リーチとフリークエンシーのデータがある地域レベルのデータを読み込む

それぞれのデータ型と形式の例として、シミュレートされたデータを次のセクションに示します。

CSV

シミュレートされた CSV データを CsvDataLoader を使用して読み込む手順は次のとおりです。

  1. 列名を変数型にマッピングします。必要な変数型は time、geo、controls、population、kpi、revenue_per_kpi です。リーチとフリークエンシーのデータがないメディア チャネルの場合は、メディア露出とメディア費用をそれぞれ media と media_spend の各カテゴリに割り当てる必要があります。逆に、リーチとフリークエンシーのデータがあるメディア チャネルの場合は、リーチ、フリークエンシー、メディア費用をそれぞれ reach、frequency、rf_spend のカテゴリにマッピングする必要があります。各変数の定義については、データの収集と整理をご覧ください。

    coord_to_columns = load.CoordToColumns(
    time='time',
    geo='geo',
    controls=['GQV', 'Discount', 'Competitor_Sales'],
    population='population',
    kpi='conversions',
    revenue_per_kpi='revenue_per_conversion',
    media=[
        'Channel0_impression',
        'Channel1_impression',
        'Channel2_impression',
        'Channel3_impression',
    ],
    media_spend=[
        'Channel0_spend',
        'Channel1_spend',
        'Channel2_spend',
        'Channel3_spend',
    ],
    reach =['Channel4_reach', 'Channel5_reach'],
    frequency=['Channel4_frequency', 'Channel5_frequency'],
    rf_spend=['Channel4_spend', 'Channel5_spend'],
)

  2. メディア露出、リーチ、フリークエンシー、メディア費用を、2 ページに出力して表示する指定したチャネル名にマッピングします。次の例では、Channel0_impression と Channel0_spend が、同じチャネル Channel0 に結び付けられています。また、Channel4_reach、Channel4_frequency、Channel4_spend は同じチャネル Channel4 に結び付けられています。

    correct_media_to_channel = {
    'Channel0_impression': 'Channel0',
    'Channel1_impression': 'Channel1',
    'Channel2_impression': 'Channel2',
    'Channel3_impression': 'Channel3',
}
correct_media_spend_to_channel = {
    'Channel0_spend': 'Channel0',
    'Channel1_spend': 'Channel1',
    'Channel2_spend': 'Channel2',
    'Channel3_spend': 'Channel3',
}

correct_reach_to_channel = {
    'Channel4_reach': 'Channel4',
    'Channel5_reach': 'Channel5',
}
correct_frequency_to_channel = {
    'Channel4_frequency': 'Channel4',
    'Channel5_frequency': 'Channel5',
}
correct_rf_spend_to_channel = {
    'Channel4_spend': 'Channel4',
    'Channel5_spend': 'Channel5',
}

  3. CsvDataLoader を使用してデータを読み込みます。

    loader = load.CsvDataLoader(
    csv_path=f'/{PATH}/{FILENAME}.csv',
    kpi_type='non_revenue',
    coord_to_columns=coord_to_columns,
    media_to_channel=correct_media_to_channel,
    media_spend_to_channel=correct_media_spend_to_channel,
    reach_to_channel=correct_reach_to_channel,
    frequency_to_channel=correct_frequency_to_channel,
    rf_spend_to_channel=correct_rf_spend_to_channel,
)
data = loader.load()

    ここで

    • kpi_type は、'revenue' か 'non_revenue' のいずれかです。
    • PATH は、データファイルの場所へのパスです。
    • FILENAME はデータファイルの名前です。

Xarray データセット

シミュレートされた Xarray データセットを XrDatasetDataLoader を使用して読み込む手順は次のとおりのです。

  1. 次のように pickle を使用して、データを読み込みます。

    import pickle
with open(f'/{PATH}/{FILENAME}.pkl', 'r') as fh:
  XrDataset=pickle.load(fh)

