扩展到具有覆盖面和频次的模型

前面部分中所述的定义可以扩展,以用于具有覆盖面和频次数据的渠道。更笼统地说,潜在结果可以写成 \( \overset \sim Y_{g,t}^{ \left( \left\{ x_{g,t,i}^{(\ast)} \right\}, \left\{ r_{g,t,i}^{(\ast)} \right\}, \left\{ f_{g,t,i}^{(\ast)} \right\} \right) } \)

具有覆盖面和频次数据的 \(q^{th}\) 渠道的增量效果定义如下:

$$ \text{IncrementalOutcome}^{[RF]}_q = E \Biggl(\sum\limits_{g,t} \biggl( \overset \sim Y_{g,t}^{ \left( \left\{ x_{g,t,i} \right\}, \left\{ r_{g,t,i} \right\}, \left\{ f_{g,t,i} \right\} \right) } - \overset \sim Y_{g,t}^{ \left( \left\{ x_{g,t,i} \right\}, \left\{ r_{g,t,i}^{(0,q)} \right\}, \left\{ f_{g,t,i} \right\} \right) } \biggr) \bigg| \left\{ z_{g,t,i} \right\} \Biggr) $$

其中, \(r^{(0)}_{g,t,i}\) 表示所有渠道的观测覆盖面值,但渠道 \(q\)除外(该渠道在所有位置的观测覆盖面值均设置为零)。更具体地说:

  • \(r^{(0,q)}_{g,t,q} = 0\ \forall\ g,t\)
  • \(r^{(0,q)}_{g,t,i} = r_{g,t,i}\ \forall\ g,t,i \neq q\)

请注意,覆盖面值为零时,频次反事实值并不重要;无论后者为何,增量效果都应为零。在本定义中,将这些值任意设置为历史值。

具有覆盖面和频次数据的 \(q^{th}\) 渠道的投资回报率定义如下:

\[\text{ROI}^{[RF]}_q = \dfrac{\text{IncrementalOutcome}^{[RF]}_q}{\text{Cost}^ {[RF]}_q}\]

其中 \(\text{Cost}^{[RF]}_q=\sum\limits_{g,t} \overset \sim r_{g,t,q}\)。

请注意,在定义响应曲线时,可以通过多种方式对具有覆盖面和频次数据的渠道缩放支出。对于任何给定的支出水平,都可以通过任意数量的覆盖面和频次组合来达到该支出水平。Meridian 主要关注两类响应曲线:

  • 覆盖面响应曲线,其中覆盖面按比例缩放,频次设置为每个地理位置和时间段的历史值且保持不变。

  • 频次响应曲线,其中频次按比例缩放,覆盖面设置为每个地理位置和时间段的历史值且保持不变。

覆盖面响应曲线定义为以下函数:

$$ \text{IncrementalOutcome}_q^{[reach]} \left( \omega \cdot \text{Cost}_q^{[RF]} \right) = E \Biggl( \sum\limits_{g,t} \biggl( \overset \sim Y_{g,t}^{ (\{x_{g,t,i}\},\{r_{g,t,i}^{\omega,q}\},\{f_{g,t,i}\}) } - \overset \sim Y_{g,t}^{ (\{x_{g,t,i}\},\{r_{g,t,i}^{(0,q)}\},\{f_{g,t,i}\}) } \biggr) \bigg| \{z_{g,t,i}\} \Biggr) $$

其中, \(r_{g,t,i}^{(\omega,q)}\) 表示所有渠道的观测覆盖面值,但渠道 \(q\)除外(该渠道在所有位置的观测覆盖面值均需乘以系数 \(\omega\) )。更具体地说:

  • \(r_{g,t,q}^{(\omega,q)}=\omega \cdot r_{g,t,q}\ \forall\ g,t\)
  • \(r_{g,t,i}^{(\omega,q)}=r_{g,t,i}\ \forall\ g,t,i \neq q\)

频次响应曲线定义为以下函数:

$$ \text{IncrementalOutcome}_q^{[freq]} \left( \omega \cdot \text{Cost}_q^{[RF]} \right) = E \Biggl( \sum\limits_{g,t} \biggl( \overset \sim Y_{g,t}^{ (\{x_{g,t,i}\},\{r_{g,t,i}\},\{f_{g,t,i}^{(\omega,q)}\}) } - \overset \sim Y_{g,t}^{ (\{x_{g,t,i}\},\{r_{g,t,i}^{(0,q)}\},\{f_{g,t,i}\}) } \biggr) \bigg| \{z_{g,t,i}\} \Biggr) $$

其中, \(f_{g,t,i}^{(\omega,q)}\) 表示所有渠道的观测频次值,但渠道 \(q\)除外(该渠道在所有位置的观测频次值均需乘以系数 \(\omega\) )。更具体地说:

  • \(f_{g,t,q}^{(\omega,q)}=\omega \cdot f_{g,t,q}\ \forall\ g,t\)
  • \(f_{g,t,i}^{(\omega,q)}=f_{g,t,i}\ \forall\ g,t,i \neq q\)

请注意,如果 \(\omega < \dfrac{1}{min_{g,t} f_{g,t}}\),对于某些 \(g,t\)组合,反事实频次 \(\omega \cdot f_{g,t,q}\) 将小于 1。虽然平均频次值不可能小于 1,但 Meridian 的模型规范允许针对此类不太可能出现的值估计增量效果。在解读 \(\omega\)值如此小的响应曲线时务必要小心谨慎。