현대 베이지안 및 ML 기법을 활용한 마케팅 믹스 모델 설계

신뢰를 얻는 마케팅 믹스 모델을 구축하려면 몇 분기 동안의 지출에 알고리즘을 실행하는 것 이상이 필요합니다. 여러분이 수집하는 데이터, 선택하는 사전 정보, 홀드아웃에 대해 검증하는 방식, 마케터에게 제공하는 시각화 자료 등이 모델이 사용될지 아니면 보관될지를 결정합니다. 이 과정은 일반적으로 발생하는 순서대로 이러한 선택 사항들을 살펴봅니다. 마케팅 분석 팀이 현대 MMM을 계획하는 방식과 유사한 서면 설계 연습을 통해 진행됩니다. 데이터가 복잡하고, 채널이 중복되며, 이해 관계자들이 어려운 질문을 할 때 중요한 실질적인 절충안에 중점을 둡니다. 학습 내용: - 경제 및 경쟁 신호를 포함한 마케팅 지출, 판매 및 외부 데이터 수집 및 정리 - 명확한 도메인 가정을 바탕으로 한 광고 재고, 포화도 및 계절성 특징 엔지니어링 - 베이지안 MMM 접근 방식 및 그래디언트 부스팅 및 신경망을 포함한 머신러닝 확장 비교 - 홀드아웃, 지리 실험 및 기간별 일관성 검사를 통한 모델 검증 - 모델 출력을 예산 추천 및 시나리오 계획으로 변환 - 마케터가 절충안을 대화형으로 탐색하는 데 도움이 되는 시각화 및 보고 도구 구축 이 과정은 데이터 준비부터 특징 엔지니어링, 모델링, 검증 및 보고까지 진행됩니다. 최종 서면 연습에서는 특정 브랜드 및 채널 믹스를 대상으로 하는 MMM 프로젝트에 대한 한 페이지 디자인 초안을 작성하도록 요청합니다. 이 과정은 소프트웨어 배경 지식이 있는 데이터 과학자, 마케팅 분석가 및 의사 결정 과학자를 대상으로 합니다. MMM 경험은 필요하지 않습니다. 이 과정은 모델을 설계 문제로 취급하고 실제 마케팅 팀이 계획하고 평가하는 방식에 가깝게 진행됩니다.