Das Meridian-Modell betrachtet, wie Media zu einem bestimmten Zeitpunkt \(t\) die KPIs über mehrere Zeitpunkte\(t, t + 1, \dots , t + L\) beeinflussen können. Dabei ist die Ganzzahl \(L\) ein Hyperparameter, der vom Nutzer mit dem Parameter max_lag von ModelSpec festgelegt wird. Media kann auch langfristige Effekte über max_lag hinaus haben. Meridian geht jedoch davon aus, dass verzögerte Effekte monoton gegen null abnehmen und schließlich klein werden. Aus praktischen Gründen wird der Effekt beim Wert max_lag abgeschnitten.
max_lag-Nachteile
Kleinere Werte für max_lag führen in der Regel zu einer besseren Modellkonvergenz und schnelleren Modelllaufzeiten. Kleinere Werte für max_lag können auch die Modellvarianz verringern: Bei großen max_lag-Werten ist die Menge der verfügbaren Daten oft nicht ausreichend, damit Meridian-Modelle verzögerte Effekte präzise schätzen können, was die Modellvarianz erhöht. Größere Werte für max_lag verlängern dagegen die Dauer verzögerter Effekte, was für Modelle mit langfristigen Effekten von Vorteil sein kann.
Eine Erhöhung von max_lag bedeutet nicht unbedingt, dass auch die ROI-Schätzungen steigen. Ein Grund dafür ist, dass Media zu Zeitpunkt \(t\) die KPIs auch zu einem späteren Zeitpunkt \(t+L\)beeinflussen können. Das kann die Media-Auswirkungen zu Zeitpunkt\(t+1, \dots , t+L\) auf die KPIs zu Zeitpunkt \(t+L\)verringern.
Praktische Tipps zum Festlegen von max_lag
Die beiden in Meridian angebotenen Adstock-Verfallsfunktionen, geometrisch und binomial, gleichen max_lag unterschiedlich aus.
Verwendung des geometrischen Abklingens
Beim geometrischen Abklingen führt ein max_lag-Wert zwischen 2 und 10 zu einem guten Gleichgewicht zwischen der Modellierung der verzögerten Media-Effekte und der Minimierung der potenziellen Nachteile eines zu großen maximalen Verzögerungswerts. Die geometrische Abklingkurve fällt für die meisten Werte von \(\alpha\)sehr schnell auf null ab. Wenn Sie max_lag auf einen sehr großen Wert setzen, hat das daher nur einen geringen Einfluss auf die Likelihood des Modells.
Verwendung des binomialen Abklingens
Beim binomialen Abklingen ist die Kurve jedoch eine Funktion der maximalen Verzögerung: Sie wird so gedehnt, dass sie das Effektzeitfenster abdeckt, da ihr x-Achsenabschnitt immer bei\(L + 1\)liegt. Daher ist das Problem der abnehmenden Wirkung nicht mehr relevant und Sie können das binomiale Abklingen mit einem größeren Wert für max_lag verwenden. Allerdings können sich Konvergenz und Modelllaufzeiten mit zunehmendem max_lag verschlechtern.
Dieser Konflikt sollte mit den potenziellen Vorteilen einer Erhöhung von max_lag abgewogen werden. Wir empfehlen, in diesem Fall einen max_lag-Wert im Bereich von 4 bis 20 auszuwählen.
Kombination aus geometrischer und binomialer Verteilung
Es kann kompliziert sein, den Wert von max_lag zu erhöhen, wenn Sie für verschiedene Channels unterschiedliche Abklingfunktionen verwenden. Wenn Sie hauptsächlich eine Funktion mit wenigen Ausnahmen verwenden, empfehlen wir, der Empfehlung der vorherrschenden Funktion zu folgen. Wenn Sie eine ausgewogenere Mischung verwenden, empfehlen wir, max_lag im Bereich von 4 bis 20 auszuwählen. Das schafft ein gutes Gleichgewicht zwischen der Modellierung des binomialen verzögerten Effekts und vermeidet gleichzeitig die Nachteile der Verwendung einer geometrischen Verteilung mit einem großen max_lag.
| Adstock-Verfallsfunktion | Empfehlung für maximale Verzögerung |
|---|---|
| Geometrisch | 2 bis 10 Zeiträume |
| Binomial | 4 bis 20 Zeiträume |
| Kombination aus geometrischer und binomialer Verteilung | 4 bis 20 Zeiträume |
Weitere Informationen zu den Verfallsfunktionen und dem Alpha-Prior finden Sie unter Parameter „adstock_decay_spec“ festlegen.