계량경제학적 진실의 여러 출처

증분 측정 데이터를 사용할때 , 증분지표과 라스트터치 지표 라는 두 가지 진실의 출처를 사용하는 의사 결정 방법론의 특성을 이해해야 합니다. Polaris는 증분 지표를 라스트 터치 지표와 함께 전략적으로 운영하여 사용될 수 있도록 증분 및 라스트 터치 지표를 나란히 표시하여 귀하의 의사결정 프로세스를 간소하게 만들어 드릴 수 있습니다.

예를 들어, 일상적인 운영 프로세스에서 7일차 ROAS가 50% 미만인 캠페인의 예산을 25% 줄여야 한다고 지시하는 경우 증분 7일차 ROAS를 드롭인 교체와 동일한 프로세스에서 사용할 수 있습니다. 이는 대부분의 마케팅 프로세스에 적용됩니다. 간단히 말해서, 이상적으로 마케팅 프로세스는 변경되지 않고 프로세스에 데이터 입력이 라스트 터치에서 증분으로 변경됩니다.

대규모 예산 최적화

두 정보 출처 간에 큰 불일치가 있는 경우 마케팅 프로세스에 따라 예산이 크게 변동될 수 있습니다. 마케팅 프로세스에 대한 현재 입력값인 라스트 터치 데이터는 채널의 실적이 저조 하다고 주장하지만 증분 데이터는 그 반대라고 주장한다고 상상해 보십시오. 증분 데이터를 드롭인 교체로 사용하면 예산이 크게 증가할 수 있습니다.

진실(Ground Truth)를 찾기 위한 실험

Polaris 는 통계적 정보 이득 대비 위험 비율을 기반으로 우선 순위가 지정된 실험을 자동으로 수행합니다. 정보획득 점수의 일부는 증분 지표와 라스트 터치 간의 불일치 정도의 크기에 영향을 받습니다.



특정 예시에서 증분 7일 ROAS가 0%이고 라스트 터치가 100%를 보고하는 경우 증분 지표을 신뢰할 수 있는 경우에 운영 프로세스에서 완전한 일시 중지를 지시할 수 있습니다. 일시 중지하기 전에 많은 Polaris 사용자가 실험을 실행합니다. 실험은 이 시나리오에서 실측을 얻기 위한 "테스트 일시 중지" 역할을 합니다. 실험에서 7일째 ROAS가 0% 증가하는 것으로 확인되면 안심하고 영구적으로 일시중지할 수 있습니다. 그렇지 않으면 실제 7일차 ROAS를 기반으로 운영 프로세스에서 지시하는 모든 작업을 실행할 수 있으며, 이는 실험 결과가 계산된 직후 Polaris의 분석(Analytics)페이지에 반영됩니다.

위험 완화 및 학습을 위한 점진적 최적화 사용

실험을 실행하는 것이 실용적이지 않을 때가 종종 있습니다. 특히 많은 수의 채널이 있고 지금까지의 과거 실험이 거의 없었기 때문에 모델이 상대적으로 불확실한 경우(큰 신뢰 구간이) 특히 그렇습니다. 이러한 경우 점진적 최적화는 위험을 완화하고 MMM이 트래픽을 일시 중지하지 않고 학습하는 데 도움이 될 수 있습니다.

점진적 최적화는 설정된 시간 창 내에서 최적화에 상한선을 두는 것을 말합니다. 예를 들어, 3일마다 20%의 예산 증가에 대한 한도가 있을 수 있습니다. 즉, 모든 채널의 예산은 3일 동안 20%이상 증가할 수 없음을 의미합니다. 이미 여러 마케팅 프로세스, 라스트 터치 기반 최적화에서도 위험을 완화하기 위한 한도가 포함되어 있습니다.

신뢰 구간을 사용한 임계점에 대한 영향

임계점에 영향을 주기 위해 신뢰 구간을 활용하는 것이 유용할 수 있습니다. 기업이 전략적 위험 허용 범위를 기반으로 기본 예산 증가 한도를 3일마다 20%로 설정한 경우 특정 채널에 대한 매우 넓은 신뢰 구간(낮은 신뢰를 나타냄)은 한도를 10%로 줄일 수 있지만 매우 작은 신뢰 구간은 아마도 실측 실험으로 인해 임계점을 완전히 제거할 수 있습니다.

일시중지 없이 모델 정확도를 향상시키기

점진적인 예산 이동은 미디어 지출 및 트래픽 전반에 걸친 노출과 같은 마케팅 지표를 상관관계 해제하는 데 도움이 되며, 이는 다시 MMM 전체의 정확성과 신뢰도를 높입니다. 다음과 같은 현실적인 시나리오를 상상해 보십시오.

MMM은 특정 채널에 대해 낮은 성능을 추정하지만 신뢰도는 낮습니다.
예산은 일주일에 걸쳐 점진적으로 감소합니다.
MMM은 느린 지출 감소가 해당 주 동안 지출이 가장 중요한 국가의 국가 수준 지표의 전반적인 감소와 상관관계가 있음을 발견합니다.
MMM은 해당 주일 동안 국가 수준 지표 감소에 대한 다른 잠재적 원인을 합리적으로 배제하고 해당 채널에 더 많은 증분을 할당합니다.
해당 채널에 대한 증분 지표가 높은 신뢰도로 증가하여 예산이 증가합니다.
증분 지표는 다른 채널에 대해서도 더 높은 신뢰도로 변경됩니다.

업데이트 날짜: 20/09/2022