Rejoignez la nouvelle communauté
Discord pour discuter en temps réel, obtenir l'aide de vos pairs et communiquer directement avec l'équipe Meridian.
Questions fréquentes
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
La bibliothèque est-elle gratuite ?
Oui, la bibliothèque est libre d'utilisation et Open Source sur GitHub pour que tout le monde puisse l'utiliser.
Dois-je partager mes données avec Google pour utiliser la bibliothèque ?
Google n'aura pas accès à vos données d'entrée, à votre modèle ni à vos résultats (à l'exception des données média Google fournies par le biais de notre MMM Data Platform). Si vous demandez des données à la Google MMM Data Platform, ce sont les seules données auxquelles Google aura accès. Toutefois, Google ne saura pas si vous incluez réellement ces données dans votre modèle. Les entrées et les sorties réelles de votre modèle sont entièrement privées, sauf si vous choisissez de les partager avec vos représentants Google.
Migrer depuis LightweightMMM
En tant qu'utilisateur actuel de LightweightMMM, dois-je effectuer des tâches supplémentaires afin de créer une entrée de données pour Meridian ?
Pour profiter pleinement des nouvelles innovations Meridian, vous devrez ajouter d'autres dimensions de données, par exemple :
-
Couverture et fréquence
-
Tests
-
Volume de requêtes Google (VRG)
Vous pouvez toujours exécuter Meridian sans ces dimensions, mais vous ne bénéficierez pas des nouvelles innovations. Pour en savoir plus, consultez Migrer depuis LightweightMMM.
Collecte et nettoyage des données
Puis-je collecter simultanément tous les types de données (performances, couverture et fréquence YouTube et volume de requêtes Google) dans l'interface MMM Data Platform ?
Les données sur les performances et les données de fréquence et de couverture YouTube doivent être demandées séparément. La procédure de demande est détaillée dans le guide de l'utilisateur inclus dans l'e-mail d'accès à MMM Data Platform.
Quelle est la portée des données VRG que je peux demander ?
Pour le volume de requêtes Google, le résultat inclut :
-
QueryLabel (incluant une marque ou générique)
-
ReportDate
-
TimeGranularity (vous pouvez demander des données Daily, Weekly_Sunday ou Weekly_Monday)
-
GeoCriteriaId
-
GeoName
-
GeoType
-
IndexedQueryVolume (toutes les données de volume de requêtes sont indexées, les chiffres bruts ne sont pas fournis pour le volume de requêtes)
Modélisation
Pour un levier média donné, comment définir différents a priori associés à différentes périodes ?
L'argument roi_calibration_period est probablement le plus adapté. En nous basant sur la section 3.4 du livre blanc sur la calibration des MMM, nous vous suggérons de calculer un ROI moyen pondéré par les dépenses pour les tests et de transmettre roi_calibration_period pour correspondre aux quatre trimestres des tests. Si les erreurs standards des tests sont très différentes, vous pouvez choisir de pondérer encore davantage les tests en conséquence. Pour en savoir plus, consultez Définir la période de calibration du ROI.
Puis-je définir un a priori temporel pour les valeurs de nœud ?
Meridian n'est pas compatible avec les a priori variables dans le temps pour les valeurs de nœud.
Puis-je mesurer les synergies entre les canaux dans Meridian ?
Meridian n'est pas compatible avec ce type d'analyse.
Est-il possible d'obtenir une mesure temporelle du ROI avec Meridian ?
Vous pouvez obtenir le résultat incrémental de chaque canal média sur la durée et calculer ainsi le ROI :
-
Prenez le résultat incrémental estimé, tel qu'il apparaît dans
Analyzer().incremental_outcome().
-
Utilisez l'option
selected_times pour choisir les semaines qui vous intéressent.
-
Divisez la valeur par les dépenses au cours de ces semaines. Cela vous donne le ROI, qui reflète plus précisément la période spécifique.
Important : Lorsque vous suivez le ROI au fil du temps, n'oubliez pas que même si les coefficients du modèle ne varient pas dans le temps, le ROI peut tout de même évoluer au fil du temps, car il dépend de facteurs supplémentaires qui peuvent varier dans le temps. Par exemple, les courbes de Hill modélisent les rendements décroissants non linéaires de l'exécution média. Par conséquent, le volume d'exécution média à un moment donné peut avoir un impact sur le ROI. De plus, l'affectation des médias peut varier selon les zones géographiques au fil du temps avec des niveaux d'efficacité différents, tout comme le coût de l'exécution média.
Interprétation et optimisation
Puis-je mesurer le ROI des stratégies d'enchères en fonction des cibles d'enchères définies ?
Le flux de données MMM de Google fournit le type de stratégie d'enchères (par exemple, "Maximiser les conversions" et "ROAS cible") par campagne, mais il n'inclut pas la cible d'enchères elle-même. Pour consulter cette dimension spécifique, les annonceurs peuvent obtenir des rapports sur la stratégie d'enchères directement dans Google Ads ou demander une solution de données personnalisée au responsable de leur compte Google.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/29 (UTC).
