Как мы выжали максимум из 150 точек данных
- AnalystDays / 23
-
20 мин
Когда речь заходит об эффективности маркетинга, аналитики часто опираются на digital-рекламу. Но в реальности приходится работать с сочетанием digital- и офлайн-рекламы, размещаемой флайтами, а доступные данные агрегированы по неделям и насчитывают всего 150 строк за три года. Классические ML-модели в таких условиях выдают отрицательные веса работающих каналов, а модели временных рядов отвечают на вопрос «что будет?», а не «за счёт чего были продажи».
В докладе на реальном кейсе покажу, как с помощью байесовской регрессии в PyMC-Marketing построить причинную, интерпретируемую модель вклада ТВ, радио, OOH и digital в продажи. Разберу, как валидировать модель, когда данных по классическим меркам недостаточно, и почему этой модели можно доверять.