Código abierto de Meridian
Crea, ejecuta y analiza modelos de Marketing Mix Modeling (MMM) con las capacidades avanzadas de modelado bayesiano y de inferencia causal de Meridian.
Explora la biblioteca de código abierto de Meridian
Aspectos básicos
Introducción a Meridian, glosario y preguntas frecuentes.
Guía del usuario
Instrucciones paso a paso para instalar y usar la biblioteca de Meridian.
Guías de modelado
Obtén orientación en cada paso de tu recorrido de Meridian:
- Premodelado: Recopila los datos correctos y prepárate para el modelado.
- Modelado aplicado: Configura y ejecuta Meridian, incluida la personalización y la calibración avanzadas.
- Posmodelado: Evalúa el estado del modelo, interpreta los resultados y optimiza los presupuestos.
- Modelado bayesiano y teoría de la inferencia causal: Explora los fundamentos teóricos de Meridian.
Ejemplos de código
Explora ejemplos y casos de uso de extremo a extremo en notebooks interactivos de Colab.
Referencia de la API
Documentación detallada de todas las clases y funciones de la biblioteca de Meridian.
Registro de cambios
Mantente al tanto de los lanzamientos más recientes, las funciones nuevas y las correcciones de errores en la biblioteca de Meridian.
Serie de videos educativos
-
Introducción a Meridian
-
Demostración de Meridian
-
Comparación entre el modelado a nivel nacional y geográfico
-
Introducción a las distribuciones a priori
-
Tipos de distribuciones a priori para los tratamientos
-
Cómo calibrar distribuciones a priori para los tratamientos
-
Nudos en Meridian
-
Resultados incrementales, ROI, mROI y curvas de respuesta
-
Controles, mediadores y tratamientos en Meridian
-
Adstock y Hill
Rutas de aprendizaje recomendadas
Meridian está diseñado para equipos de medición multidisciplinarios. Según tu rol, te recomendamos las siguientes rutas:
Analistas de marketing y usuarios empresariales
Comienza con el premodelado para recopilar y organizar tus datos. Luego, explora las guías de posmodelado para interpretar las visualizaciones, evaluar el ROI y ejecutar optimizaciones del presupuesto.
Científicos de datos y profesionales técnicos
Analiza en detalle el modelado aplicado para configurar el modelo bayesiano y personalizar las distribuciones a priori. Explora el modelado bayesiano y la teoría de la inferencia causal para comprender los fundamentos matemáticos y teóricos.