Pythonã«ã‚ˆã‚‹ãƒžãƒ¼ã‚±ãƒ†ã‚£ãƒ³ã‚°ãƒŸãƒƒã‚¯ã‚¹ãƒ¢ãƒ‡ãƒªãƒ³ã‚°ï¼ˆMMM：Marketing Mix Modeling）超入門 ãã®7Ridge回帰モデルã§MMM③（色々ãªAdStock考慮）
MMMå°Žå…¥ã®æ‰‹å¼•ãã€‚å¸‚å ´ã‚’ãƒ¢ãƒ‡ãƒ«åŒ–ã™ã‚Œã°åºƒå‘Šäºˆç®—é…分ãŒæœ€é©åŒ–ã§ãã‚‹ | ã‚¦ã‚§ãƒ–é›»é€šå ±
電通ã®ã€Œäº‹æ¥ã‚°ãƒãƒ¼ã‚¹å®Ÿè·µã‚¦ã‚§ãƒ“ナーã€ã§ã¯ã€æ—¥ã€…進化ã™ã‚‹ãƒ“ジãƒã‚¹ã®æœ€æ–°ã®çŸ¥è¦‹ã‚’発信ã—ã¦ã„ã¾ã™ã€‚本連載ã§ã¯ã€äº‹æ¥ã‚°ãƒãƒ¼ã‚¹å®Ÿè·µã‚¦ã‚§ãƒ“ナー2022 by 電通People Driven Marketingã‹ã‚‰ã€æ³¨ç›®ã®ã‚»ãƒƒã‚·ãƒ§ãƒ³ã‚’ピックアップï¼ç™»å£‡è€…ã«æ”¹ã‚ã¦ãŠè©±ã‚’伺ã„ã¾ã™ã€‚ 今回ã®ãƒ†ãƒ¼ãƒžã¯ã€ä»Šæ³¨ç›®ã‚’æµ´ã³ã¤ã¤ã‚る「MMMã€ï¼ˆãƒžãƒ¼ã‚±ãƒ†ã‚£ãƒ³ã‚°ãƒ»ãƒŸãƒƒã‚¯ã‚¹ãƒ»ãƒ¢ãƒ‡ãƒªãƒ³ã‚°ï¼‰ã€‚「統計技術ã€ã‚’用ã„ã¦ã€ã•ã¾ã–ã¾ãªãƒžãƒ¼ã‚±ãƒ†ã‚£ãƒ³ã‚°æ–½ç–ã®åŠ¹æžœã‚’å¯è¦–化ã—ã€å°†æ¥ã®ãƒ¡ãƒ‡ã‚£ã‚¢æ–½ç–ã®äºˆç®—é…分を最é©åŒ–ã™ã‚‹ã‚¢ãƒ—ãƒãƒ¼ãƒã§ã™ã€‚ 今回ã¯é›»é€šã‚°ãƒ«ãƒ¼ãƒ—ã®çŸ¥è¦‹ã‚’è¸ã¾ãˆãŸã€å®Ÿè·µçš„MMMå°Žå…¥ã®ã‚¢ãƒ—ãƒãƒ¼ãƒã®è§£èª¬ã§ã™ã€‚統計プãƒãƒ•ã‚§ãƒƒã‚·ãƒ§ãƒŠãƒ«ã§ã‚ã‚‹ç”°ä¸æ‚ ç¥æ°ã€MMMã«ãƒžãƒ¼ã‚±ãƒ†ã‚£ãƒ³ã‚°ã®ãƒ—ãƒã¨ã—ã¦å‘ãåˆã£ã¦ã„ã‚‹ç¦ç”°åšå²æ°ã€ã‚°ãƒãƒ¼ãƒãƒ«ã§è±Šå¯ŒãªMMM実績をæŒã¡ã€ç¾åœ¨ã¯ãƒ‡ãƒ¼ã‚¿æ´»ç”¨ã®ã‚½ãƒªãƒ¥ãƒ¼ã‚·ãƒ§ãƒ³ã‚«ãƒ³ãƒ‘ニーã§ã‚る電通クãƒã‚¹ãƒ–レインã§ä»£è¡¨å–ç· å½¹ã‚’å‹™ã‚ã‚‹å·é‚Šå¿ 利æ°ã¨ã„ã†ã€é›»é€š
Lightweight MMM：NumPyroã§å®Ÿè£…ã•ã‚ŒãŸãƒ™ã‚¤ã‚¸ã‚¢ãƒ³MMMフレームワーク - 渋谷駅å‰ã§åƒãデータサイエンティストã®ãƒ–ãƒã‚°
以å‰ã€ŒAds carryover & shape effects付ãã®Media Mix Modelingã€ã¨ã„ã†è¨˜äº‹ã§å–り上ã’ãŸãƒ™ã‚¤ã‚¸ã‚¢ãƒ³MMMã®technical report (Jin et al., 2017)ã§ã™ãŒã€å½“時RStanã§å®Ÿè£…ã•ã‚Œã¦ã„ãŸã‚‚ã®ãŒ4å¹´ã®æ™‚を経ã¦æ™‚代ã®è¶¨å‹¢ã«æ²¿ã†å½¢ã§Pythonベースã®OSSã¨ã—ã¦ãƒªãƒªãƒ¼ã‚¹ã•ã‚Œã¦ã„ã¾ã™ã€‚ ãã‚ŒãŒLightweight MMM (LMMM)ã§ã™ã€‚ベイジアンモデリング部分ã¯NumPyroã«ã‚ˆã‚‹MCMCサンプラーã§å®Ÿè£…ã•ã‚Œã¦ãŠã‚Šã€ã•ã‚‰ã«ã¯ãƒ¢ãƒ€ãƒ³ãªMMMフレームワークã«ãŠã„ã¦æ¨™æº–çš„ã¨ã•ã‚Œã‚‹äºˆç®—é…分ã®æœ€é©åŒ–ルーãƒãƒ³ã‚‚実装ã•ã‚Œã¦ã„ã¾ã™ã€‚全体的ãªä½¿ã„å‹æ‰‹ã¨ã—ã¦ã¯ã€ã¾ã 開発途上ã®éƒ¨åˆ†ã‚‚ã‚ã‚‹ã®ã§æ™‚々痒ã„ã¨ã“ã‚ã«æ‰‹ãŒå±Šã‹ãªã„æ„ŸãŒã‚ã‚‹ã‚‚ã®ã®ã€æ¦‚ãRStanã§å®Ÿè£…ã—ãŸã‚‚ã®ã¨ä¼¼ãŸã‚ˆã†ãªæ„Ÿã˜ã«ä»•ä¸ŠãŒã£ã¦ã„ã‚‹ã¨ã„ã†å°è±¡ã§ã™ã€‚ ã¨ã„ã†ã“ã¨ã§ã€LMMMãŒã©ã‚“ãªæ„Ÿ
Marketing Mix Modeling Explained – With R
Marketing mix modeling (MMM) is a process used to quantify the effects of different advertising mediums, i.e. media. It is also used to optimize the spend budget over these different mediums. The popular method of choice is multiple regression analysis. The model also takes into account other variables such as pricing, distribution points, and competitor tactics. This article will explain the math
Robyn
RobynRobyn is an experimental, AI/ML-powered and open sourced Marketing Mix Modeling (MMM) package from Meta Marketing Science. A New Generation of Marketing Mix ModelingOur mission is to democratise modeling knowledge, inspire the industry through innovation, reduce human bias in the modeling process & build a strong open source marketing science community. Automated hyperparameter optimization w
