モデリング後の概要

モデルを構築したら、次はモデルの適合度を評価し、結果を解釈して、その結果をマーケティングの意思決定に活用します。このモデリング後のフェーズでは、マーケティングの効果に関する洞察を深め、今後の計画を立てます。このセクションでは、モデルの出力を理解し、一般的な問題をデバッグし、予算オプティマイザーを使用する方法について説明します。

ページ	説明
モデルの適合度と結果を評価する	実際のところ、モデルはデータにどの程度一致していますか？ このページでは、モデルの「適合度」（または「適合の度合い」）を評価するための決定係数などの重要な指標について説明します。 モデルの予測精度を評価する方法と、因果推論におけるこれらの指標の制限事項について学習します。
増分結果、費用対効果、限界費用対効果、応答曲線	このページでは、モデルの最も重要な出力の一部である応答曲線、費用対効果、限界費用対効果について説明します。 応答曲線を読み取ってマーケティング費用の収益逓減を把握する方法と、費用対効果（全体的な収益）と限界費用対効果（1 ドルの追加投資をした場合の効果）の違いについて学習します。
ベースラインを評価する	このページでは、モデルの「ベースライン」が何を表しているかについて説明します。 ベースラインは、マーケティング活動をまったく実施しなかった場合に「想定される結果」です。 ベースラインを理解することは、マーケティング活動の「増分効果」を測定するうえで鍵となります。
可視化の解釈	メリディアンでは、モデルの結果を把握するためにさまざまなプロットとグラフが生成されます。 このガイドでは、主な可視化を紹介し、各可視化で示されるデータと、それらを使ってモデルのパフォーマンスを評価し、マーケティング活動に関する分析情報を得る方法について説明します。
最適化の解釈	予算の最適化を実行した後、このページを確認すると、結果を把握するのに役立ちます。 ここでは、推奨予算調整や KPI の見込み増加値など、オプティマイザーのさまざまな出力について説明します。 これらの最適化案を解釈して、十分な情報に基づいて今後のマーケティング予算に関する意思決定を行う方法を学びます。
モデルの更新	マーケティング環境は常に変化しているため、モデルも変化に対応する必要があります。 このページでは、新しいデータでモデルを更新するためのおすすめの方法を紹介します。 どのくらいの頻度でモデルを更新する必要があるか説明し、モデルの精度と関連性を維持するための手順を紹介します。
モデルのデバッグ	このページでは、モデリング プロセスで発生する可能性のある一般的な問題と、その対処方法について説明します。 予期しない費用対効果の値からモデルの収束に関する問題まで、このガイドでは、モデルのトラブルシューティングと改善のための実践的なヒントを紹介します。
リーチとフリークエンシーのデータを使用する最適化	リーチとフリークエンシーのデータがあるチャネルでは、最適化プロセスはより複雑になります。 このページでは、メリディアンの予算オプティマイザーが、より豊富なこのデータを使って、費用の推奨額だけでなく、目指すべき最適なフリークエンシーについても最適化案を提示する仕組みについて説明します。
リーチとフリークエンシーのデータを使用しない最適化	このガイドでは、リーチとフリークエンシーのデータがないチャネルでメリディアンの予算オプティマイザーを使用する方法について説明します。 このタイプのデータから生成された応答曲線に基づいて最適な予算配分を見つけるプロセスについて詳しく紹介します。