Входные данные и переменные

Качество MMM не может быть выше качества его входных данных. Они делятся на три группы: медиапеременные (инструменты, которыми Вы управляете), контрольные переменные (факторы, которыми Вы не управляете) и зависимая переменная (то, что Вы прогнозируете).

Правильно задать эти данные, выбрать подходящую детализацию и частоту обновления — основная часть работы над достоверной моделью.

Выберите чистый результат: количество проданных единиц, выручку или новых клиентов. Последовательно определите, используется ли валовое или чистое значение и исключены ли возвраты.

Моделируйте с той детализацией, на которую можете воздействовать, обычно на национальном или региональном уровне с недельным шагом. Ежедневные данные добавляют шум, а ежемесячные скрывают динамику.

Медиаданные можно представить как расходы или как экспозицию (показы, рейтинговые пункты, клики). Показы отделяют объём размещения от стоимости, что важно при колебаниях цены за тысячу показов.

Распространённый подход: строить модель на показах для получения кривой отклика, а затем пересчитывать результат в расходы для ROI. Всегда используйте согласованные единицы измерения внутри одного канала.

Рекламный эффект сохраняется после окончания размещения. Модель переноса эффекта описывает это затухание, поэтому продажи этой недели отражают рекламу предыдущих недель.

Коэффициент затухания лямбда управляет памятью модели: 0,0 означает отсутствие переноса эффекта, а 0,8 — длинный хвост воздействия. У TV обычно более высокий перенос эффекта, чем у поисковой рекламы.

Удваивание расходов редко удваивает продажи. Преобразование насыщения учитывает убывающую отдачу, чтобы модель не продолжала бесконечно линейно экстраполировать результат.

Преобразования Хилла или логарифмические преобразования изгибают кривую отклика, задавая для каждого канала реалистичный предел и эффективный диапазон расходов.

Контрольные переменные учитывают немедийные факторы, чтобы их ошибочно не приписывали рекламе. Ключевые факторы: цена, промоакции, дистрибуция и доступность, активность конкурентов и макроэкономические индексы.

Отсутствие важной контрольной переменной искажает коэффициенты медиапеременных и часто завышает вклад канала, который случайно работал во время промоакции.

У многих продуктов выражена сезонность. Учитывайте её с помощью фиктивных переменных для месяца или недели, слагаемых Фурье либо сезонного индекса, а также добавляйте слагаемое тренда для отражения базового роста или снижения.

Без этого сезонный рост продаж перейдёт в медиапеременные, которые случайно использовались в пиковый сезон.

MMM отделяет базу — то, что Вы продали бы без новых медиаразмещений: капитал бренда, дистрибуция и цена — от инкрементальных вкладов, вызванных медиа.

Здоровая модель часто показывает большую стабильную базу. Если медиа «объясняет» почти всё, контрольные переменные, вероятно, слишком слабы.

Когда каналы размещаются одновременно, модель не может отделить их эффекты друг от друга, а коэффициенты становятся нестабильными и иногда меняют знак.

Диагностируйте проблему с помощью матриц корреляций и VIF. Снизить её влияние можно, меняя расходы во времени, добавляя географические вариации или используя байесовские априорные распределения для стабилизации оценок.

Приведите все ряды к одному календарю и часовому поясу. Заполняйте пропуски осознанно, а не молча нулевыми значениями, которые не позволяют отличить «нет расходов» от «нет данных».

Скорректируйте денежные ряды с учётом инфляции, если период наблюдения длительный, и документируйте каждое преобразование, чтобы результаты можно было воспроизвести.

Итоговая матрица модели объединяет исходные контрольные переменные и преобразованные медиаданные. Каждый столбец медиаданных сначала преобразуется с учётом переноса эффекта, а затем насыщения перед включением в регрессию.

Порядок операций в конвейере важен: сначала перенос эффекта (когда он проявляется), затем насыщение (каков его масштаб).

Определите подходящее преобразование для каждого явления.

Входные данные MMM — это зависимая переменная, медиапеременные (сначала преобразованные с учётом переноса эффекта, затем насыщения) и контрольные переменные (цена, промоакции, дистрибуция, сезонность и макроэкономические факторы).

Сильные контрольные переменные защищают от завышения вклада медиа, а чистые, согласованно масштабированные и хорошо документированные ряды служат основой надёжной модели.