Marketing Mix Modeling（MMM）#
どのマーケティング施策がどのくらい/どのように事業貢献しているかを推定する方法。
要するに線形回帰モデル（構造方程式モデリング）だが、「広告の残存効果」など非線形部分は別途の非線形関数を用いる。
因果推論の枠組みでみれば、selection on observableの仮定の下で頑張る系なので分析上の仮定は強く、分析者の恣意性が強い
→ 「scienceではなくpolitics」と言われたりする
博報堂の解説スライド：【Marketing Mix Modeling（MMM）Guidebookをリリース】「Analytics AaaS」の提供による知見を踏まえ、マーケティングの投資対効果を最大化する方法を公開
Lightweight MMM#
モデルについて#
モデルの例：
\[
kpi = \alpha + trend + seasonality + media\ channels + other\ factors
\]
\(kpi\): 例えば月次の売上
関連文献：
使い方の例#
扱いには注意が必要そう#
selection on observableの仮定なので、モデルをどう設計するかが推定結果に強く依存する
LightweightMMMを実践データで使ってみた感想 - DMM inside
今回、効果が小さかったことが事前にわかっていた広告が一部あったのですが、その事前情報よりも大きい貢献値が算出されてしまうということが起こりました。
ビジネス側の感覚を数理的な観点で補強するというスタンスの方が安全であるというのが現時点での思いです