Häufig gestellte Fragen

Allgemeine Produktinformationen

Ist die Bibliothek kostenlos?

Ja, die Bibliothek ist kostenlos nutzbar und als Open Source auf GitHub für alle verfügbar.

Müssen wir unsere Daten an Google weitergeben, um die Bibliothek zu nutzen?

Google hat keinen Zugriff auf Ihre Eingabedaten, Ihr Modell oder Ihre Ergebnisse (außer auf Google-Media-Daten, die über unsere MMM Data Platform bereitgestellt werden). Wenn Sie Daten von der MMM Data Platform von Google anfordern, sind dies die einzigen Daten, auf die Google Zugriff hat. Google weiß jedoch nicht, ob Sie diese Daten tatsächlich in Ihr Modell aufnehmen. Die tatsächliche Eingabe und Ausgabe Ihres Modells sind vollständig privat, es sei denn, Sie geben sie an Ihre Google-Ansprechpartner weiter.

Von LightweightMMM migrieren

Ich nutze aktuell LightweightMMM. Was muss ich tun, um die Dateneingabe für Meridian zu erstellen?

Wenn Sie größtmöglichen Nutzen aus den Meridian-Innovationen ziehen möchten, müssen Sie weitere Datendimensionen hinzufügen, z. B.:

• Reichweite und Häufigkeit
• Tests
• Google-Suchvolumen

Sie können Meridian auch ohne diese Dimensionen verwenden, die Vorteile der Innovationen dann aber nicht ausschöpfen. Weitere Informationen finden Sie unter Von LightweightMMM migrieren.

Datenerhebung und ‑bereinigung

Kann ich alle Datentypen (Leistung, YouTube-Reichweite und -Häufigkeit, Google-Suchvolumen) gleichzeitig in der Benutzeroberfläche der MMM Data Platform erheben?

Leistungsdaten und Daten zu YouTube-Reichweite und ‑Häufigkeit müssen separat angefordert werden. Der entsprechende Workflow wird im Nutzerhandbuch beschrieben, das in der E-Mail zum Zugriff auf die MMM Data Platform enthalten ist.

Welche Daten zum Google-Suchvolumen kann ich anfordern?

Die Ausgabe zum Google-Suchvolumen enthält:

• QueryLabel: Marke oder generisch
• ReportDate
• TimeGranularity: Sie können zwischen täglichen (Daily) oder wöchentlichen Daten wählen, wobei die Woche entweder am Sonntag (Weekly_Sunday) oder am Montag (Weekly_Monday) beginnt.
• GeoCriteriaId
• GeoName
• GeoType
• IndexedQueryVolume: Alle Daten zum Suchvolumen sind indexiert. Für das Suchvolumen werden keine Rohdaten bereitgestellt.

Kann ich die Methode für das Google-Suchvolumen auch auf Nicht-Google-Suchdaten anwenden?

Das organische Suchvolumen für Suchmaschinen, die nicht Google gehören, ist oft nicht verfügbar. Einige alternative Optionen werden unter Suchvolumen als Störfaktor für Suchanzeigen beschrieben.

Modellierung

Wie kann ich für einen bestimmten Media-Hebel unterschiedliche Priors für verschiedene Zeiträume festlegen?

Am ehesten geht das mit dem Argument roi_calibration_period. Wie in Abschnitt 3.4 des Whitepapers zur MMM-Abstimmung beschrieben, empfehlen wir, den ausgabegewichteten durchschnittlichen ROI für die Tests zu berechnen und den Parameter roi_calibration_period so festzulegen, dass er den vier Quartalen der Tests entspricht. Wenn die Tests sehr unterschiedliche Standardfehler haben, sollten Sie sie entsprechend gewichten. Weitere Informationen finden Sie unter Zeitraum für ROI-Abstimmung festlegen.

Kann ich für die Knotenwerte einen zeitlichen Prior festlegen?

