資料・手法解説
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。
書籍
書籍Marketing Science in Python
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。
ホワイトペーパー
AIによるメディアプランニング
AIエージェントがプランを策定・運用・改善する仕組みと、すべての数値を根拠につなぎとめるための制御を解説します。
近日公開手法を学ぶ
Hill関数による飽和
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。
ベイズ・メディアミックスモデリング
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。
幾何減衰型アドストック
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。
検証済みベンチマーク集
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。
限界インクリメンタルROAS
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。
広告シェアと市場シェアの差：ESOV
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。
地域別リフト実験
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
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。