Kuwalystを支える手法を、書籍、ホワイトペーパー、詳しい解説でご紹介します。
基礎と手引き:MMM、インクリメンタリティ、メディアプランニングとは何か、どう機能するか。
MMM(マーケティングミックスモデリング)とは何か。
仕組み、アドストックと飽和、ベイズ推定、実験によるキャリブレーション、そして最後に何が手元に残るかを、わかりやすく解説します。
マーケティングにおけるインクリメンタリティとは何か。
プラットフォームの数値がなぜ効果を過大に示すのか、そして地域別リフト実験、ホールドアウト、較正したMMMという3つの測定方法を解説します。
エージェント型メディアプランニングとは何かを解説します。
チームが設定したガードレールの範囲内でメディアプランを作成・監視・調整するエージェントと、ダッシュボードとの違いを説明します。
メディアプランニングの解説:メディアプランとは何か、5つの手順、ダウンロードできるテンプレート、数字を入れた作成例。
そして根拠に基づくメディアプランニングで何が変わるか。
手法解説と書籍:各手法の仕組みを、数式と図で。
追加投資による純増効果は、最初の投資より小さくなることがあります。
Hill関数は、半飽和点と曲線の形状によって、効果の伸び方と頭打ちを表します。
MMMは、広告効果の持ち越しと飽和を考慮し、チャネルごとの売上貢献を推定します。
ベイズ手法では前提を明示し、結果を単一の数値ではなく、あり得る範囲で示します。
広告は配信後も効果が残ることがあります。
幾何減衰型アドストックは、今週までに蓄積した効果の一定割合が翌週に残り、時間とともに減っていく様子を表します。
履歴の少ないブランドでは、公開ベンチマークが計画の出発点になります。
Kuwalystは各数値を一次情報まで確認し、検証結果に応じて利用可否を決めます。
限界iROASは、追加する1ユーロが生む純増売上に注目します。
広告がなければ発生しなかった売上だけを対象に、次の予算をどこへ配分するかを考えます。
ESOVは、カテゴリー内の広告シェアと売上シェアの差です。
プラスなら市場シェアの成長、マイナスなら縮小と関連する傾向があり、ブランド予算の規模を考える目安になります。
広告を停止する地域と、継続する類似地域を比較する実験です。
ユーザー単位の追跡ができない場合でも純増効果を測り、その実測結果でMMMを較正できます。
反応曲線は、広告費を変えたときにチャネルが生む成果を推定します。
現在の平均リターンだけでなく、次の予算判断による効果を考えるための手法です。
書籍因果推論、MMM、CLV、価格設定、予測をPythonで学ぶ実践ガイド。
英語版の名入れPDFをご用意しています。
1ページに1つの問い:どの手法か、どのライブラリか、言葉が実務で何を意味するか。
KuwalystがGoogle MeridianやRobynではなくPyMC-Marketingを使う理由を、事前分布の設定、実験によるキャリブレーション、監査可能性、メディアプランへの影響から説明します。
比較するアトリビューション分析、MMM、インクリメンタリティ測定の違いを解説します。
それぞれが何を測り、何を見落とし、どんな場面で使うべきか。
一つの表、一つの見解、3つの短い事例で説明します。
マーケティング効果測定の用語を1文で、詳しく読める先とともに。