Rejoignez la nouvelle communauté
Discord pour discuter en temps réel, obtenir l'aide de vos pairs et communiquer directement avec l'équipe Meridian.
Migrer depuis LightweightMMM
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Meridian est l'évolution officielle de l'approche MMM de Google. Il s'agit de la version mise à jour de LightweightMMM. Les deux versions s'appuient sur la recherche bayésienne de Google concernant la MMM depuis 2017.
Les principales fonctionnalités de Meridian sont la modélisation de la couverture et de la fréquence, la gestion efficace de la recherche sponsorisée et l'étalonnage des tests.
Migrer vers Meridian
Pour migrer de LightweightMMM vers Meridian, vous devez installer Meridian et importer vos données en suivant le même processus que tout nouvel utilisateur de Meridian.
Pour en savoir plus, consultez Installer Meridian.
Comparatif des fonctionnalités
Les données d'entrée des deux modèles sont identiques.
Le graphique suivant présente les principales différences de fonctionnalités entre les projets :
| Fonctionnalité |
LightweightMMM |
Meridian |
| Langage |
Python |
Python |
| Bibliothèque bayésienne |
Numpyro |
TensorFlow Probability |
| Étalonnage des tests |
Possible, mais manuel |
Oui |
| Modélisation de la couverture et de la fréquence |
Non |
Oui |
| Optimiseur |
Oui |
Oui |
| Formule du ROI du modèle |
Non |
Oui |
| Intégration du facteur de confusion VRG |
Possible, mais manuel |
Oui |
| Modèles au niveau national et géographique |
Oui |
Oui, national et d'autres zones géographiques |
| Tendances et saisonnalité |
Ligne droite + forme sinusoïdale récurrente (quotidienne, hebdomadaire) |
Nœuds |
| Priors personnalisés |
Oui |
Oui |
| Transformation de latence et de saturation |
Oui |
Oui |
| Mise à l'échelle des entrées |
Manuelle |
Automatique |
Différences dans les spécifications de modèle
LightweightMMM propose trois architectures de modèles différentes : Adstock, Hill-Adstock et Carryover. Meridian utilise une variante de l'architecture Hill-Adstock et n'autorise pas d'autres architectures. Vous pouvez choisir l'ordre dans lequel les transformations Hill et Adstock sont appliquées pour le modèle de référence Meridian. Le modèle de couverture et de fréquence Meridian utilise un ordre Hill-Adstock fixe : Hill en premier, puis Adstock.
Voici d'autres différences entre Meridian et LightweightMMM :
Les canaux média sont hiérarchisés selon les zones géographiques dans les deux projets. Toutefois, dans LightweightMMM, la hiérarchie géographique n'ajoute pas de paramètres libres supplémentaires.
Au lieu de cela, un coefficient média est utilisé pour spécifier à la fois l'hyper-prior et les priors individuels des canaux média au niveau géographique dans LightweightMMM.
Meridian comporte un paramètre supplémentaire eta_m qui spécifie l'écart-type du coefficient média pour les zones géographiques. Meridian permet également à la variation hiérarchique d'être de forme normale ou log-normale.
Les fonctionnalités non média, appelées variables de contrôle dans Meridian, sont également hiérarchiques dans Meridian, alors qu'elles ne le sont pas pour les zones géographiques dans LightweightMMM. Le paramètre de modèle Meridian xi_c spécifie l'écart-type de cette hiérarchie géographique.
Meridian vous permet de spécifier des priors média en termes de bêta (comme pour LightweightMMM) ou de ROI.
La référence est exprimée différemment dans Meridian par rapport à LightweightMMM. Avec Meridian, les utilisateurs peuvent spécifier des effets fixes au niveau géographique et au niveau temporel, et la référence correspond à la somme des deux effets fixes.
Différences attendues concernant la durée d'échantillonnage MCMC
En raison du nombre plus important de paramètres et de la complexité des modèles dans Meridian, l'échantillonnage MCMC devrait prendre plus de temps dans Meridian que dans LightweightMMM.
Toutefois, comme les modèles sont relativement similaires, Meridian ne devrait pas prendre beaucoup plus de temps que LightweightMMM. Les estimations précises du délai supplémentaire dépendent de l'environnement de calcul, du nombre de zones géographiques, des paramètres d'ajustement du modèle, des priors, des données et d'autres facteurs. Même si la complexité du modèle de Meridian se traduira probablement par un temps d'échantillonnage MCMC plus long, des résultats plus précis sont attendus.
