mmm_stan:PythonSTAN实现乘法营销组合模型，深入研究Adstock（结转效应），ROAS和mROAS

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