Únete a la comunidad recientemente lanzada de
Discord para participar en debates en tiempo real, obtener asistencia de otros miembros y comunicarte directamente con el equipo de Meridian.
Cómo establecer el parámetro max_lag
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
El modelo Meridian permite que los medios en el momento \(t\) afecten el KPI en los momentos \(t, t + 1, \dots , t + L\) , en los que el número entero \(L\) es un hiperparámetro establecido por el usuario con max_lag de ModelSpec. Los medios pueden tener un efecto duradero más allá de max_lag. Sin embargo, el efecto rezagado de los medios converge hacia cero debido a la suposición del modelo de decaimiento geométrico.
En la práctica, max_lag se utiliza para truncar el tiempo que dura el efecto de los medios, ya que ofrece beneficios como una mejor convergencia del modelo, tiempos de ejecución razonables del modelo y una maximización del uso de datos (reducción de la varianza). Mantener el max_lag en el rango de 2 a 10 genera un buen equilibrio entre estas ventajas y desventajas.
Un mayor max_lag no siempre significa que las estimaciones del ROI también aumentarán. Uno de los motivos es que, si los medios en el momento \(t\)pueden afectar el KPI en el momento \(t+L\), esto puede eliminar el efecto del medios en los momentos \(t+1, \dots , t+L\) sobre el KPI en el momento \(t+L\).
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-08-04 (UTC)
[null,null,["Última actualización: 2025-08-04 (UTC)"],[[["\u003cp\u003eThe Meridian model assumes media impact on KPIs can extend over a period, defined by \u003ccode\u003emax_lag\u003c/code\u003e, with the effect diminishing over time due to geometric decay.\u003c/p\u003e\n"],["\u003cp\u003eWhile media impact can theoretically last longer than \u003ccode\u003emax_lag\u003c/code\u003e, it's truncated for practical reasons like model convergence, runtime, and data utilization.\u003c/p\u003e\n"],["\u003cp\u003eA \u003ccode\u003emax_lag\u003c/code\u003e value between 2 and 10 generally provides an optimal balance between model performance and efficiency.\u003c/p\u003e\n"],["\u003cp\u003eIncreasing \u003ccode\u003emax_lag\u003c/code\u003e might not result in higher ROI estimates, as it can redistribute the attributed impact across different media exposures over time.\u003c/p\u003e\n"]]],[],null,["# Set the max_lag parameter\n\nThe Meridian model allows for media at time \\\\(t\\\\) to affect the KPI at\ntimes \\\\(t, t + 1, \\\\dots , t + L\\\\) where the integer \\\\(L\\\\) is a\nhyperparameter set by the user using `max_lag` of `ModelSpec`. Media can\npotentially have a long effect that can go beyond `max_lag`. However, the lagged\neffect of media converges towards zero, due to the model assumption of geometric\ndecay.\n\nIn practice, `max_lag` is used to truncate how long media can have\nan effect because it has positive benefits including improved model\nconvergence, reasonable model runtimes, and maximizing data usage (reducing\nvariance). Keeping the `max_lag` in the 2-10 range leads to a good balance of\nthese advantages and disadvantages.\n\nIncreasing `max_lag` doesn't necessarily mean that ROI estimates\nwill also increase. One reason for this is because if the media at time \\\\(t\\\\)\ncan affect the KPI at time \\\\(t+L\\\\), this can take away from the effect of\nmedia at times \\\\(t+1, \\\\dots , t+L\\\\) on the KPI at time \\\\(t+L\\\\)."]]