Meridian unterstützt keine zeitabhängigen Priors für Knotenwerte.

Wie erhalte ich detaillierte Informationen zur Dekomposition der Regression, z. B. DataFrames für die Posterior-Ziehungen?

Die Posterior-Stichproben befinden sich im Objekt inference_data. Sie können dieses Array in einen beliebigen DataFrame umwandeln. Um über den docstring auf die Datenstichproben zuzugreifen, siehe meridian.model.model.Meridian.

Kann ich in Meridian Synergien zwischen Channels messen?

Meridian unterstützt diese Art von Analyse nicht.

Ist es möglich, mit Meridian eine zeitlich begrenzte Auswertung des ROI abzurufen?

Sie können das inkrementelle Ergebnis jedes Media-Channels im Zeitverlauf sehen und so den ROI berechnen:

1. Verwenden Sie das geschätzte inkrementelle Ergebnis aus Analyzer().incremental_outcome().
2. Nutzen Sie die Option selected_times, um die gewünschten Wochen auszuwählen.
3. Teilen Sie den Wert durch die Ausgaben in diesen Wochen. So erhalten Sie den ROI und der jeweilige Zeitraum wird genauer abgebildet.

Wichtig: Wenn Sie den ROI im Zeitverlauf beobachten, sollten Sie berücksichtigen, dass er sich auch ändern kann, obwohl die Koeffizienten im Modell zeitunabhängig sind. Das liegt daran, dass er von zusätzlichen Faktoren abhängt, die sich mit der Zeit ändern können. Die Hill-Kurven modellieren beispielsweise die nicht linearen, sinkenden Renditen der Media-Ausführung. Daher kann die Menge der Media-Ausführung zu einem bestimmten Zeitpunkt den ROI beeinflussen. Außerdem kann die Media-Zuweisung je nach geografischer Einheit im Zeitverlauf unterschiedlich effektiv sein. Auch die Kosten für die Media-Ausführung können sich mit der Zeit ändern.

Kann die hierarchische Modellstruktur von Meridian auch für andere kategoriale Variablen als die geografische Einheit verwendet werden?

Die hierarchische Modellstruktur von Meridian wurde für die Modellierung auf geografischer Ebene entwickelt, die wichtige Vorteile bietet. Es ist zwar möglich, anstelle der geografischen Region eine andere kategoriale Variable als hierarchische Variable zu verwenden, dies wird jedoch im Allgemeinen nicht empfohlen. Wenn eine andere hierarchische Variable verwendet werden soll, müssen sowohl der KPI als auch die Media-Einheiten nach diesen Variablen aufgeschlüsselt werden können.

Hier einige Beispiele für hierarchische Variablen, die in der Regel nicht funktionieren:

• Produkt. Wenn Sie der Meinung sind, dass sich ein Werbekanal auf den KPI mehrerer Produkte auswirken kann, sollte „Produkt“ nicht als hierarchische Variable verwendet werden. Ein Kanal kann sich auf mehrere Produkte auswirken, wenn er auf die gesamte Marke ausgerichtet ist – nicht auf ein oder mehrere Produkte. Eine produktspezifische Werbekampagne kann sich aufgrund sogenannter Halo-Effekte auch auf den KPI anderer Produkte auswirken.
• Vertriebskanal (z. B. Online- oder Einzelhandel). Media-Einheiten sind in der Regel nicht auf einen einzelnen Vertriebskanal beschränkt.
• Werbekampagne. Media-Einheiten können zwar häufig nach Kampagne aufgeschlüsselt werden, der KPI jedoch nicht.

Auch wenn sowohl der KPI als auch Media-Einheiten nach einer nicht geografischen Variablen aufgeschlüsselt werden können, müssen Sie unbedingt prüfen, ob die folgenden Annahmen des hierarchischen Modells zutreffen.

