このページでは、キャンペーンの増分効果を測定するうえで鍵となる分析モジュールについて説明します。データの準備方法、反事実モデリングの理解、設計を考慮した推論の活用、マーケティング ミックス モデル（MMM）の調整にレポート出力を使用する方法について説明します。
分析を準備する
分析を開始するには、新たな費用やコンバージョン データなど、テスト前期間とテスト期間の時系列データを準備します。分析モジュールは、来歴情報（初期の調査設計フェーズで生成された特定の設計構成、分析手法、地域割り当て）をシームレスに活用します。インクリメンタリティ効果および関連する信頼区間を正確に分析するには、テスト前期間とテスト期間における、元の設計と時系列データの両方が必要です。詳細については、分析データを準備するをご覧ください。
反事実モデリング
キャンペーンの実際のインクリメンタリティを計算するために、Meridian GeoX フレームワークでは反事実モデリング（主に時間ベース回帰（TBR）手法）が採用されています。詳細については、反事実モデリングをご覧ください。
堅牢な推論
観察されたリフトが統計的に有意かどうかを判断するために、Meridian GeoX では、「設計を考慮した推論」と呼ばれる高度な手法が採用されています。このアプローチは、GeoX でしばしばうまくいかない他の標準的な推論フレームワークの手法上の課題を解決します。堅牢な推論アプローチにより、第一種過誤を増やすことなく正確な p 値を確保し、調査の統計的検出力を最大化します。詳細については、堅牢な推論をご覧ください。
次のステップ: 出力と MMM の調整
分析フェーズの最終出力では、増分コンバージョン（リフト）の点推定値やリフト率などの実用的な指標、およびこれらの指標に関連する信頼区間と p 値が提供されます。また、1 ドルあたりの増分コンバージョン（iCPD）（収益データを使用する場合は広告費用対効果の増分（iROAS）に相当）などの指標も確認できます。詳細な分析を行うために、これらの結果を可視化することも可能です。これらの出力を必要に応じて調整し、データドリブンのカスタムな事前分布としてエクスポートすることで、メリディアン モデルを調整し、長期的な測定精度を向上させることができます。詳細については、分析出力とインクリメンタリティ ベースの調整の概要をご覧ください。