or impressions per channel
controls : price, promo, seasonality, macro
transforms: adstock, saturationالمتغير التابع
اختاروا نتيجة واضحة: الوحدات المباعة، أو الإيرادات، أو العملاء الجدد. وكونوا متسقين بشأن ما إذا كانت القيمة إجمالية أم صافية، وما إذا كانت المرتجعات مستبعدة.
نمذجوا البيانات بمستوى التفصيل الذي يمكنكم اتخاذ إجراء بناءً عليه، وعادةً ما يكون أسبوعيًا على المستوى الوطني أو الإقليمي. تضيف البيانات اليومية ضوضاء، بينما تخفي البيانات الشهرية الديناميكيات.
متغيرات الوسائط: الإنفاق مقابل مرات الظهور
يمكنكم إدخال بيانات الوسائط على شكل إنفاق أو تعرض (مرات ظهور، أو GRPs، أو نقرات). وتفصل مرات الظهور بين التوزيع والتكلفة، وهو أمر مهم عندما تتقلب قيم CPM.
من الأساليب الشائعة بناء النموذج باستخدام مرات الظهور لمنحنى الاستجابة، ثم تحويل النتائج مرة أخرى إلى الإنفاق لحساب ROI. واحرصوا دائمًا على اتساق الوحدات داخل القناة الواحدة.
TV -> GRPs
Search -> clicks or spend
Social -> impressions
OOH -> spend (no impression feed)Adstock (الأثر المرحّل)
تستمر آثار الإعلان بعد انتهاء فترة تشغيله. ويعمل adstock على نمذجة هذا التلاشي، بحيث تعكس مبيعات هذا الأسبوع وسائط الأسابيع السابقة.
يتحكم معدل التلاشي lambda في الذاكرة: تعني القيمة 0.0 عدم وجود أثر مرحّل، بينما تعني القيمة 0.8 ذيلًا طويلًا. ويكون adstock عادةً أعلى في التلفزيون منه في البحث.
adstock_t = media_t + lambda * adstock_(t-1)
lambda=0.3 (search): fast decay
lambda=0.7 (TV): slow decay, long memoryالتشبع (العوائد المتناقصة)
نادراً ما يؤدي مضاعفة الإنفاق إلى مضاعفة المبيعات. وتحول نماذج التشبع أثر العوائد المتناقصة، حتى لا يستمر النموذج في الاستقراء الخطي إلى ما لا نهاية.
تعمل تحويلات Hill أو log على تقويس منحنى الاستجابة، فتمنح كل قناة سقفًا واقعيًا ونطاق تشغيل كفؤًا.
Hill: response = x^a / (x^a + k^a)
low spend -> steep gains
high spend -> flattening curve (saturated)متغيرات التحكم
تستوعب متغيرات التحكم العوامل غير المرتبطة بالوسائط، حتى لا تُنسَب خطأً إلى الإعلانات. ومن أهمها: السعر، والعروض الترويجية، والتوزيع أو التوافر، ونشاط المنافسين، ومؤشرات الاقتصاد الكلي.
يؤدي إغفال متغير تحكم قوي إلى تحيز معاملات الوسائط، وغالبًا ما يؤدي إلى تضخيم القناة التي صادف تشغيلها أثناء عرض ترويجي.
price : average selling price
promo : 0/1 flag or % discount depth
distribution : stores or % ACV
competitor : share of voice / spend
macro : consumer confidence, CPIالموسمية والاتجاه
تتميز منتجات كثيرة بأنماط موسمية قوية. التقطوا هذه الأنماط باستخدام متغيرات وهمية للشهر أو الأسبوع، أو مصطلحات Fourier، أو مؤشر موسمي، إلى جانب مصطلح اتجاه يعكس النمو أو التراجع الأساسي.
من دون هذه العناصر، تتسرب الزيادات الموسمية في المبيعات إلى متغيرات الوسائط التي صادف تشغيلها في موسم الذروة.
fourier: sin(2*pi*t/52), cos(2*pi*t/52)
trend: t (linear) or spline
holiday: black_friday_flag, holiday_flagتقسيم الأساس مقابل الزيادة الإضافية
يفصل MMM بين الأساس (ما كنتم ستبيعونه مع عدم وجود وسائط جديدة: قيمة العلامة التجارية، والتوزيع، والسعر) والمساهمات الإضافية التي تقودها الوسائط.