[null,null,["Dernière mise à jour le 2025/07/29 (UTC)."],[[["\u003cp\u003eMeridian is an open-source MMM library currently in early access, best suited for advertisers with in-house MMM expertise and data.\u003c/p\u003e\n"],["\u003cp\u003eEarly access users are asked to provide feedback, participate in discussions on GitHub, and report issues.\u003c/p\u003e\n"],["\u003cp\u003eAccess is granted through an application form with limited spots, and invitations are sent quarterly.\u003c/p\u003e\n"],["\u003cp\u003eGoogle cannot see user data, model specifications, or results, unless data is requested from the Google MMM Data Platform.\u003c/p\u003e\n"],["\u003cp\u003eCurrent LightweightMMM users can migrate to Meridian but may need to add data dimensions to leverage new innovations.\u003c/p\u003e\n"]]],["The library is free and open-source on GitHub, with user data privacy maintained unless shared with Google representatives. Users can leverage new features by adding reach, frequency, experiment, and Google Query Volume (GQV) data. Performance and YouTube data are requested separately, while GQV includes indexed query data like Brand, ReportDate, and Geo details. Meridian does not support time-varying priors for knot values, measuring synergies between channels, or bid targets but enables calculating time-varying ROI by accessing incremental impact and dividing it by spend.\n"],null,["# FAQs\n\nGeneral product information\n---------------------------\n\n#### Is the library free?\n\n\nYes, the library is free to use and is open sourced on\n[GitHub](https://github.com/google/meridian) for anyone to use. \n\n#### Do we have to share our data with Google to use the library?\n\n\nGoogle won't have access to your input data, model, or results (apart from\nGoogle media data supplied through our MMM Data Platform). If you request data\nfrom the Google MMM Data Platform, that is the only data that Google has\naccess to. But Google won't know whether you actually include that data in\nyour model. Your actual model inputs and outputs are entirely private, unless\nyou choose to share it with your Google representatives.\n\nMigrating from LightweightMMM\n-----------------------------\n\n#### As a current LightweightMMM user, is extra work needed to build data input\nfor Meridian?\n\n\nTo take full advantage of the new Meridian innovations, you will need\nto add more data dimensions such as:\n\n- Reach and frequency\n- Experiments\n- Google Query Volume (GQV)\n\n\nYou can still run Meridian without these dimensions, although you will\nmiss out on the new innovations. For more information, see\n[Migrate from LightweightMMM](/meridian/docs/migrate).\n\nData collection and cleaning\n----------------------------\n\n#### Can I collect all data types simultaneously (performance, YouTube reach and\nfrequency, Google Query Volume) in the MMM Data Platform\ninterface?\n\n\nPerformance data and YouTube reach and frequency data must be requested\nseparately. The request workflow is detailed in the User Guide that is\nincluded with your MMM Data Platform access email. \n\n#### What is the scope of the GQV data that I can request?\n\n\nThe Google Query Volume, the output includes:\n\n- QueryLabel - Brand or generic\n- ReportDate\n- TimeGranularity (You can request Daily, Weekly_Sunday, or Weekly_Monday data.)\n- GeoCriteriaId\n- GeoName\n- GeoType\n- IndexedQueryVolume - All query volume data is indexed. Raw numbers aren't provided for Query Volume. \n\n#### Can I apply the GQV methodology for non-Google search data?\n\n\nOrganic query volume from non-Google search engines is often unavailable. Some\nalternative options are described in [Understanding query volume as a confounder for search ads](/meridian/docs/advanced-modeling/paid-search-modeling#understanding-query-volume-confounder).\n\nModeling\n--------\n\n#### For a given media lever, how can I set different priors associated with\ndifferent time periods?\n\n\nThe closest thing to this would be the `roi_calibration_period`\nargument. Based on section 3.4 of the [MMM calibration white paper](https://research.google/pubs/media-mix-model-calibration-with-bayesian-priors/), we suggest calculating a spend-weighted average ROI for the experiments\nand passing `roi_calibration_period` to match the four quarters\nof the experiments. If the experiments have very different standard errors,\nyou might want to further weight the experiments accordingly. For more\ninformation, see [Set the ROI calibration period](/meridian/docs/user-guide/configure-model#set-roi-calibration-period). \n\n#### Can I put a temporal prior for the knot values?\n\n\nMeridian does not support time varying priors for knot values. \n\n#### How can I get detailed decomposition information of the regression, such as\ngetting dataframes for the posterior draws?\n\n\nPosterior samples are in the `inference_data` object, and you can\nturn this array into any dataframe you need. To access the data samples using\nthe docstring, see [meridian.model.model.Meridian](/meridian/reference/api/meridian/model/model/Meridian). \n\n#### Can I measure synergies between channels in Meridian?\n\n\nMeridian doesn't support this kind of analysis. \n\n#### Is it possible to get a temporal read-out of ROI with Meridian?\n\n\nYou can access the incremental outcome of each media channel over time, and\ntherefore calculate ROI:\n\n1. Take the estimated incremental outcome, as found in [`Analyzer().incremental_outcome()`](/meridian/reference/api/meridian/analysis/analyzer/Analyzer#incremental_outcome).\n2. Use the `selected_times` option to choose the weeks of interest.\n3. Divide by spend over those weeks. This gives you the ROI and reflects the individual time period more accurately.\n\n\n**Important:** When tracking ROI over time, consider that even though the\ncoefficients in the model are not time-varying, the ROI can still change over\ntime because it is dependent on additional factors that might vary across\ntime. For example, the Hill curves model the non-linear, diminishing returns\nof media execution, and therefore the amount of media execution at a given time\ncan impact the ROI. Addtionally, media allocation can vary across\ngeos over time with different effectiveness and the cost of media\nexecution can vary across time.\n\nInterpretation and optimization\n-------------------------------\n\n#### Can I measure the ROI of bidding strategies based on the bid targets set?\n\n\nGoogle's MMM data feed provides bid strategy type (such as Maximize\nConversions and Target ROAS) by campaign, but the feed does not include the bid\ntarget itself. To view this specific dimension, advertisers can source bid\nstrategy reports directly from Google Ads or work with their Google Account\nRepresentative on a custom data solution."]]
