MMMによるマーケティング効果検証

Transcript

1. © GO Inc. MMMによるマーケティング効果検証 GO株式会社 AI技術開発部 分析グループ 秋月 達樹(あきづき たつき) 2025/05/16
2. © GO Inc. • 個々のマーケティング予算配分の最適化をしたいニーズは良くある ◦ どの施策の費用を減らして、どの施策の費用を増やしたら良いのか • ただしマーケティング施策の効果測定は色々な要素が複雑に絡み合っていて難しい マーケティングの効果測定って難しい… 3 データ入手のハードルが高い データ生成過程が複雑 効果の分離が難しい 因果関係の特定が難しい マーケティング施策に関わる全てのデータを質や網羅的に収集するのは工数 やコスト的に難しい場合が多い。特に近年はCookieの規制などによりさらに 難易度が高くなっている マーケティング活施策には飽和や時間経過による持続・減衰や交互作用が考 えられる。それぞれのデータ生成過程を考慮することが難しい。また直接的 に売り上げに影響がなかったとしても間接的に影響がある施策も存在する ベースラインとイベントや天気などの外的要因、施策間の交互作用を分離し て効果を推定することが難しい 観測データからわかるのは基本的に相関関係であり、因果関係ではない場合 が多い
3. © GO Inc. • マーケティング施策がKPIに与える影響を定量的に把握する手法 • 個票データを利用せずに競合や季節などの外的要因も考慮して効果の推定を実施できる ◦ データ収集のハードルが若干下がる MMM(Marketing Mix Modeling)とは 4 ・投資金額 ・GRP/インプレッション数 ・その他 ・製品/サービス ・競合データ ・地域性 ・マクロ経済状況 ・季節性/トレンド ・その他 ・売り上げ ・獲得ユーザー数 マーケティング 施策 マーケティング 施策以外 KPI マーケティング施策がKPIに与える影響を マーケティング施策外の影響も考慮して推定する
4. © GO Inc. • シンプルな方法としては重回帰分析により効果を計測する方法 • 解釈性や実行難易度の面から利用されるシーンがあるが欠点が存在する ◦ 目的変数に対して線形を仮定するのが難しい ◦ 施策同士の複雑な交互作用を考慮しきれない 重回帰分析によるMMM 5 𝑌 = 𝛽0 + 𝛽𝑘 𝑥𝑘 + 𝜖 𝑌 ∶ 売上や獲得ユーザー数などの目的変数 𝛽0 : ベースとなる売り上げを表現する切片項 𝑥𝑘 : それぞれのマーケティング施策における費用や表出数 季節性やトレンドを説明する変数 𝛽𝑘 : それぞれの説明変数にかかる効果量 𝜖 : 誤差項 施策に対する説明変数𝑥𝑘 に対応するβ𝑘 を 施策効果として計測することができる
5. © GO Inc. • 2017年にGoogleが考案した階層ベイズを利用したMMMフレームワーク • 施策効果の持続・減衰や飽和を複合的に考慮することができる BMMM(Bayesian Hierarchical Marketing Mix Modeling) 6 𝑦𝑡 = 𝜏 + ෍ 𝑚 𝛽𝑚 ∗ 𝐻𝑖𝑙𝑙(𝑎𝑑𝑠𝑡𝑜𝑐𝑘(𝑥𝑡−𝐿+1,𝑚 , … , 𝑥𝑡,𝑚 ; 𝑤𝑚 , 𝐿) ; 𝐾𝑚 𝑆𝑚 ) + ෍ 𝑐=1 𝐶 𝛾𝑐 𝑧𝑡,𝑐 + 𝜖𝑡 𝑦𝑡 : 時刻tにおける目的変数 𝜏 : 切片項 𝛽𝑚 : マーケティング施策mにおける係数 𝑥𝑡,𝑚 : マーケティング施策mの説明変数 𝑧𝑡,𝑐 : その他の説明変数 𝛾𝑐 : 説明変数にかかる係数 𝜖𝑡 : 誤差項 施策効果の持続・減衰を複合的に考慮している 切片 施策外の効果 誤差 施策による効果
6. © GO Inc. • 施策効果の飽和をHill関数、持続・減衰をAdstock関数で表現する HillとAdstockについて 7 Shape Effectと呼ばれる。 広告の投資金額に対する飽和状態を表現する目的 Carryover Effectと呼ばれる。 時間的に持続・持続し減衰していく状態を表現する 施策効果の飽和(Hill) 𝐻𝑖𝑙𝑙 𝑥𝑡,𝑚 ; 𝑘𝑚 , 𝑆𝑚 = 1 1+( Τ 𝑥𝑡,𝑚 𝑘𝑚)−𝑆𝑚 , 𝑥𝑡,𝑚 ≥ 0 施策効果の持続・減衰(Adstock) 𝑎𝑑𝑠𝑡𝑜𝑐𝑘 𝑥𝑡−𝐿+1,𝑚 , … , 𝑥𝑡,𝑚 ; 𝑤𝑚 , 𝐿 = σ𝑙=0 𝐿−1 𝑤𝑚(𝑙)𝑥𝑡−𝑙,𝑚 σ𝑙=0 𝐿−1 𝑤𝑚(𝑙) 投資金額 積み上げ 施策効果 経過時間 施策効果 𝑦𝑡 = 𝜏 + ෍ 𝑚 𝛽𝑚 ∗ 𝐻𝑖𝑙𝑙(𝑎𝑑𝑠𝑡𝑜𝑐𝑘(𝑥𝑡−𝐿+1,𝑚 , … , 𝑥𝑡,𝑚 ; 𝑤𝑚 , 𝐿) ; 𝐾𝑚 𝑆𝑚 ) + ෍ 𝑐=1 𝐶 𝛾𝑐 𝑧𝑡,𝑐 + 𝜖𝑡
7. © GO Inc. BMMMのメリットとデメリット 8 ・パラメータの不均一性を考慮できる ・非線形な関係を捉えることができる ・広告効果の飽和や持続・衰退が表現できる ・誤差項に対する仮定が一部解消する ・点推定ではなく区間推定ができる ・直接的に因果効果が得られるわけではない ・事前分布に主観が必要 ・統計上の問題はBMMMにしても残る ・モデルが複雑になる メリット デメリット
