Meridian 提供了多种方法来对每个处理变量对 KPI 产生的因果效应进行形参化。我们将每种可供选择的方法称为不同的“模型形参化”。在贝叶斯推理中，必须为模型的形参设置先验。因此，模型形参化决定了具体要为哪个形参设置先验。
可以为每种处理变量类型指定先验类型。ModelSpec 包含 media_prior_type、rf_prior_type、organic_media_prior_type、organic_rf_prior_type 和 non_media_treatments_prior_type 实参，可让您指定是否要为投资回报率、边际投资回报率、贡献率或系数平均值设置先验。（投资回报率先验和边际投资回报率先验仅适用于付费媒体。）
PriorDistribution 对象针对每种处理变量类型和先验类型组合都有一个实参。对于每种处理变量类型，系统只会使用与所选先验类型对应的实参。其他实参会被忽略。例如，与非 R&F 付费媒体对应的实参为 roi_m、mroi_m、contribution_m 和 beta_m。如果 media_prior_type 为 'roi'，则使用 roi_m，而忽略其他实参。
每种模型形参化都有不同的默认先验分布。下表汇总了每种模型形参化下的默认先验。
付费媒体
下表汇总了付费媒体对 KPI 的因果效应的模型形参化和默认先验。具体情况因 ModelSpec 中的 media_prior_type 和 rf_prior_type 实参而异。模型形参化和默认先验也取决于结果是否是收入。如果 KPI 是收入或者向 InputData 传递的是 revenue_per_kpi，则结果是收入。如果 KPI 不是收入并且向 InputData 传递的不是 revenue_per_kpi，则结果不是收入（“非收入”）。该表还包含一个列，用于指示 PriorDistribution 容器中用于自定义先验的相应形参。
| 模型类型 | 默认先验 | ||
|---|---|---|---|
media_prior_type/rf_prior_type |
结果 | 先验类型 | PriorDistribution 中的形参 |
'roi'（默认） |
收入 | 投资回报率 | roi_m、roi_rf |
'roi'（默认） |
非收入 | 付费媒体总贡献率 | roi_m、roi_rf |
'mroi' |
收入 | 边际投资回报率 | mroi_m、mroi_rf |
'mroi' |
非收入 | 无默认值，必须设置自定义值 | mroi_m、mroi_rf |
'contribution' |
收入 | 贡献率 | contribution_m、contribution_rf |
'contribution' |
非收入 | 贡献率 | contribution_m、contribution_rf |
'coefficient' |
收入 | 系数 | beta_m、beta_rf |
'coefficient' |
非收入 | 系数 | beta_m、beta_rf |
默认先验分布中汇总了对于每种模型形参化用作默认先验的分布。
在上表中所列的每种情形中，应使用表中指明的相应 PriorDistribution 形参设置自定义先验。在设置自定义先验时，一定要了解您是为什么对象设置自定义先验。如需详细了解投资回报率、边际投资回报率和贡献率的定义，请参阅投资回报率、边际投资回报率和贡献率形参化。如需详细了解系数的定义，请参阅模型规范。如需详细了解付费媒体总贡献率先验，请参阅自定义付费媒体总贡献率先验。
自然媒体
自然媒体处理效应的默认先验由 organic_media_prior_type 和 organic_rf_prior_type 实参指定。选项包括 'contribution' 和 'coefficient'，其中 'contribution' 是默认选项。如果使用贡献率先验，则会针对 contribution_om 和 contribution_orf 形参指定先验分布。如果使用系数先验，则会针对 beta_om 和 beta_orf 形参指定先验分布。
非媒体处理变量
非媒体处理变量的处理效应默认先验由 non_media_treatments_prior_type 实参指定。选项包括 'contribution' 和 'coefficient'，无论结果是否是收入，'contribution' 都是默认选项。如果使用贡献率先验，则会针对 contribution_n 形参指定先验分布。如果使用系数先验，则会针对 gamma_n 形参指定先验分布。