Der Prozess vor der Modellierung ist ein wichtiger erster Schritt beim Erstellen eines erfolgreichen Marketing-Mix-Modells (MMM). In dieser Phase werden Ihre Daten erhoben, bereinigt und organisiert, damit sie für die Modellierung bereit sind. Eine gut durchdachte Phase vor der Modellierung trägt dazu bei, ein verlässliches Modell zu erstellen. In diesem Abschnitt finden Sie eine Anleitung zu den wichtigsten Schritten in diesem Prozess.
| Seite | Beschreibung |
|---|---|
| Daten erheben und organisieren | Daten für Meridian erheben und organisieren In diesem Leitfaden werden die wichtigsten Daten behandelt, die Sie benötigen, z. B. Media-Ausgaben, KPIs und Kontrollvariablen. Außerdem werden Empfehlungen dazu gegeben, wie detailliert Ihre Daten in Bezug auf geografische Einheit, Zeit und Media-Channels sein sollten. |
| Erforderliche Datenmenge | Umfang der für Ihr Marketing-Mix-Modell erforderlichen Daten Auf dieser Seite wird erläutert, dass der Umfang der Daten von der jeweiligen Situation abhängt. Darin werden die unterschiedlichen Datenanforderungen für Modelle auf Länder- und geografischer Ebene behandelt und Lösungen für Situationen angeboten, in denen möglicherweise nicht genügend Daten vorhanden sind. |
| Modellierung auf geografischer Ebene | Hier erfahren Sie, welche Vorteile es hat, Daten nach Regionen statt nach Ländern aufzuschlüsseln. Die Verwendung von Daten auf geografischer Ebene kann zu genaueren und zuverlässigeren Modellergebnissen führen, weil die statistische Aussagekraft verbessert und potenzielle Bias reduziert werden. In diesem Leitfaden finden Sie auch Tipps zur Auswahl Ihrer geografischen Einheiten und zur Einbeziehung von Daten auf Länderebene in ein Modell auf geografischer Ebene. |
| MMM Data Platform verwenden | In diesem Leitfaden erfahren Sie, wie Sie mit der Google MMM Data Platform wichtige Daten für Ihr Modell abrufen, z. B. Google-Suchtrends und YouTube-Messwerte. Sie erfahren, wie Sie den Zugriff verwalten, die Datenbereitstellung einrichten und Datenanfragen stellen. Außerdem wird die Struktur der Daten erklärt, die Sie von verschiedenen Google-Werbeplattformen erhalten. |
| Explorative Datenanalyse durchführen | Weitere Informationen zur explorativen Datenanalyse (EDA), einem wichtigen Schritt vor dem Erstellen des Modells. Damit können Sie Probleme in Ihren Daten finden und beheben, sodass Ihr Modell eine solide Grundlage hat. Sie erfahren, wie Sie nach fehlenden oder ungenauen Daten suchen, Fehler korrigieren und nach starken Korrelationen zwischen Variablen suchen, die sich auf die Leistung Ihres Modells auswirken könnten. |