基准：在所有处理变量均设置为基准值的反事实情景下的预期结果。对于付费媒体和自然媒体，基准值为零。对于非媒体处理变量，基准值可设置为观测到的变量最小值（默认）、最大值或用户提供的浮点值。
贡献率：每个处理变量的增量结果占总结果的百分比。用于报告时，例如 ModelFit 的预期结果与实际结果对比图和 MediaSummary 贡献瀑布图，总结果是总预期结果。用于贡献率先验时，总结果是总观测结果。
控制变量：模型中不属于处理变量的变量。控制变量用于估计基准结果，控制变量的因果效应或贡献百分比无法估计。有关如何选择控制变量的实用建议，请参阅控制变量。此外，请参阅相关概念“中介变量”。
混杂变量：对处理变量及 KPI 都有因果效应的变量。以控制变量形式纳入这些变量可以消除处理变量对 KPI 的因果估计偏差。
预测变量：对 KPI 有因果效应，但没有其他效应的变量。以控制变量形式纳入这些变量并不能消除处理变量对 KPI 的因果估计偏差。不过，强预测变量可以减少因果估计值的方差。
单位增量 KPI 的费用 (CPIK)：总支出除以总增量 KPI。如果 KPI 不是收入，并且“每个 KPI 的收入”数据不可用，则 CPIK 等于投资回报率的倒数。
效应窗口：从当前时间步到最大滞后时间（包括这两个时间点）的时间段。
效果：增量结果除以媒体单位总数。
预期结果：所有处理变量都设置为实际历史值时的预期结果。这是基准结果加上所有处理变量的增量结果的总和。
排期模式：给定媒体变量的媒体单位在各个地理区域和时间段的相对分布。当渠道的总预算增加或减少时，此模式用于在不同地理区域和时间段之间分配媒体单位，这适用于预算优化和响应曲线。
增量结果：每个处理变量导致预期结果发生的变化。对于付费媒体和自然媒体，这是指一个变量设置为零时，预期结果的变化。对于非媒体处理变量，这是指一个变量设置为每个地理区域和时间段的基准值（观测到的变量最小值 [默认]、最大值或用户提供的浮点值）时，预期结果的变化。如需了解详情，请参阅增量结果。
KPI：模型的响应变量（目标变量、因变量）。它可以是收入、销量、转化次数，也可以是处理变量可能产生因果效应的任何其他指标。
滞后效应：之前时间段的处理变量对之后时间段的结果产生影响，这是一种因果效应。Meridian 使用 Adstock 函数对滞后效应进行模型分析。
边际投资回报率 (mROI)：响应曲线的导数，大致相当于在当前支出水平之上额外支出一个货币单位（例如美元）所带来的投资回报率。
媒体投放：泛指特定渠道在不同地理区域和时间段的媒体单位数值。
中介变量：受处理变量的因果影响，并对 KPI 有因果效应的变量。以控制变量形式纳入这些变量会导致处理变量对 KPI 的因果估计出现偏差，因此不应将其纳入模型中。
结果：Meridian 用于衡量处理变量因果效应的主要指标。这通常是收入，但如果 KPI 不是收入，并且“每个 KPI 的收入”数据不可用，则 Meridian 会将结果定义为 KPI 本身。它不一定是模型的响应变量（请参阅 KPI 定义）。
响应曲线：给定媒体变量的增量结果与支出水平的关系图。随着支出的变化，媒体单位将根据排期模式分布在不同的地理区域和时间段。
投资回报率 (ROI)：Meridian 将 ROI 定义为增量结果除以支出。如果 KPI 是收入，或者“每个 KPI 的收入”数据可用，则增量结果就是增量收入。否则，增量结果就是增量 KPI。
收入：对于非收入 KPI，此值为每个 KPI 的收入乘以 KPI。对于收入 KPI，此值与 KPI 相同。如果 KPI 不是收入，并且“每个 KPI 的收入”数据不可用，则收入未定义。
每个 KPI 的收入：每个 KPI 单位产生的假定收入。这可能因时间、地理区域或两者共同影响而异。Meridian 会将增量 KPI 单位乘以每个 KPI 的收入，以估计处理变量的增量收入。
饱和度：Meridian 假定付费媒体和自然媒体的边际回报会递减，并且在给定时间段内媒体效应存在渐近极限。随着支出沿着响应曲线增加，mROI 会递减。随着支出增加、mROI 变低，渠道会被视为“已饱和”。“饱和度”是一个通用术语，没有定义特定的阈值。
处理变量：包含会由 MMM 估计因果效应的所有变量，即付费媒体、自然媒体和非媒体处理变量。“处理”一词源自因果推理领域，在其他地方通常与“干预”或“曝光”同义。
付费媒体变量：包含有支出数据的所有媒体渠道。这既包含那些在模型中纳入了单一变量（如支出、展示次数或点击次数）的渠道，也包含那些在模型中纳入了覆盖面和频次数据的渠道。
自然媒体变量：包含没有关联费用或费用未知的所有媒体渠道。这些渠道与付费媒体一样，在模型中将 Adstock 和回报递减效应纳入考量。主要区别在于，自然渠道的 ROI 和 mROI 无法进行衡量，因此也无法为自然渠道使用 ROI 和 mROI 先验。这既包含那些在模型中纳入了单一变量（如支出、展示次数或点击次数）的自然媒体渠道，也包含那些在模型中纳入了覆盖面和频次数据的渠道。
非媒体处理变量：包含任何非媒体策略（例如价格和促销优惠）。Meridian 会估计这些变量的因果效应，但会假定效应值是线性的，而不具有 Adstock 和回报递减效应。