इनपुट और Variables
खर्च, मौसमी प्रभाव और आधार
इनपुट और Variables, CoddyKit पर Digital Marketing Academy का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह Digital Marketing Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Digital Marketing Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
MMM इनपुट की संरचना
MMM उतना ही अच्छा होता है जितने अच्छे उसके इनपुट होते हैं। वे तीन वर्गों में आते हैं: मीडिया चर (जिन साधनों को आप नियंत्रित करते हैं), नियंत्रण चर (जिनके कारणों को आप नियंत्रित नहीं करते) और आश्रित चर (जिसका आप अनुमान लगाते हैं)।
विश्वसनीय मॉडल के लिए इन्हें सही विवरण-स्तर और सही आवृत्ति पर तैयार करना ही अधिकांश काम होता है।
dependent : sales or revenue (weekly)
media : spend or impressions per channel
controls : price, promo, seasonality, macro
transforms: adstock, saturationआश्रित चर
एक स्वच्छ परिणाम चुनें: बेची गई इकाइयाँ, आय या नए ग्राहक। यह स्पष्ट रूप से एकसमान रखें कि वह सकल है या शुद्ध और क्या उसमें वापसी शामिल नहीं है।
मॉडल को उस विवरण-स्तर पर बनाएँ जिस पर आप कार्रवाई कर सकते हैं, आम तौर पर राष्ट्रीय या क्षेत्रीय साप्ताहिक स्तर पर। दैनिक डेटा शोर बढ़ाता है; मासिक डेटा गतिशीलता छिपा देता है।
मीडिया चर: खर्च बनाम प्रदर्शन
आप मीडिया को खर्च या संपर्क के रूप में दे सकते हैं (प्रदर्शन, जीआरपी, क्लिक)। प्रदर्शन, विज्ञापन-वितरण को लागत से अलग करता है, जो सीपीएम में उतार-चढ़ाव होने पर महत्वपूर्ण होता है।
एक सामान्य तरीका यह है: प्रतिक्रिया-वक्र के लिए प्रदर्शन पर मॉडल बनाएँ, फिर ROI के लिए उसे वापस खर्च में बदलें। किसी माध्यम के भीतर इकाइयों को हमेशा एकसमान रखें।
TV -> GRPs
Search -> clicks or spend
Social -> impressions
OOH -> spend (no impression feed)विज्ञापन-प्रभाव-संचय (पश्च-प्रभाव)
अभियान-अवधि समाप्त होने के बाद भी विज्ञापन के प्रभाव बने रहते हैं। विज्ञापन-प्रभाव-संचय इस क्षय का मॉडल बनाता है, ताकि इस सप्ताह की बिक्री में पिछले सप्ताहों के मीडिया का प्रभाव भी दिखाई दे।
क्षय-दर लैम्ब्डा स्मृति को नियंत्रित करती है: 0.0 का अर्थ है कोई पश्च-प्रभाव नहीं, जबकि 0.8 का अर्थ है लंबी प्रभाव-पूँछ। TV में आम तौर पर खोज माध्यम की तुलना में अधिक विज्ञापन-प्रभाव-संचय होता है।
adstock_t = media_t + lambda * adstock_(t-1)
lambda=0.3 (search): fast decay
lambda=0.7 (TV): slow decay, long memoryसंतृप्ति (घटते प्रतिफल)
खर्च दोगुना करने से बिक्री शायद ही कभी दोगुनी होती है। संतृप्ति का रूपांतरण घटते प्रतिफल को दर्शाता है, ताकि मॉडल हमेशा रैखिक रूप से आगे का अनुमान न लगाता रहे।
हिल या लघुगणकीय रूपांतरण प्रतिक्रिया-वक्र को मोड़ते हैं, जिससे हर माध्यम के लिए एक यथार्थवादी अधिकतम सीमा और प्रभावी संचालन-क्षेत्र मिलता है।
Hill: response = x^a / (x^a + k^a)
low spend -> steep gains
high spend -> flattening curve (saturated)नियंत्रण चर
नियंत्रण चर गैर-मीडिया कारणों को अपने भीतर समाहित करते हैं, ताकि उनका श्रेय गलती से विज्ञापनों को न मिल जाए। मुख्य चर हैं: कीमत, प्रचार, वितरण/उपलब्धता, प्रतिस्पर्धी गतिविधि और समष्टि-आर्थिक सूचकांक।
किसी मजबूत नियंत्रण चर को छोड़ देने से मीडिया गुणांक में पक्षपात आता है और अक्सर उस माध्यम का प्रभाव बढ़ जाता है जो संयोग से किसी प्रचार-अवधि में चला था।
price : average selling price
promo : 0/1 flag or % discount depth
distribution : stores or % ACV
competitor : share of voice / spend
macro : consumer confidence, CPIमौसमी प्रभाव और प्रवृत्ति
कई उत्पादों में मौसमी पैटर्न बहुत मजबूत होते हैं। उन्हें माह/सप्ताह संकेतक चर, फूरियर पदों या मौसमी सूचकांक के साथ-साथ अंतर्निहित वृद्धि या गिरावट के लिए प्रवृत्ति-पद से दर्ज करें।
