Syötteet ja muuttujat
Kulutus, kausivaihtelu ja perustaso.
Syötteet ja muuttujat on ilmainen Digital Marketing Academy-oppitunti CoddyKitissä. Tämä on oppitunti 2/4. Voit lukea tästä oppimispolusta kokonaan mitkä tahansa 3 oppituntia ilmaiseksi — sen jälkeen CoddyKit PRO avaa kaikki oppitunnit sekä käytännön harjoittelun sisäänrakennetulla koodieditorilla ja ympäri vuorokauden toimivalla tekoälytuutorilla. Oppitunti kuuluu Digital Marketing Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Digital Marketing Academy-kurssilla on yhteensä 4 oppituntia.
MMM-syötteiden rakenne
MMM:n laatu riippuu sen syötteiden laadusta. Syötteet jakautuvat kolmeen ryhmään: mediamuuttujiin (hallittavat vivut), kontrollimuuttujiin (tekijät, joita ette hallitse) ja selitettävään muuttujaan (ennustettava asia).
Niiden määrittäminen oikein, oikealla tarkkuustasolla ja sopivalla aikavälillä, muodostaa suurimman osan uskottavan mallin rakentamisesta.
dependent : sales or revenue (weekly)
media : spend or impressions per channel
controls : price, promo, seasonality, macro
transforms: adstock, saturationSelitettävä muuttuja
Valitkaa selkeä lopputulos: myydyt yksiköt, liikevaihto tai uudet asiakkaat. Olkaa johdonmukaisia sen suhteen, onko kyse brutto- vai nettomäärästä ja jätetäänkö palautukset pois.
Mallintakaa sillä tarkkuustasolla, jolla voidaan toimia, yleensä valtakunnallisella tai alueellisella viikkotasolla. Päivädata lisää kohinaa, kun taas kuukausidata peittää dynamiikan.
Mediamuuttujat: panostus vs. näyttökerrat
Media voidaan syöttää malliin panostuksena tai altistuksena (näyttökerrat, GRP:t, klikkaukset). Näyttökerrat erottavat mainonnan toimituksen kustannuksesta, mikä on tärkeää CPM-arvojen vaihdellessa.
Yleinen toimintatapa on mallintaa vastekäyrä näyttökertojen perusteella ja muuntaa tulokset sitten takaisin panostukseksi ROI:n laskemista varten. Pitäkää yksiköt aina yhdenmukaisina kanavan sisällä.
TV -> GRPs
Search -> clicks or spend
Social -> impressions
OOH -> spend (no impression feed)Adstock (jälkivaikutus)
Mainonnan vaikutukset jatkuvat kampanjajakson päätyttyä. Adstock mallintaa tämän hiipumisen, jotta tämän viikon myynti heijastaa aiempien viikkojen mediapanostuksia.
Hiipumisnopeutta kuvaava lambda määrittää muistin: 0,0 tarkoittaa, ettei jälkivaikutusta ole, ja 0,8 tarkoittaa pitkää häntää. Television adstock on yleensä suurempi kuin haun.
adstock_t = media_t + lambda * adstock_(t-1)
lambda=0.3 (search): fast decay
lambda=0.7 (TV): slow decay, long memorySaturaatio (vähenevät tuotot)
Panostuksen kaksinkertaistaminen harvoin kaksinkertaistaa myyntiä. Saturaatiofunktiot kuvaavat väheneviä tuottoja, jotta malli ei ekstrapoloi vaikutusta lineaarisesti loputtomiin.
Hill- tai logaritmimuunnokset kaareuttavat vastekäyrää ja antavat kullekin kanavalle realistisen ylärajan sekä tehokkaan toiminta-alueen.
Hill: response = x^a / (x^a + k^a)
low spend -> steep gains
high spend -> flattening curve (saturated)Kontrollimuuttujat
Kontrollimuuttujat ottavat huomioon muut kuin mediaan liittyvät ajurit, jotta niitä ei virheellisesti lueta mainonnan ansioksi. Tärkeitä muuttujia ovat hinta, kampanjat, jakelu ja saatavuus, kilpailijoiden toiminta sekä makrotalouden indeksit.
Vahvan kontrollimuuttujan pois jättäminen vääristää median kertoimia ja paisuttaa usein sen kanavan vaikutusta, joka sattui olemaan aktiivinen kampanjan aikana.
price : average selling price
promo : 0/1 flag or % discount depth
distribution : stores or % ACV
competitor : share of voice / spend
macro : consumer confidence, CPIKausivaihtelu ja trendi
Monilla tuotteilla on voimakkaita kausivaihteluita. Kuvaakaa ne kuukausi- tai viikkodummy-muuttujilla, Fourier-termeillä tai kausi-indeksillä ja lisätkää trenditermi kuvaamaan taustalla olevaa kasvua tai laskua.
