Challenges And Opportunities In Media Mix Modeling ==> 読後メモ
論文
こちらの論文を要約。2017年にGoogle Researchが出したMMM (Media Mix Modeling)に関するサーベイ論文。
MMM(Media Mix Modeling or Marketing Mix Modeling)とは
- 広告主が広告投資の効果を計測するためのモデル
- 時系列の集計データを用いて、Sales outcomeを予測するモデルを構築
- 広告関連の変数、マーケ系の変数、天気・季節要因・競合の状況などが入力変数
- MMMのモデルからは、ROAS(Return on advertising spend)や、最適化された広告予算配分などを得ることが可能。
- 昨年のTV広告のROASは?
- もし、ある商品の広告費を来年増やせば、その商品の売れいきはどうなる?
- (補足)販売個数 = F(テレビ広告出稿量、ラジオ広告出稿量、月、天気、販促キャンペーン有無)みたいなモデルを構築するイメージか。。
因果推論モデル
- MMMではRCTや因果推論のアプローチを利用することが困難。
- RCT: いろんな条件を、全部実験することは、非現実的。
- 因果推論 (Potential Outcome Framework / Rubin Causal Model):MMMに利用できるデータ数は少ないことが多く、それに対し、Control Variableの組み合わせが多いことが多いので、利用しづらい。
- そこで、Regressionを利用したアプローチを用いることが多い。
RegressionによるMedia Mix Modeling
- MMMで利用されることが多いデータ
- Response Data、ある商品の販売数など
- Media metrics、それぞれのメディアでのインプレッション数やクリック数など
- Marketing metrics、対象商品の価格・販促状況など
- Control factors、季節要因、天気、競合商品の状況など
- Regressionのモデル
- Y[t] = F(X[t-L+1], Z[t-L+1])
- Y[t] = Time t でのSales
- X = L期前のマーケティングに関する変数
- Z = L期前のControl variables(天気など)
- Lはラグ。マーケ活動をしたL期後にSalesに影響が出ると仮定。
- Y[t] = F(X[t-L+1], Z[t-L+1])
Challenges
- Dataが不十分
- データポイント数が不十分な場合がある。3年間の週次データで、20変数あるモデルであれば、モデルのパラメータ数がデータポイント数を上回ってしまうこともある。
- 広告出稿量を倍にした場合のSalesを知りたいが、過去に出稿量が倍になったことがない・・など、手持ちのデータの範囲が不十分な場合がある。
- Salection Bias
- 入力変数に入っている変数意外で、Salesに影響を与えるマーケティング関連の変数があったとしたら・・・
- Model Selection
- Fittingが高い2つのモデルでも、マーケ変数の条件によって、異なる結果を出す場合がある。このような場合、どちらのモデルを選ぶべきか?
Chances
- Data
- より正確で粒度が細かいデータが重要。
- Model
- ベイジアンモデルが良い場合がある。Benefitsは、以下の通り。
- 事前知識を入れることができる。
- 複雑なモデルを扱える。
- モデルとParametersのUncertaintityを示すことが可能。
- Category models
- 同じProductの別ブランドのデータも使えると、さらに良い。
- Geo models
- 国レベルのデータより、より粒度が小さい都市・地域レベルでのデータも使えると、さらに良い。
- Graphical models
- 複雑な依存関係を捉える場合、Graphical modelが有効。
- ベイジアンモデルが良い場合がある。Benefitsは、以下の通り。
- Validation
- Simulatorがあると、様々な仮定や条件にたえうるRobustなモデルが構築可能になる。
Impression
- Media Mix Modelingは、Marketing Mix Modelingと呼ばれることもあるとのこと。いづれも略称は、MMM。
- 過去データからの分析だと、どうしても、「関係はあるが因果はないマーケ変数とSalesの組み合わせ」がでてきてしまいそうなのが懸念。データ収集のためのランダム実験ができるなど、条件さえあえば、因果推論を用いたアプローチが有効そうな印象。
- ただし、その場合、この論文でも指摘されているとおりで、Treatmentの組み合わせが多数になってしまうので、そこを如何に乗り越えるかは、課題だが・・・。