Реальные данные

Шестнадцать видеороликов за десять недель, которые я выдумал, где я знал правду, потому что сам её написал. К этому видео нет ключа с ответами. Сорок реальных месяцев: ежемесячные расходы американской страховой компании на телевизионную рекламу и полученные ею котировки, с января 2002 по апрель 2005 года, опубликовано Хайндманом и Атанасопулосом в книге «Прогнозирование: принципы и практика» (данные предоставлены Дейвом Рейли, «Автоматические системы прогнозирования»). Один канал. Так обычно выглядят реальные данные — и я нигде не смог найти реального, общедоступного, многоканального еженедельного набора данных; данные Робин, Меридиана и PyMC-Marketing — все они смоделированы. РЕАЛЬНЫЕ ДАННЫЕ. Четыре месяца являются точными копиями четырёх других, до каждой записанной цифры. Модель не может объяснить, почему. Клиент может. Первое, что делают реальные данные, — это заставляют вас написать электронное письмо. СТРОКА ВИДЕО 1. Цитаты = -0,24 + 1,69 ТВ. Корреляция 0,93. На вымышленных данных это хорошее соответствие. На реальных данных это первое, чему следует не доверять: рекламодатель, который тратит деньги, когда ожидается спрос, создает именно такую ​​картину. Остатки приходят волнами. Автокорреляция с задержкой 1 0,65, восемь знаковых серий, где независимый шум дает около 21. Во всех видеороликах до сих пор предполагались независимые ошибки. Регрессия изменений на изменения, а не уровней на уровни: наклон 1,35, а не 1,69. Модель AR(1), написанная от руки. Одна строка, которую серия никогда не писала: среднее значение этого месяца — это линия плюс ро, умноженное на промах прошлого месяца. Ро 0,85. Влияние телевидения снижается с 1,70 до 1,36 — на пятую часть — и разница в плюс-минус сужается, потому что новый шум каждый месяц составляет 0,58, а не 0,93. Что повлияло на это медленный дрейф котировок и доли телевидения за эти годы: независимая модель приписывает все это телевидению; модель AR(1) позволяет ошибке влиять на это. Является ли этот дрейф результатом влияния телевидения или рынка, сорок месяцев сказать нельзя. Модель «исключения одного» предпочитает модель AR(1) на 17 плюс-минус 4 — что говорит о том, что волны реальны, а не о том, какой наклон правильный. КТО КОГО ВЕДУТ. Телевидение, затем котировки 0,49; котировки, затем телевидение 0,58. Проверьте это в рамках модели, где телевидение считается экзогенным фактором: разрыв такого размера в этом направлении — это событие, происходящее раз в один раз из восьми. Она склоняется к тому, что котировки опережают телевидение. Она не указывает. Предположение об экзогенности видео 5 на реальных данных: единственное, на чём опирается модель, что нельзя проверить изнутри данных. ПЕРЕНОС И ИЗГИБ. Adstock: лямбда 0,06 - шесть процентов переносов на ежемесячном разрешении, и априорное распределение не позволит ему быть равным нулю. Хилл: прямая линия находится внутри 90%-ной полосы в каждой точке; P(единица по 6 стоит больше, чем единица по 10) = 0,92 - подсказка, а не вывод. Метод «исключения одного»: ничто не сравнится с линией. ЧЕГО НЕТ В ТАБЛИЦЕ. Сезонность за 3,3 года: недостаточно для соответствия. Цена, конкуренты, остальная часть маркетинга: отсутствуют. В основном отсутствуют реальные данные. ОТЧЕТ. ТВ 1,36 котировок на единицу, 94%-ный интервал [1,22, 1,50], ошибки AR(1). Перенос невелик. Кривизна не видна. Направление не определено. Пять вопросов клиенту. Отчет в основном содержит то, что данные не смогли сказать. Это не ошибка анализа. Это сам анализ. Подробнее о том, как мы это делаем: https://www.partnersinsights.org Часть 17 серии о моделировании маркетингового микса. Записано в прямом эфире в блокноте. #MarketingMixModeling #MMM #RealData #Bayesian #PyMC #Autocorrelation #DataScience