GitHub - facebookexperimental/Robyn: Robyn is an experimental, AI/ML-powered and open sourced Marketing Mix Modeling (MMM) package from Meta Marketing Science. Our mission is to democratise modeling knowledge, inspire the industry through innovation, redu
What is Robyn?: Robyn is an experimental, semi-automated and open-sourced Marketing Mix Modeling (MMM) package from Meta Marketing Science. It uses various machine learning techniques (Ridge regression, multi-objective evolutionary algorithm for hyperparameter optimization, time-series decomposition for trend & season, gradient-based optimization for budget allocation, clustering, etc.) to define
FacebookExperimentalã®Robynã«ã‚ˆã‚‹è‡ªå‹•ãƒžãƒ¼ã‚±ãƒ†ã‚£ãƒ³ã‚°ãƒŸãƒƒã‚¯ã‚¹ãƒ¢ãƒ‡ãƒªãƒ³ã‚°
ã“ã®è¨˜äº‹ã§ã¯ã€FacebookExperimentalã®Robynã®æœ€åˆã®æ¦‚è¦ã‚’説明ã—ã¾ã™ã€‚Facebookã®ãƒžãƒ¼ã‚±ãƒ†ã‚£ãƒ³ã‚°ã‚µã‚¤ã‚¨ãƒ³ã‚¹ãƒãƒ¼ãƒ ã¯ã™ã§ã«å„ªã‚ŒãŸã‚¯ã‚¤ãƒƒã‚¯ã‚¹ã‚¿ãƒ¼ãƒˆã‚¬ã‚¤ãƒ‰ã¨éžå¸¸ã«è©³ç´°ãªãƒšãƒ¼ã‚¸ã‚’作æˆã—ã¦ã„ã‚‹ã®ã§ã€è¨˜äº‹ã‚’çŸãç°¡æ½”ã«ä¿ã¤ã‚ˆã†ã«ã—ã¦ã„ã¾ã™ã€‚詳細ãªèª¬æ˜Žã®ãŸã‚ã«ã€ã‚ãªãŸã¯ã‚ˆã‚Šå¤šã見ã¤ã‘ã‚‹ã“ã¨ãŒã§ãã‚‹ã“ã“ã§æƒ…å ±ã‚’ã€‚ tl; dr Facebook Experimentalã®Robynã¯ã€è‡ªå‹•åŒ–ã•ã‚ŒãŸãƒžãƒ¼ã‚±ãƒ†ã‚£ãƒ³ã‚°ãƒŸãƒƒã‚¯ã‚¹ãƒ¢ãƒ‡ãƒªãƒ³ã‚°ï¼ˆMMM）コードã§ã‚ã‚Šã€ç¾åœ¨ãƒ™ãƒ¼ã‚¿ç‰ˆã§ã™ã€‚ ã“ã‚Œã¯ã€ç‰¹å¾´å¤‰æ›ã®ãŸã‚ã®2ã¤ã®ã‚¢ãƒ‰ã‚¹ãƒˆãƒƒã‚¯ï¼ˆå¹¾ä½•å¦çš„ãŠã‚ˆã³ãƒ¯ã‚¤ãƒ–ル）ãŠã‚ˆã³S曲線変æ›ï¼ˆåŽç©«é€“減）手法をæä¾›ã—ã¾ã™ã€‚ 時系列機能を考慮ã«å…¥ã‚Œã‚‹ãŸã‚ã«ã€Robynã¯FacebookProphetを利用ã—ã¾ã™ã€‚ Facebookã®Nevergrad勾é…ã®ãªã„最é©åŒ–プラットフォームを利用ã—ã¦ã€ä¸€é€£ã®ãƒ‘レート最é©ãƒ¢ãƒ‡ãƒ«ã‚½ãƒª