    ここで

    • PATH は、データファイルの場所へのパスです。
    • FILENAME はデータファイルの名前です。

  2. データセットを XrDatasetDataLoader に渡します。name_mapping 引数を使用して、座標と配列をマッピングします。入力データセットでの名前が必須の名前と異なる場合は、それらの名前をマッピングします。必要な座標名は geo、time、control_variable、media_channel、rf_channel です。ここで、rf_channel はリーチとフリークエンシーのデータがあるチャネルを表します。必要なデータ変数名は、kpi、revenue_per_kpi、controls、population、media、media_spend、reach、frequency、rf_spend です。

    loader = load.XrDatasetDataLoader(
    XrDataset,
    kpi_type='non_revenue',
    name_mapping={
        'channel': 'media_channel',
        'control': 'control_variable',
        'conversions': 'kpi',
        'revenue_per_conversion': 'revenue_per_kpi',
        'control_value': 'controls',
        'spend': 'media_spend',
        'reach': 'reach',
        'frequency': 'frequency',
        'rf_spend': 'rf_spend',
    },
)

data = loader.load()

    ここで

    • kpi_type は、'revenue' か 'non_revenue' のいずれかです。

その他のデータ形式

シミュレートされた他のデータ形式（excel など）を DataFrameDataLoader を使用して読み込む手順は次のとおりのです。

  1. 列名を変数型にマッピングします。必要な変数型は time、geo、controls、population、kpi、revenue_per_kpi です。リーチとフリークエンシーのデータがないメディア チャネルの場合は、メディア露出とメディア費用をそれぞれ media と media_spend の各カテゴリに割り当てる必要があります。逆に、リーチとフリークエンシーのデータがあるメディア チャネルの場合は、リーチ、フリークエンシー、メディア費用をそれぞれ reach、frequency、rf_spend のカテゴリにマッピングする必要があります。各変数の定義については、データの収集と整理をご覧ください。

    coord_to_columns = load.CoordToColumns(
    time='time',
    geo='geo',
    controls=['GQV', 'Discount', 'Competitor_Sales'],
    population='population',
    kpi='conversions',
    revenue_per_kpi='revenue_per_conversion',
    media=[
        'Channel0_impression',
        'Channel1_impression',
        'Channel2_impression',
        'Channel3_impression',
    ],
    media_spend=[
        'Channel0_spend',
        'Channel1_spend',
        'Channel2_spend',
        'Channel3_spend',
    ],
    reach =['Channel4_reach', 'Channel5_reach'],
    frequency=['Channel4_frequency', 'Channel5_frequency'],
    rf_spend=['Channel4_spend', 'Channel5_spend'],
)

  2. メディア露出、リーチ、フリークエンシー、メディア費用を、2 ページに出力して表示する指定したチャネル名にマッピングします。次の例では、Channel0_impression と Channel0_spend が、同じチャネル Channel0 に結び付けられています。また、Channel4_reach、Channel4_frequency、Channel4_spend は同じチャネル Channel4 に結び付けられています。

    correct_media_to_channel = {
    'Channel0_impression': 'Channel0',
    'Channel1_impression': 'Channel1',
    'Channel2_impression': 'Channel2',
    'Channel3_impression': 'Channel3',
}
correct_media_spend_to_channel = {
    'Channel0_spend': 'Channel0',
    'Channel1_spend': 'Channel1',
    'Channel2_spend': 'Channel2',
    'Channel3_spend': 'Channel3',
}

correct_reach_to_channel = {
    'Channel4_reach': 'Channel4',
    'Channel5_reach': 'Channel5',
}
correct_frequency_to_channel = {
    'Channel4_frequency': 'Channel4',
    'Channel5_frequency': 'Channel5',
}
correct_rf_spend_to_channel = {
    'Channel4_spend': 'Channel4',
    'Channel5_spend': 'Channel5',
}

  3. データ（excel など）を DataFrameDataLoader に読み込んでからロードします。

    df = pd.read_excel(f'/{PATH}/{FILENAME}.xlsx')
loader = load.DataFrameDataLoader(
    df=df,
    kpi_type='non_revenue',
    coord_to_columns=coord_to_columns,
    media_to_channel=correct_media_to_channel,
    media_spend_to_channel=correct_media_spend_to_channel,
    reach_to_channel=correct_reach_to_channel,
    frequency_to_channel=correct_frequency_to_channel,
    rf_spend_to_channel=correct_rf_spend_to_channel,
)
data = loader.load()

    ここで

    • kpi_type は、'revenue' か 'non_revenue' のいずれかです。
    • PATH は、データファイルの場所へのパスです。
    • FILENAME はデータファイルの名前です。

次で、モデルを作成できます。

前へ
リーチとフリークエンシーのデータがない地域レベルのデータを読み込む
次へ
オーガニック メディアとメディア以外のトリートメントがある地域レベルのデータを読み込む