غالبًا ما يُظهر النموذج السليم أساسًا كبيرًا ومستقرًا. وإذا كانت الوسائط «تفسر» كل شيء تقريبًا، فمن المحتمل أن تكون متغيرات التحكم ضعيفة جدًا.
total_sales = base + sum(media_contributions)
base : 70%
incremental : 30% (split across channels)مخاطر التعدد الخطي
عندما تُشغَّل القنوات معًا، لا يستطيع النموذج التمييز بين آثارها، وتصبح المعاملات غير مستقرة وقد تنقلب إشارتها أحيانًا.
شخّصوا المشكلة باستخدام مصفوفات الارتباط وVIF. وخففوا منها بتغيير الإنفاق بمرور الوقت، أو إضافة اختلافات جغرافية، أو استخدام توزيعات قبلية Bayesian لتثبيت التقديرات.
corr(TV, Social) = 0.91 -> high collinearity
VIF > 10 -> unstable estimate
fix: stagger flights, add geo splits, priorsقائمة التحقق من سلامة المتغيرات
وحّدوا جميع السلاسل وفق التقويم والمنطقة الزمنية نفسيهما. واملؤوا الفجوات بطريقة مقصودة، لا باستخدام أصفار صامتة لا يتضح معها الفرق بين «عدم وجود إنفاق» و«عدم وجود بيانات».
حوّلوا السلاسل النقدية إلى قيم حقيقية مع مراعاة التضخم إذا كانت الفترة طويلة، ووثّقوا كل تحويل حتى تكون النتائج قابلة لإعادة الإنتاج.
تجميع المدخلات
تجمع مصفوفة التصميم النهائية متغيرات التحكم الخام مع الوسائط المحوّلة. وقد خضع كل عمود خاص بالوسائط لتطبيق adstock ثم التشبع قبل إدخاله إلى الانحدار.
ويهم ترتيب هذا المسار: الأثر المرحّل أولًا (متى يظهر الأثر)، ثم التشبع ثانيًا (حجم الأثر).
raw_TV -> adstock(lambda=0.7) -> saturation(Hill)
-> column TV_eff in model
sales = base + b1*TV_eff + b2*Search_eff
+ b3*price + b4*promo + seasonتحقق سريع
حدّدوا التحويل المناسب للظاهرة المناسبة.
مراجعة
تتكون مدخلات MMM من المتغير التابع، ومتغيرات الوسائط (التي يحولها adstock ثم التشبع)، ومتغيرات التحكم (السعر، والعروض الترويجية، والتوزيع، والموسمية، وعوامل الاقتصاد الكلي).
تحمي متغيرات التحكم القوية من منح الوسائط إسنادًا أكبر من اللازم، بينما تشكل السلاسل النظيفة والمتسقة في مقياسها والموثقة جيدًا أساس النموذج الموثوق.
تعلم Digital Marketing Academy مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 63
- الدروس
- 239
الأسئلة الشائعة
هل درس «المدخلات والمتغيرات» مجاني؟
نعم — نص درس «المدخلات والمتغيرات» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة Digital Marketing Academy، انتقل إلى CoddyKit PRO. تتضمن دورة Digital Marketing Academy 4 دروس في المجموع.
ماذا ستتعلم في «المدخلات والمتغيرات»؟
الإنفاق والموسمية والأساس تتمرن على Digital Marketing Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ Digital Marketing Academy؟
لا تُشترط خبرة سابقة. Digital Marketing Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 2 من أصل 4.
كم من الوقت يستغرق درس «المدخلات والمتغيرات»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس Digital Marketing Academy هذا؟
نعم. كل درس في Digital Marketing Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- MMM مقابل Attribution
- المدخلات والمتغيرات
- قراءة نموذج MMM
- إعادة توزيع الميزانية