没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
乘法营销组合模型的Python / STAN实现 该项目的方法论基于Google的,但适用于更复杂的现实环境,其中1)有13个媒体渠道和46个控制变量; 2)模型以堆叠方式构建。 1.简介 广告客户使用营销组合模型或媒体组合模型(MMM)来衡量其媒体支出如何促进销售,从而优化未来的预算分配。 广告支出回报率( ROAS )和边际广告支出回报率( mROAS )是要查看的关键指标。 较高的广告支出回报率表示渠道有效,而较高的mROAS则意味着根据当前支出水平,增加渠道支出将产生高回报。 程序 使用媒体渠道的印象(或支出)和控制变量来预测销售额,从而使回归模型具有先验的系数。 将销售分解为每个媒体渠道的贡献。 渠道贡献是通过比较移除渠道后的原始销售额和预期销售额得出的; 使用渠道贡献和支出来计算广告支出回报率和mROAS。 MMM的直觉 离线渠道的影响力很难追踪。 例如,客户看到电视广
资源推荐
资源详情
资源评论
收起资源包目录
mmm_stan-main.zip (35个子文件)
mmm_stan-main
mmm_stan.py 30KB
LICENSE 1KB
README.md 21KB
img
mmm_stan_multitouch.png 28KB
mmm_stan_model_control_prior.png 39KB
mmm_stan_model_return.png 15KB
mmm_stan_lasttouch.png 15KB
mmm_stan_hill.png 130KB
mmm_stan_media_roas_mroas.png 81KB
mmm_stan_adstock_decay.png 60KB
mmm_stan_formular_mmm_multiplicative.png 10KB
mmm_stan_model_mmm.png 27KB
mmm_stan_media_coefficient.png 106KB
mmm_stan_decompose_contrib2.png 10KB
mmm_stan_media_contrib_roas.png 84KB
mmm_stan_model_architecture.png 137KB
mmm_stan_formular_adstock.png 13KB
mmm_stan_model_mmm_prior.png 44KB
mmm_stan_formular_hill.png 4KB
mmm_stan_dist_roas_1y.png 81KB
mmm_stan_slope.png 92KB
mmm_stan_ec.png 84KB
mmm_stan_formular_mmm_linear.png 13KB
mmm_stan_media_contribution.png 257KB
mmm_stan_model_control.png 15KB
mmm_stan_decompose_contrib3.png 41KB
mmm_stan_adstock_length.png 53KB
mmm_stan_model_return_prior.png 26KB
mmm_stan_hill_function_demo.png 32KB
mmm_stan_media_contribution_pct.png 51KB
mmm_stan_decompose_contrib1.png 12KB
mmm_stan_adstock_example.png 18KB
mmm_result_plot_template.xlsx 87KB
stan_mmm.ipynb 487KB
data.csv 79KB
共 35 条
- 1
资源评论
姜一某
- 粉丝: 28
- 资源: 4633
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功