采用因果推理和贝叶斯建模的理由

采用因果推理的理由非常简单且令人信服。MMM 估计的所有数量都暗示了因果关系。在估算投资回报率、绘制响应曲线和进行最佳预算分析时，我们会考虑，如果采用不同的营销支出，结果会如何变化，因此整个过程中会考虑营销支出对 KPI 的影响。从 Meridian 设计的角度来看，除了使用因果推理方法之外，别无选择。

Meridian 是一种回归模型。营销效应之所以可被解释为因果影响，是由于所定义的被估量和做出的假设（如因果 DAG）。虽然这些假设可能并不适用于所有广告客户，但我们会公开披露这些假设，以供各个广告客户自行决定。

虽然贝叶斯建模不是因果推理的必要条件，但由于贝叶斯方法具有以下优势，因此被 Meridian 所采用：

1. 贝叶斯模型的先验分布提供了一种直观的方式，可根据先验知识和所选正则化强度，对每个形参的拟合进行正则化处理。在 MMM 中，正则化是必要的，因为变量数量很大，相关性通常很高，并且媒体效应（包括 Adstock 和回报递减）非常复杂。
2. 就投资回报率而言，Meridian 提供了相关选项，可对回归模型进行重新参数化，从而允许使用任何自定义投资回报率先验。包括实验结果在内的任何及所有可用知识都可以用于设置先验，让您能够以您认为合适的强度对您信任的结果进行正则化处理。
3. 媒体变量转换（Adstock 和回报递减）是非线性的，并且这些转换的形参无法通过线性混合模型技术进行估计。但 Meridian 可使用先进的 MCMC 采样技术解决此问题。