El modelado de combinación de marketing (MMM) es fundamentalmente un problema causal: su objetivo es determinar el efecto causal que tienen tus inversiones de marketing en los resultados de tu empresa. Para hacerlo de forma rigurosa, Meridian se basa en la inferencia causal y las estadísticas bayesianas. Esta sección incluye una descripción general de esos principios fundamentales, en la que se explica el "por qué" de la metodología de Meridian y las suposiciones clave que hacen posibles las estadísticas que proporciona.
Conceptos básicos de la inferencia causal
Esta sección presenta los conceptos básicos de la inferencia causal y el modelado bayesiano, además de explicar por qué estos enfoques son esenciales para un MMM práctico.
| Página | Descripción |
|---|---|
| Justificación de la inferencia causal y el modelado bayesiano | Esta página explica por qué Meridian se basa en un marco de trabajo de inferencia causal. En particular, aclara que el objetivo del MMM es comprender el efecto causal de la actividad de marketing en los resultados comerciales. |
| Introducción a la inferencia bayesiana | Obtén una introducción a las ideas centrales de la estadística bayesiana. Esta página abarca conceptos como las "distribuciones a priori" (lo que sabes de antemano) y las "distribuciones a posteriori" (lo que aprendes de tus datos), así como la manera en que este enfoque permite que Meridian genere un rango completo de incertidumbre en sus estimaciones. |
| Acerca del MMM como metodología de inferencia causal | Esta página indica cómo se adapta el MMM al campo más amplio de la inferencia causal. Específicamente, compara el MMM, que utiliza datos observacionales, con los experimentos controlados, además de describir las suposiciones clave que se requieren para extraer conclusiones causales de tus datos de marketing. |
Suposiciones de la inferencia causal de Meridian
Para que Meridian estime con precisión el impacto causal de tus iniciativas de marketing, debe realizar algunas suposiciones clave. Esta sección detalla cuáles son esas suposiciones y cómo se justifican.
| Página | Descripción |
|---|---|
| Suposiciones obligatorias | Esta página describe las suposiciones fundamentales, como la "intercambiabilidad condicional", que se requieren para que un modelo de combinación de marketing produzca estimaciones causales válidas. En particular, explica qué significan esas suposiciones en términos prácticos para tu análisis. |
| El gráfico causal | Obtén información sobre el "gráfico causal", que es un mapa de las relaciones de causa y efecto en tu ecosistema de marketing. Esta página explica de qué manera Meridian se basa en ese gráfico supuesto para garantizar que el modelo esté estructurado correctamente para estimar el efecto causal de la inversión de marketing en los resultados comerciales. |
| Cómo estimar el resultado incremental utilizando una regresión | Esta página detalla el método estadístico que usa Meridian para calcular el "resultado incremental", que es la base del ROI, el mROI y las curvas de respuesta. Esto representa el núcleo del análisis, ya que te muestra qué porción de tu KPI es causada por cada actividad de marketing. |
| Ampliación a modelos con datos de alcance y frecuencia | Esta página explica cómo se adapta el marco de trabajo causal para los canales con datos de alcance y frecuencia. En particular, indica la manera en que esos datos de entrada más enriquecidos permiten comprender el impacto causal de tus medios de forma más detallada. |
Referencias
| Página | Descripción |
|---|---|
| Referencias | Esta página incluye una lista de los principales artículos académicos y estudios de investigación que conforman la base teórica del enfoque de Meridian para el modelado de combinación de marketing. |