Marketing Mix Modeling: die Entscheidung spezifizieren, bevor das Modell geschätzt wird.
Direkt überprüfbare Belege
Primärquellen zur Prüfung der zentralen Aussagen.
- Offizielle Google-Meridian-Dokumentation (öffnet in einem neuen Tab)
MMM-Workflow, Daten, Modellierung, Analyse und Optimierung.
Stand des Nachweises
Was nicht reproduziert wurde.
Der Datensatz und der Generator der Quelle wurden geprüft, und das Modell der Veröffentlichung wurde vollständig trainiert. Es reproduziert die drei von ihr veröffentlichten Leistungswerte — Trainings-R² von 0,949, Holdout-R² von 0,843, Holdout-RMSE von 0,53 Mio. — auf denselben Daten und derselben Aufteilung (190 Regionen, 109 Wochen, 13 Kanäle, davon 13 Wochen für die Auswertung zurückgehalten). Die kausale Struktur, die die Veröffentlichung hervorhebt, ergibt sich daraus nicht: der erhaltene Graph unterscheidet keine Beziehung zwischen den Kanälen. Die drei Methoden, mit denen sie sich vergleicht, wurden nicht wiederholt.
Was zu unterscheiden ist
Drei Bedingungen vor jeder Berechnung.
Wirtschaftlicher Estimand
Die Zielgröße muss dem zu optimierenden Wert entsprechen: Nettoumsatz, Marge, Neukunden oder Beitrag. Das Modell gibt an, ob die Effekte inkrementell, durchschnittlich oder marginal sind und wie die Medienkosten behandelt werden.
Identifizierbarkeit
Variation, Kollinearität, Support, Zahl der Beobachtungen und Störfaktoren bestimmen, was das Modell trennen kann. Ein unter einem starken Prior plausibler Koeffizient ist keine vollständig aus den Daten erzeugte Information.
Entscheidungsvalidierung
Der Prognosefehler genügt nicht. Vorzeichen, Größenordnung, Stabilität, Zerlegung, Grenzsteigung und die Leistung einer rückblickenden Allokation müssen geprüft und dann mit kompatiblen Experimenten kalibriert werden.
Methode
Den Modellvertrag schreiben und durchsetzen
- 01Die Entscheidung rahmen
Budget, Kanäle, Einheiten, Perioden, Szenarien, Restriktionen und Aktualisierungsfrequenz definieren; die untersagten Entscheidungen aufschreiben, insbesondere Extrapolationen außerhalb des Supports oder eine zu feine kreative Lesart.
- 02Das Signal auditieren
Variation, Korrelationen, Brüche, fehlende Daten, Preis, Promotionen, Distribution, Saisonalität und Ereignisse testen; vor jeder Schätzung eine Identifizierbarkeitsmatrix aufbauen.
- 03Schätzen und herausfordern
Mehrere Spezifikationen, Priors und Fenster vergleichen; Residuen, Beiträge, Adstock, Sättigung und Parameter prüfen; wirtschaftlich unmögliche Kompensationen ablehnen, auch wenn sich die Prognose verbessert.
- 04Kalibrieren und steuern
Die Schätzungen mit kompatiblen Experimenten oder Quasi-Experimenten abgleichen; Intervalle, Nutzungsdomäne, Versionsjournal, Abweichungen zu den Belegen und die Validierungsentscheidung je Expositionsniveau veröffentlichen.
Der Entscheidungsvertrag eines MMM
Acht Felder verbinden Entscheidung, Daten, Modell, Validierung und Leitplanken; jedes Feld besitzt ein Akzeptanztor.
Budget, Hebel, Horizont
erfülltMarginaler Beitrag
erfülltKorrelation Video–Suche
bedingtPrognose + Entscheidung
erfülltKompatibler Geo-Test
erfüllt−15 % / +20 % beobachtet
blockierendVierteljährliche Überprüfung
erfülltBegrenzter Pilot
gewähltEin Prognosemodell mit 7 % Fehler scheitert an der Allokation
Ein MMM über 156 Wochen prognostiziert die Verkäufe mit 7 % MAPE. Es empfiehlt, 400 T€ von Video zu Search zu verschieben. Video und Markensuche haben eine Korrelation von 0,82; das Videobudget lag nie unter 250 T€ je Quartal.
Unter Spezifikation A beträgt der Video-ROAS 0,9 und Search 3,4. Unter einem längeren Adstock-Prior und einer geografischen Kalibrierung liegt Video bei 1,8 ± 0,7 und Search bei 1,9 ± 0,5. Die Empfehlung von −400 T€ setzt Video auf 120 T€, außerhalb des Supports. Ein auf −120 T€ begrenztes Szenario erzeugt 96 T€ erwarteten Gewinn mit einem Intervall von −18 T€ bis +205 T€; das maximale Bedauern beträgt 130 T€.
Die MAPE validiert die ursprüngliche Allokation nicht. Der Vertrag untersagt die Kürzung außerhalb des Supports und verwandelt die Verschiebung in einen Test über 120 T€. Die Entscheidung lautet „Pilot mit Leitplanke", nicht „automatisch optimieren".
Voraussetzungen
Was erfüllt sein muss, um zu handeln.
- 01
Der Vertrag benennt die Entscheidung, den Estimand und die Nutzungsdomäne.
- 02
Die Identifizierbarkeit wird vor der Interpretation der Koeffizienten bewertet.
- 03
Prognosevalidierung und Entscheidungsvalidierung sind getrennt.
- 04
Jede Empfehlung außerhalb des Supports wird zu einem begrenzten Test.
Grenzen
Was diese Analyse nicht belegt.
- Aggregierte Daten trennen synchronisierte Aktivitäten nur schwer.
- Priors können stabilisieren, ohne neue Information zu schaffen.
- Strukturelle Änderungen mindern die Übertragbarkeit historischer Kurven.
Quellenangaben
Zitierte Literatur.
- Jin, Y. et al. (2017), „Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects“, Google Research.
- Chan, D. & Perry, M. (2017), „Challenges and Opportunities in Media Mix Modeling“, Google Research.
- Brodersen, K. H. et al. (2015), „Inferring Causal Impact Using Bayesian Structural Time-Series Models“, Annals of Applied Statistics, 9(1), 247–274.