• Im hierarchischen Modell werden Informationen teilweise für mehrere Kategorien zusammengefasst, um die Modellkoeffizienten für die Test- und Kontrollvariablen zu schätzen. Andere Modellparameter, etwa Parameter für den Zeiteffekt (Trend und Saisonalität), Adstock und abnehmende Renditen, werden für alle Kategorien als gemeinsame Parameter angenommen (vollständiges Pooling). Diese Annahmen sind in der Regel für die geografische Hierarchie angemessen, da der KPI und die Media-Einheiten in allen geografischen Einheiten im Wesentlichen gleich interpretiert werden.
• Die Annahme von gemeinsamen Parametern für den Zeiteffekt, Adstock und abnehmende Renditen ist in der Regel sinnvoller, wenn sowohl der KPI als auch die Media-Einheiten für jede Kategorie ungefähr vergleichbar skaliert sind. Bei geografischen Modellen wird dies durch die Skalierung der Grundgesamtheit sowohl der KPI als auch der Media-Einheiten erreicht. Bei anderen Variablen ist weniger klar, welche Skalierungsvariable anstelle der Grundgesamtheit verwendet werden sollte und ob sie auf den KPI, die Media-Einheiten oder beides angewendet werden sollte.
• Die Annahme eines stabilen Einheitsbehandlungswerts (Stable Unit Treatment Value Assumption, SUTVA) setzt voraus, dass der Test (Werbung) in einer Einheit keine Auswirkungen auf andere Einheiten hat. Diese Annahme ist in der Regel für geografische Testeinheiten angemessen (wird aber nie perfekt erfüllt). Bei nicht geografischen Kategorien kann es zu einer stärkeren kategorienübergreifenden Verunreinigung der Media-Effekte kommen.

Wenn Sie eine nicht geografische hierarchische Variable verwenden möchten, beachten Sie Folgendes.

• Eine Kontrollvariable kann über alle Kategorien hinweg dieselben Werte annehmen, sofern sie innerhalb jeder Kategorie variiert. Bei der Modellierung von Zeiteffekten mit vollständigen oder nahezu vollständigen Knoten können jedoch Konvergenzprobleme auftreten.
• Legen Sie unique_sigma_for_each_geo=True in der ModelSpec fest, da die Residualvarianz zwischen nicht geografischen Kategorien variieren kann.
• Da die geografische hierarchische Modellierung der häufigste Anwendungsfall ist, wird die hierarchische Variable gemäß der Namenskonvention von Meridian als „geo“ bezeichnet. Wenn Sie den Loader für CSV-Daten verwenden, müssen Sie Ihre hierarchische Variable in load.CoordToColumns als „geo“-Spalte kennzeichnen.
• Für Meridian ist eine Variable vom Typ „population“ (Grundgesamtheit) erforderlich. Diese Variable kann für alle Kategorieebenen auf 1 festgelegt werden, wenn die hierarchische Variable nicht geografisch („geo“) ist. Es kann jedoch sinnvoll sein, die Skalierung mit einem anderen Wert vorzunehmen. In Meridian werden sowohl der KPI als auch die Media-Einheiten automatisch durch Skalierung an die Grundgesamtheit angepasst. Wenn eine Variable NICHT skaliert werden soll, müssen Sie die Eingabedatenspalte mit der Grundgesamtheit multiplizieren, damit sie nach der Skalierung der Grundgesamtheit den ursprünglichen Wert hat.

Interpretation und Optimierung

Kann ich den ROI von Gebotsstrategien anhand der festgelegten Gebotsziele messen?

Der MMM-Datenfeed von Google liefert Informationen zum Gebotsstrategietyp (z. B. „Conversions maximieren“ und „Ziel-ROAS“) nach Kampagne. Das Gebotsziel selbst ist jedoch nicht im Feed enthalten. Werbetreibende, die Zugriff auf diese Dimension benötigen, können Berichte zur Gebotsstrategie direkt in Google Ads abrufen oder mit ihrem Google-Kundenbetreuer eine benutzerdefinierte Datenlösung ausarbeiten.