Ilman näitä kausivaihtelun aiheuttama myynnin lisäys valuu niihin mediamuuttujiin, joita käytettiin sattumalta huippusesongin aikana.
fourier: sin(2*pi*t/52), cos(2*pi*t/52)
trend: t (linear) or spline
holiday: black_friday_flag, holiday_flagPerusmyynnin ja inkrementaalisen vaikutuksen erottelu
MMM erottaa perusmyynnin (mitä myytäisiin ilman uutta mediapanostusta: brändipääoma, jakelu ja hinta) median tuottamista inkrementaalisista vaikutuksista.
Toimivassa mallissa perusmyynti on usein suuri ja vakaa. Jos media “selittää” lähes kaiken, kontrollimuuttujat ovat todennäköisesti liian heikkoja.
total_sales = base + sum(media_contributions)
base : 70%
incremental : 30% (split across channels)Multikollineaarisuuden sudenkuopat
Kun kanavien mainosjaksot osuvat yhteen, malli ei pysty erottamaan niiden vaikutuksia toisistaan ja kertoimet muuttuvat epävakaiksi. Joskus ne jopa vaihtavat etumerkkiä.
Selvittäkää tilanne korrelaatiomatriisien ja VIF:n avulla. Voitte lieventää ongelmaa vaihtelemalla panostusta ajan mittaan, lisäämällä maantieteellistä vaihtelua tai käyttämällä Bayesian-prioreita estimaattien vakauttamiseen.
corr(TV, Social) = 0.91 -> high collinearity
VIF > 10 -> unstable estimate
fix: stagger flights, add geo splits, priorsMuuttujien laadun tarkistuslista
Kohdistakaa kaikki sarjat samaan kalenteriin ja aikavyöhykkeeseen. Täyttäkää puuttuvat kohdat harkitusti, älkää hiljaisilla nollilla, jotka eivät erota “ei panostusta” -tilannetta “ei dataa” -tilanteesta.
Poistakaa inflaation vaikutus rahamääräisistä sarjoista, jos tarkasteluikkuna on pitkä, ja dokumentoikaa jokainen muunnos, jotta tulokset voidaan toistaa.
Syötteiden kokoaminen
Lopullinen suunnittelumatriisi yhdistää alkuperäiset kontrollimuuttujat ja muunnetun median. Jokaiselle mediasarakkeelle on ensin tehty adstock-muunnos ja sitten saturaatio ennen sen syöttämistä regressioon.
Putken järjestyksellä on väliä: ensin jälkivaikutus eli milloin vaikutus toteutuu, sitten saturaatio eli kuinka suurena se toteutuu.
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 + seasonPikatarkistus
Tunnistakaa oikea muunnos oikealle ilmiölle.
Kertaus
MMM:n syötteitä ovat selitettävä muuttuja, mediamuuttujat (joihin tehdään ensin adstock-muunnos ja sitten saturaatio) sekä kontrollimuuttujat (hinta, kampanjat, jakelu, kausivaihtelu ja makrotalous).
Vahvat kontrollimuuttujat estävät median liikakorostamisen, ja puhtaat, yhdenmukaisesti skaalatut sekä hyvin dokumentoidut sarjat muodostavat luotettavan mallin perustan.
Opi Digital Marketing Academy tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 63
- Oppitunnit
- 239
Usein kysytyt kysymykset
Onko oppitunti ”Syötteet ja muuttujat” ilmainen?
Kyllä — voit lukea täällä verkossa kokonaan ilmaiseksi mitkä tahansa Digital Marketing Academy-oppimispolun 3 oppituntia, myös oppitunnin “Syötteet ja muuttujat”. Sen jälkeen CoddyKit PRO avaa kaikki oppitunnit sekä interaktiiviset harjoitukset sisäänrakennetulla koodieditorilla ja ympäri vuorokauden toimivalla tekoälytuutorilla. Digital Marketing Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Syötteet ja muuttujat”?
Kulutus, kausivaihtelu ja perustaso. Harjoittelet Digital Marketing Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni Digital Marketing Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin Digital Marketing Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 2/4.
Kuinka kauan ”Syötteet ja muuttujat”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä Digital Marketing Academy-oppitunnilla?
Kyllä. Jokainen Digital Marketing Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- MMM vai attribuutio
- Syötteet ja muuttujat
- MMM:n tulosten lukeminen
- Budjetin uudelleenkohdentaminen