Muundo wa Mchanganyiko wa Masoko

Kwa kutumia mbinu ikiwa ni pamoja na ukadiriaji wa vigezo vya ala, misitu ya kisababishi kwa athari tofauti, na modeli za mfuatano wa wakati wa muundo wa Bayesian, tunatenganisha athari ya kweli ya kisababishi ya kila njia kutoka upendeleo wa uteuzi. Hii inamaanisha unapata makadiriko yasiyopendelea ya jinsi matumizi ya ziada katika utafutaji uliolipwa, maonyesho, mitandao ya kijamii, barua pepe, na njia za nje ya mtandao yanavyoendesha kweli mapato na ubadilishaji. Tunaunda modeli waziwazi jinsi maamuzi ya kihistoria ya matumizi yanahusiana na mambo yasiyoonekana (nguvu ya chapa, msimu, ukali wa ushindani) ambayo pia yanaathiri matokeo, kisha tunatenga athari ya kweli ya matibabu ya kila lever ya masoko. Mbinu yetu imeanzishwa katika [uchambuzi baada ya uteuzi](/research#post-selection-inference) na [machine learning isiyopendelea](/research#double-debiased-ml).

Kampuni za bidhaa za watumiaji zinazosambaza suluhisho zetu za MMM zinaboresha ufanisi wa masoko kupitia ugawaji bora wa bajeti. Kampuni za vyombo vya habari zinatambua mchanganyiko gani wa njia unaendesha ROI endelevu. Makampuni ya huduma za fedha yanaunda modeli athari ya muda mrefu ya chapa ya matangazo tofauti na athari za ubadilishaji wa muda mfupi, kufunua kwa nini njia zingine zinaonekana kuthaminika chini katika uchambuzi wa jadi.

Matokeo ni mtazamo wa umoja wa ufanisi wa masoko unaodumu ukaguzi na kupita vipimo vya ukali wa ekonometria, kukupa kujiamini kugawa upya bajeti kwa ujasiri.