8. © GO Inc. • BMMMはGoogleが開発したPythonライブラリのMeridianで実行が可能 BMMMをPythonで試してみる 9 import tensorflow as tf import tensorflow_probability as tfp import pandas as pd from meridian import constants from meridian.data import load,test_utils from meridian.model import model,spec,prior_distribution ## データ取得 df = pd.read_table(’***.csv’, sep = ‘,’) ## パラメータ設定 roi_mu = 0.2 # ROIの事前分布 roi_sigma = 0.9 # ROIの事前分布 prior = prior_distribution.PriorDistribution( roi_m = tfp.distributions.LogNormal(roi_mu, roi_sigma, name=constants.ROI_M) ) model_spec = spec.ModelSpec(prior=prior) ## MCMCのサンプリング mmm = model.Meridian(input_data=data, model_spec=model_spec) mmm.sample_prior(500) mmm.sample_posterior(n_chains=7, n_adapt=500, n_burnin=500, n_keep=1000, seed=1) https://developers.google.com/meridian/notebook/meridian-getting-started パッケージのインストール モデルに対する各種 パラメータの設定 推定の実施
9. © GO Inc. • 推定したパラメータを利用して施策毎の貢献度やROIの可視化、施策予算の最適化まで実 施することができる BMMMをPythonで試してみる 10 https://developers.google.com/meridian/notebook/meridian-getting-started 施策貢献度 施策毎のROI 施策予算の最適化 KPIに対してベースラインと施策毎にどのぐらいの影響を 持っているかを構成比で確認できる KPIに対する施策の投資対効果を信頼区間 と合わせて確認できる 得られた施策毎のROIの結果から予算割当を 最適化した場合の結果を確認できる
10. © GO Inc. • マーケティング施策の効果推定を取り巻く難しさや効果推定を行う際のMMMフレームワ ークについての考え方を説明しました。 • BMMMを利用することでマーケティング施策の飽和や持続・減衰などを表現出来ることや その他のメリット・デメリットについて説明しました。 • BMMMの実行についてMeridianの紹介をコードと利用例と共に説明しました。 おわり 12 参考 : ・Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects ・https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/46001.pdf ・Introduction Meridian Demo ・https://developers.google.com/meridian/notebook/meridian-getting-started ・Next Generation Neural Network for Marketing mix modeling ・https://arxiv.org/pdf/2504.06212v2 ・From Bayesian MMM to Neural Nested Networks: Tackling Brand and Creative Effects in Marketing Mix Models ・https://medium.com/@yujiisobe/from-bayesian-mmm-to-neural-nested-networks-tackling-brand-and-creative-effects-in-marketing-mix-50c56ecde39f ・マーケティングミックスモデリング ガイドブック ・https://www.hakuhodo.co.jp/aaas/assets/doc/news/mmmguidebook/mmmguidebook.pdf