このページでは、コード スニペットを使用して、Meridian GeoX 調査の分析ワークフローをステップごとに説明します。各プロセスの詳細な説明については、このガイド全体でリンクされている記事をご覧ください。
既存の設計を読み込む
分析フェーズは、設計フェーズで定義された特定のテスト パラメータを復元することから始まります。JSON ファイルから設計を読み込むと、分析で、調査用に最適化されたものとまったく同じ地理的割り当て（介入群と対照群）が使用されます。
# Load the existing design
loaded_design = geox.Design.load_from_json(saved_design_json)
分析を設定する
分析を開始する前に、データセットと構成パラメータを設定します。
データを準備する
コンバージョン データと費用データをテスト前データと同じ形式で準備します。ただし、分析データにはテスト前期間とテスト期間の両方が含まれるようにしてください。
geox.AnalysisConfig を定義する
分析を実行するには、geox.AnalysisConfig を定義する必要があります。この構成では、地域分割、地域割り当てルール、手法（反事実モデリングや時間ベースの回帰など）を含め、テストに使用される設計を指定します。この構成の分析期間（テストの開始日と終了日）は、キャンペーンの効果を完全に把握するために、テスト期間全体をカバーする必要があります。必要に応じて、analysis_end_date を拡張してクールダウン期間を含めることができます。
# Set analysis config
analysis_config = geox.AnalysisConfig(
design=loaded_design,
analysis_start_date=pd.to_datetime("2020-04-01"),
analysis_end_date=pd.to_datetime("2020-04-30"),
)
分析を実行する
最後に、geox.analyze() 関数が、結合されたデータと構成を処理します。反事実モデリングを実行して、期待されるパフォーマンスの合成ベースラインを確立します。これにより、マーケティング介入がない場合の「What-If」シナリオで予測されるコンバージョンが返されます。この関数は、この反事実ベースラインと介入群で実際に観測されたパフォーマンスを比較することで、頑健性の高い推論を使用して増分効果の統計的有意性を検証し、キャンペーンによって生成された費用対効果またはリフトを示します。
print("\nAnalyzing experiment results...")
analysis_result = geox.analyze(
analysis_data, analysis_config
)
# Returns not only point estimates, but also confidence intervals for various
# incrementality metrics.
analysis_result.results
Meridian GeoX では、数値レポートに加えて、これらのインクリメンタリティ指標の時系列の可視化も返されます。詳細については、分析出力をご覧ください。