इनके बिना, उच्च-मांग वाली ऋतु में संयोग से चलने वाले मीडिया चरों में मौसमी बिक्री-वृद्धि का प्रभाव चला जाता है।
fourier: sin(2*pi*t/52), cos(2*pi*t/52)
trend: t (linear) or spline
holiday: black_friday_flag, holiday_flagआधार बनाम अतिरिक्त प्रभाव का विभाजन
MMM आधार को (नए मीडिया पर शून्य खर्च होने पर होने वाली बिक्री: ब्रांड-पूँजी, वितरण, कीमत) मीडिया से संचालित अतिरिक्त योगदान से अलग करता है।
एक स्वस्थ मॉडल में अक्सर बड़ा और स्थिर आधार दिखाई देता है। यदि मीडिया लगभग हर चीज़ को "समझाता" है, तो नियंत्रण चर संभवतः बहुत कमज़ोर हैं।
total_sales = base + sum(media_contributions)
base : 70%
incremental : 30% (split across channels)बहुसह-रेखीयता की समस्याएँ
जब माध्यमों की अभियान-अवधियाँ साथ-साथ चलती हैं, तो मॉडल उनके प्रभावों को अलग-अलग नहीं पहचान पाता और गुणांक अस्थिर हो जाते हैं; कभी-कभी उनका चिह्न भी उलट जाता है।
सहसंबंध मैट्रिक्स और VIF से इसका निदान करें। समय के साथ खर्च में विविधता लाकर, भौगोलिक विविधता जोड़कर या अनुमान स्थिर करने के लिए बेज़ियन पूर्वमानों का उपयोग करके इसका प्रभाव कम करें।
corr(TV, Social) = 0.91 -> high collinearity
VIF > 10 -> unstable estimate
fix: stagger flights, add geo splits, priorsचर-स्वच्छता जाँचसूची
सभी शृंखलाओं को एक ही कैलेंडर और समय-क्षेत्र के अनुसार व्यवस्थित करें। अंतरालों को सोच-समझकर भरें, न कि ऐसे चुपचाप शून्य भरें जिनका अर्थ "कोई खर्च नहीं" और "कोई डेटा नहीं" दोनों हो सकता है।
यदि अवधि लंबी है, तो मुद्रास्फीति के अनुसार मौद्रिक शृंखलाओं को वास्तविक मूल्य में बदलें और हर रूपांतरण का दस्तावेज़ बनाएँ, ताकि परिणामों को दोहराया जा सके।
इनपुट को एक साथ रखना
अंतिम डिज़ाइन मैट्रिक्स में अपरिवर्तित नियंत्रण चर और रूपांतरित मीडिया की परतें होती हैं। प्रतिगमन में प्रवेश करने से पहले हर मीडिया स्तंभ पर विज्ञापन-प्रभाव-संचय और फिर संतृप्ति का रूपांतरण किया जा चुका होता है।
कार्य-प्रवाह का यह क्रम महत्वपूर्ण है: पहले पश्च-प्रभाव (प्रभाव कब मिलता है), फिर संतृप्ति (प्रभाव कितना मिलता है)।
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 + seasonत्वरित जाँच
हर घटना के लिए सही रूपांतरण पहचानें।
पुनरावलोकन
MMM के इनपुट हैं: आश्रित चर, मीडिया चर (पहले विज्ञापन-प्रभाव-संचय और फिर संतृप्ति से रूपांतरित) और नियंत्रण चर (कीमत, प्रचार, वितरण, मौसमी प्रभाव, समष्टि-आर्थिक कारक)।
मजबूत नियंत्रण चर मीडिया को ज़रूरत से अधिक श्रेय देने से बचाते हैं, जबकि स्वच्छ, एकसमान पैमाने वाली और अच्छी तरह दस्तावेज़ित शृंखलाएँ भरोसेमंद मॉडल की नींव होती हैं।
एआई शिक्षक के साथ Digital Marketing Academy सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 63
- पाठ
- 239
अक्सर पूछे जाने वाले प्रश्न
क्या “इनपुट और Variables” पाठ निःशुल्क है?
हाँ — Digital Marketing Academy अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “इनपुट और Variables” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। Digital Marketing Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“इनपुट और Variables” में मैं क्या सीखूँगा?
खर्च, मौसमी प्रभाव और आधार आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Digital Marketing Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या Digital Marketing Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Digital Marketing Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।
“इनपुट और Variables” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस Digital Marketing Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर Digital Marketing Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- MMM बनाम एट्रिब्यूशन
- इनपुट और Variables
- MMM को पढ़ना
- बजट का पुनर्वितरण