Обоснование причинно-следственного вывода и байесовского моделирования

Причина принятия подхода причинного вывода проста и убедительна. Все величины, которые оценивает МММ, подразумевают причинность. Окупаемость инвестиций, кривые отклика и анализ оптимального бюджета относятся к тому, как маркетинговые расходы влияют на ключевые показатели эффективности, путем рассмотрения того, что произошло бы, если бы маркетинговые расходы были другими. С точки зрения дизайна Меридиана, нет другой альтернативы, кроме как использовать методологию причинного вывода.

Меридиан — это регрессионная модель. Тот факт, что маркетинговые эффекты можно интерпретировать как причинно-следственные, обусловлен определенными оценками и сделанными предположениями (такими как причинный DAG). Хотя эти предположения могут не выполняться для каждого рекламодателя, они прозрачно раскрываются, и каждый рекламодатель может принять решение.

Хотя байесовское моделирование не является необходимым для причинного вывода, Meridian использует байесовский подход, поскольку он предлагает следующие преимущества:

1. Априорные распределения байесовской модели предлагают интуитивный способ регуляризации подбора каждого параметра в соответствии с предварительными знаниями и выбранной силой регуляризации. Регуляризация необходима в МММ, потому что количество переменных велико, корреляции часто высоки, а эффекты СМИ (рекламные акции и уменьшающаяся доходность) сложны.
2. Meridian предлагает возможность перепараметризации регрессионной модели с точки зрения рентабельности инвестиций, что позволяет предварительно использовать любую пользовательскую рентабельность инвестиций. Любые и все доступные знания, включая результаты экспериментов, можно использовать для установки априорных значений, которые приводят к результатам, в которые вы верите, с той силой, которую вы считаете подходящей.
3. Преобразования переменных СМИ (рекламные акции и убывающая доходность) являются нелинейными, и параметры этих преобразований не могут быть оценены с помощью методов линейной смешанной модели. Для решения этой проблемы компания Meridian использует самые современные методы отбора проб MCMC .