Ads carryover & shape effects付ãã®Media Mix Modeling - 渋谷駅å‰ã§åƒãデータサイエンティストã®ãƒ–ãƒã‚°
ã“ã‚Œã¯å˜ãªã‚‹å‚™å¿˜éŒ²ã§ã™ã€‚「論文ã¨ã‚µãƒ³ãƒ—ルコードèªã¿ãªãŒã‚‰è©¦ã—ã¾ã—ãŸã€ä»¥å¤–ã«ä½•ã‚‚内容ã®ãªã„記事ã§ã™ã®ã§ã”注æ„ãã ã•ã„。特ã«å€‹ã€…ã®å¼ã®å¤‰æ•°ã®èª¬æ˜Žã«ã¤ã„ã¦ã¯å€‹äººçš„ãªå‚™å¿˜éŒ²ã‚†ãˆå¤§åŠã‚’端折りã¾ã™ã®ã§ã€ä»®ã«èˆˆå‘³ã‚’æŒãŸã‚ŒãŸæ–¹ã¯é©å®œè«–æ–‡ã®æœ¬æ–‡ã‚’ã”å‚照下ã•ã„。èªã‚“ã è«–æ–‡ã¯ã“ã¡ã‚‰ã€‚ Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects – Google Research ãªãŠã€ã“ã®è¨˜äº‹ã‚’書ãã«å½“ãŸã£ã¦id:ushi-goroshiã•ã‚“ã®ã“ã¡ã‚‰ã®ãƒ–ãƒã‚°è¨˜äº‹ã‚·ãƒªãƒ¼ã‚ºã‚’å‚考ã«ã•ã›ã¦ã„ãŸã ãã¾ã—ãŸã€‚分ã‹ã‚Šã‚„ã™ãã¦å¤§å¤‰åŠ©ã‹ã‚Šã¾ã—ãŸã€æœ‰é›£ã†ã”ã–ã„ã¾ã™ã€‚ ãã‚Œã§ã¯é©å½“ã«ã‚„ã£ã¦ã„ãã¾ã™ã€‚ Ads carryover & shape effectsã«ã¤ã„㦠ã„ã‚ゆるMedia Mix Modeling (MMM)ã®è‚ã¯ã€Œåºƒå‘ŠãŒæŠ•ä¸‹ã•ã‚Œã‚‹
8 å›žå¸°åˆ†æž | Rã«ã‚ˆã‚‹çµ±è¨ˆå…¥é–€
8.1 æ¦‚è¦ å›žå¸°åˆ†æžã¨ã„ã†çµ±è¨ˆæ‰‹æ³•ã¯ã€ç‹¬ç«‹å¤‰æ•°ï¼ˆèª¬æ˜Žå¤‰æ•°ãƒ»äºˆæ¸¬å¤‰æ•°ï¼‰ã¨å¾“属変数（被説明変数・目的変数・応ç”変数）ã®é–¢ä¿‚を記述ã™ã‚‹ã®ã«ä½¿ã‚ã‚Œã¾ã™ã€‚ 回帰分æžã‚’使ã†ã“ã¨ã§ã€ 目的変数ã¨é–¢é€£ã®ã‚る説明変数を特定ã—ãŸã‚Šã€ 変数間ã®é–¢ä¿‚å¼ã‚’記述ã—ãŸã‚Šã€ 説明変数ã‹ã‚‰ç›®çš„変数を予測ã—ãŸã‚Š ã™ã‚‹ã“ã¨ãŒã§ãã¾ã™ã€‚
機械å¦ç¿’を応用ã—ã¦åºƒå‘ŠåŠ¹æžœã‚’æ£ã—ã測定ã™ã‚‹
プラットフォームã®æ¦‚è¦ AI Platform ç”Ÿæˆ AIãŠã‚ˆã³äºˆæ¸¬ AIã®ãƒ—ラットフォームもã£ã¨è©³ã—ã ドã‚ュメント 新機能 ãƒã‚°ã‚¤ãƒ³ ç„¡æ–™ã§å§‹ã‚ã‚‹ é‹ç”¨ 自信をæŒã£ã¦AIã‚’æ‹¡å¼µã—ã€æ¯”é¡žã®ãªã„エンタープライズ・モニタリングã¨ã‚³ãƒ³ãƒˆãƒãƒ¼ãƒ«ã§ãƒ“ジãƒã‚¹ä¾¡å€¤ã‚’促進 デプãƒã‚¤ã¨å®Ÿè¡Œ å†å¦ç¿’ã¨æœ€é©åŒ– 監視ã¨ä»‹å…¥ ガãƒãƒŠãƒ³ã‚¹ AIã®ç’°å¢ƒã€ãƒãƒ¼ãƒ ã€ãŠã‚ˆã³ãƒ¯ãƒ¼ã‚¯ãƒ•ãƒãƒ¼ã‚’çµ±åˆã—ã€å¤§è¦æ¨¡ãªç¯„囲ã§ã®å®Œå…¨ãªå¯è¦–性ã¨ç›£è¦–ã‚’å®Ÿç¾ ãƒ¬ã‚¸ã‚¹ãƒˆãƒªã¨ç®¡ç† 監査ã¨æ‰¿èª コンプライアンスドã‚ãƒ¥ãƒ¡ãƒ³ãƒˆç”Ÿæˆ æ§‹ç¯‰ ニーズã®é€²åŒ–ã«åˆã‚ã›ã¦è‡ªç”±ã«é©å¿œã§ãるオープンãªAIエコシステムã§ã€è¿…速ãªã‚¤ãƒŽãƒ™ãƒ¼ã‚·ãƒ§ãƒ³ã‚’å®Ÿç¾ åˆ†æžã¨å¤‰æ› å¦ç¿’ã¨ãƒãƒ¥ãƒ¼ãƒ‹ãƒ³ã‚° 組立ã¦ã¨æ¯”較 ãƒ—ãƒ©ãƒƒãƒˆãƒ•ã‚©ãƒ¼ãƒ çµ±åˆ ã‚¤ãƒ³ãƒ•ãƒ©ã‚¹ãƒˆãƒ©ã‚¯ãƒãƒ£ãƒ¼ã¸ã®ãƒ‡ãƒ—ãƒã‚¤ ソリューション æ¥ç•Œã”㨠ヘルスケア è£½é€ å°å£²æ¥ 金èžã‚µãƒ¼ãƒ“ス æˆæžœã”㨠ユースケースã®ãƒ©ã‚¤ãƒ–ラリー ãŠå®¢æ§˜äº‹ä¾‹ Dat
Ad-Stock効果を推定ã—ã¤ã¤å›žå¸°ã‚’回ã—ãŸã„⑤ - 統計コンサルã®è°äº‹ãƒ¡ãƒ¢
背景 ã—ã¤ã“ã„よã†ã§ã™ãŒã€Marketing Mix Modeling（MMM）ã®è©±é¡Œã§ã™ã€‚ 先日ã€ã“ã‚“ãªé¢ç™½ã„論文を見ã¤ã‘ã¾ã—ãŸã€‚ Googleã®Researcherã«ã‚ˆã‚‹MMMã®è«–文（彼らã¯Media Mix Modelingã¨å‘¼ã‚“ã§ã„ã¾ã™ï¼‰ãªã®ã§ã™ãŒã€ãƒ’ルã®å¼ã‚’用ã„ã¦åºƒå‘Šã®Shape効果（Carveture効果）を推定ã™ã‚‹ã¨ã„ã†ã“ã¨ã‚’ã‚„ã£ã¦ã„ã¾ã™ã€‚ã“ã“ã§Shape効果・carveture効果ã¨ã¯ã€ãƒ¡ãƒ‡ã‚£ã‚¢ã®éœ²å‡ºé‡ã«å¯¾ã™ã‚‹ç›®çš„変数ã®å応を示ã™æ›²ç·šã‚’指ã™ã‚ˆã†ã§ã€ãƒ’ルã®å¼ã¨ã¯ï¼š $$ H(x; K, S) = \frac{1}{1 + (\frac{x}{K})^{-S}} $$ ã§ã‚ã‚Šã€$K > 0$ã‚„$S > 0$ã¨ãªã‚‹ãƒ‘ラメータã«ã‚ˆã£ã¦Logã‚„Sigmoidã®å½¢çŠ¶ã‚’表ç¾ã™ã‚‹ã“ã¨ãŒã§ãるよã†ã§ã™ã€‚ ヒルã®å¼ã«ã‚ˆã£ã¦xãŒã©ã®ã‚ˆã†ãªå½¢çŠ¶ã¨ãªã‚‹ã‹ã€å®Ÿéš›ã«ç¢ºèªã—ã¦ã¿ã¾ã—ょã†ã€‚ã¾ãšã¯ãƒ’ルã®å¼ã‚’以
1
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
MarketingMix/MMM2_overview.R at master · MatCyt/MarketingMix
MMMç ”ä¿® VI. å‹•å¦çš„å¸‚å ´å応モデル (1)
MMMç ”ä¿® VII. 状態空間モデルã®åŸºç¤Ž
RPubs - MMM Training VIII å‹•å¦çš„å¸‚å ´å応モデル(2)
RPubs - MMM Training III 回帰分æžã®åŸºç¤Ž
{{#tags}}- {{label}}
{{/tags}}