Meridian ofrece varias formas de parametrizar el efecto causal de cada variable de tratamiento en el KPI. Nos referimos a cada opción como una parametrización del modelo diferente. En la inferencia bayesiana, se debe establecer una distribución a priori en los parámetros del modelo. Por lo tanto, la parametrización del modelo determina a qué se aplica precisamente la distribución a priori que se está configurando.
Se puede especificar el tipo de distribución a priori para cada tipo de tratamiento. ModelSpec
contiene los argumentos media_prior_type
, rf_prior_type
, organic_media_prior_type
, organic_rf_prior_type
y non_media_treatments_prior_type
, que te permiten especificar si se coloca una distribución a priori en el ROI, el mROI, la contribución o la media del coeficiente. (Las distribuciones a priori del ROI y el mROI solo están disponibles para los medios pagados).
El objeto PriorDistribution
tiene un argumento para cada combinación de tipo de tratamiento y tipo de distribución a priori.
Para cada tipo de tratamiento, solo se usa el argumento correspondiente al tipo de distribución a priori seleccionado. Los demás se ignoran. Por ejemplo, los argumentos correspondientes a los medios pagados sin datos de alcance y frecuencia son roi_m
, mroi_m
, contribution_m
y beta_m
. Si media_prior_type
es 'roi'
, se usa roi_m
y se ignoran los demás.
Cada parametrización del modelo tiene una distribución a priori predeterminada diferente. En las siguientes tablas, se resumen las distribuciones a priori predeterminadas de cada parametrización del modelo.
Medios pagados
En la siguiente tabla, se ofrece un resumen de la parametrización del modelo y de las distribuciones a priori predeterminadas en relación con el efecto causal de los medios pagados en el KPI. Estas varían según los argumentos media_prior_type
y rf_prior_type
en ModelSpec
. La parametrización del modelo y las distribuciones a priori predeterminadas también dependen de si el resultado son los ingresos. El resultado son los ingresos cuando el KPI corresponde a los ingresos o cuando se pasa revenue_per_kpi
a InputData
.
El resultado no son los ingresos ("no es de ingresos") cuando el KPI no corresponde a los ingresos y no se pasa revenue_per_kpi
a InputData
. En la tabla, también se incluye una columna que indica el parámetro correspondiente en el contenedor PriorDistribution
, que permite personalizar la distribución a priori.
Tipo de modelo | Distribución a priori predeterminada | ||
---|---|---|---|
media_prior_type/rf_prior_type |
Resultado | Tipo de distribución a priori | Parámetro en PriorDistribution |
'roi' (predeterminada) |
Ingresos | ROI | roi_m , roi_rf |
'roi' (predeterminada) |
No es de ingresos | Contribución total de los medios pagados | roi_m , roi_rf |
'mroi' |
Ingresos | mROI | mroi_m , mroi_rf |
'mroi' |
No es de ingresos | No hay una configuración predeterminada, sino que se debe establecer | mroi_m , mroi_rf |
'contribution' |
Ingresos | Contribución | contribution_m , contribution_rf |
'contribution' |
No es de ingresos | Contribución | contribution_m , contribution_rf |
'coefficient' |
Ingresos | Coeficiente | beta_m , beta_rf |
'coefficient' |
No es de ingresos | Coeficiente | beta_m , beta_rf |
La distribución que se usa como distribución a priori predeterminada de cada parametrización del modelo se resume en Distribuciones a priori predeterminadas.
Para cada situación que se menciona en la tabla, se debe establecer una distribución a priori personalizada. Para ello, utiliza el parámetro de PriorDistribution
adecuado que se indica en la tabla. Al establecer una distribución a priori personalizada, es importante comprender a qué se aplica. Para obtener más información sobre las definiciones de ROI, mROI y contribución, consulta Parametrización del ROI, el mROI y las contribuciones.
Para obtener más información sobre la definición de un coeficiente, consulta la especificación del modelo. Consulta Distribución a priori personalizada de la contribución total de los medios pagados para obtener más información al respecto.
Medios orgánicos
La distribución a priori predeterminada para los efectos de tratamiento de las variables de medios orgánicos se especifican por medio de los argumentos organic_media_prior_type
y organic_rf_prior_type
. Las opciones son 'contribution'
y 'coefficient'
, y 'contribution'
es la predeterminada. Si se usan distribuciones a priori de contribución, se especifica una distribución a priori en los parámetros contribution_om
y contribution_orf
. Si se usan las distribuciones a priori de los coeficientes, se especifica una distribución a priori en los parámetros beta_om
y beta_orf
.
Tratamientos que no son de medios
La distribución a priori predeterminada para los efectos de tratamiento de las variables que no son de medios se especifican por medio del argumento non_media_treatments_prior_type
. Las opciones son 'contribution'
y 'coefficient'
, y 'contribution'
es la predeterminada, independientemente de si el resultado son los ingresos. Si se usan las distribuciones a priori de contribución, se especifica una distribución a priori en el parámetro contribution_n
. Si se usan las distribuciones a priori de los coeficientes, se especifica una distribución a priori en el parámetro gamma_n
.