营销组合建模分析 (MMM) 从根本上来说是一个因果问题：其目标是确定营销投资对业务成果的因果效应。为确保分析的严谨性，Meridian 基于因果推理和贝叶斯统计理论构建而成。本部分简要介绍了这些核心原则，解释了 Meridian 方法背后的“原因”，以及其数据分析所基于的关键假设。
因果推理基础知识
本部分介绍了因果推理和贝叶斯建模的核心概念，并说明了为什么这些方法对于构建切实可行的 MMM 至关重要。
| 页面 | 说明 |
|---|---|
| 采用因果推理和贝叶斯建模的理由 | 此页面说明了 Meridian 为何是基于因果推理框架构建的。 它明确指出，MMM 的目标是了解营销活动对业务成果的因果效应。 |
| 贝叶斯推理入门 | 简要了解贝叶斯统计理论背后的核心理念。 此页面介绍了“先验”（您事先了解的信息）和“后验”（您从数据中了解的信息）等概念，以及 Meridian 如何使用这种方法在估计结果中提供完整的不确定性范围。 |
| 关于因果推理方法 MMM | 此页面讨论了 MMM 在整个因果推理领域发挥着什么样的作用。 它将使用观测性数据的 MMM 与对照实验进行了比较，并概述了从营销数据中得出因果结论所需的主要假设。 |
Meridian 的因果推理假设
Meridian 必须做出一些关键假设，才能准确估计营销活动的因果影响。本部分将详细介绍这些假设及其合理性。
| 页面 | 说明 |
|---|---|
| 需要的假设 | 此页面概述了营销组合模型生成有效因果估计值所需的基本假设，例如“条件可交换性”。 它从实际应用的角度解释了这些假设对您的分析意味着什么。 |
| 因果图 | 了解“因果图”，它是描绘营销生态系统中因果关系的示意图。 此页面介绍了 Meridian 如何依赖这种假设的示意图来确保模型结构正确，从而估计营销支出对业务成果的因果效应。 |
| 使用回归估计增量效果 | 此页面详细介绍了 Meridian 用于计算“增量效果”的统计方法，而增量效果正是投资回报率、边际投资回报率和响应曲线的基础。 这是分析的核心，可显示每项营销活动对 KPI 的影响。 |
| 扩展到具有覆盖面和频次数据的模型 | 此页面介绍了如何针对具有覆盖面和频次数据的渠道调整因果框架。 它展示了这些更丰富的输入如何帮助您更细致地了解媒体的因果影响。 |
参考文献
| 页面 | 说明 |
|---|---|
| 参考文献 | 此页面列出了构成 Meridian 营销组合建模分析方法理论基础的主要学术论文和研究成果。 |