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 2025/08/04 (UTC).
[null,null,["Dernière mise à jour le 2025/08/04 (UTC)."],[[["\u003cp\u003eMeridian is the updated version of Google's LightweightMMM, representing the evolution of their Bayesian MMM research.\u003c/p\u003e\n"],["\u003cp\u003eKey features of Meridian include reach and frequency modeling, effective handling of paid search, and experiment calibration.\u003c/p\u003e\n"],["\u003cp\u003eMigrating to Meridian involves installing it and importing data using the same process as a new user, as detailed in the installation guide.\u003c/p\u003e\n"],["\u003cp\u003eMeridian utilizes Tensorflow Probability as its Bayesian library, while LightweightMMM uses Numpyro, although the input data for both models remains the same.\u003c/p\u003e\n"],["\u003cp\u003eMeridian offers improved features like a ROI formulation, incorporating GQV confounders, and automatic scaling of inputs, along with a more complex model architecture compared to LightweightMMM.\u003c/p\u003e\n"]]],[],null,["# Migrate from LightweightMMM\n\nMeridian is the official evolution of the Google MMM approach. It is the\nupdated version of LightweightMMM. Both versions are based on Google's Bayesian\nMMM research since 2017.\n\nThe key features of Meridian are reach and frequency modeling, handling\npaid search effectively, and experiment calibration.\n\nHow to migrate to Meridian\n--------------------------\n\nTo migrate from LightweightMMM to Meridian, you install Meridian\nand import your data using the same process as any new user to Meridian.\nFor more information, see [Install\nMeridian](/meridian/docs/user-guide/installing).\n\nFeature comparison\n------------------\n\nThe input data for both models is the same.\n\nThe following chart gives an overview of the key feature differences between the\nprojects:\n\n| Feature | LightweightMMM | Meridian |\n|---------------------------------------|------------------------------------------------------------|------------------------------|\n| Language | Python | Python |\n| Bayesian library | Numpyro | Tensorflow Probability |\n| Experiment calibration | Possible but manual | Yes |\n| Reach and frequency modeling | No | Yes |\n| Optimizer | Yes | Yes |\n| ROI formulation of the model | No | Yes |\n| Incorporating GQV confounder | Possible but manual | Yes |\n| National- and geo-level models | Yes | Yes, national plus more geos |\n| Trend and seasonality | Straight line + sinusoidal repeating shape (daily, weekly) | Knots |\n| Custom priors | Yes | Yes |\n| Lagging and saturation transformation | Yes | Yes |\n| Scaling of inputs | Manual | Automatic |\n\nDifferences in the model specifications\n---------------------------------------\n\nLightweightMMM offers three different model architectures: Adstock,\nHill-Adstock, and Carryover. Meridian uses a variation of the\nHill-Adstock architecture, and does not allow other architectures. You can\nchoose the order in which the Hill- and Adstock-transformations are applied for\nthe Meridian baseline model. The Meridian reach and frequency\nmodel has a fixed Hill-Adstock order: Hill first, and then Adstock.\n\nOther differences between Meridian and LightweightMMM include:\n\n- Media channels are hierarchical across geos in both projects. However, in\n LightweightMMM, the geo hierarchy doesn't add additional free parameters.\n Instead, one media coefficient is used to specify both the hyper-prior and\n the individual geo-level media channel priors in LightweightMMM.\n Meridian has an additional parameter `eta_m` that specifies the\n standard deviation of the media coefficient across geos. Meridian\n also allows the hierarchical variation to be either normal or log-normal in\n shape.\n\n- The non-media features, called *control variables* in Meridian, are\n also hierarchical in Meridian, whereas they are non-hierarchical\n across geos in LightweightMMM. The Meridian model parameter `xi_c`\n specifies the standard deviation of this geo hierarchy.\n\n- Meridian lets you specify media priors either in terms of beta (the\n same as LightweightMMM) or in terms of ROI.\n\n- The baseline is expressed differently in Meridian, compared to\n LightweightMMM. With Meridian, users can specify both geo-level and\n time-level fixed effects, and the baseline is the sum of both fixed effects.\n\nExpected differences in the MCMC sampling time\n----------------------------------------------\n\nDue to more model parameters and model complexity in Meridian, MCMC\nsampling in Meridian is expected to take longer than in LightweightMMM.\nHowever, because the models are relatively similar, Meridian is not\nexpected to take much longer than LightweightMMM. Precise estimates on how much\nlonger depends on the compute environment, number of geos, model tuning\nparameters, priors, data, and other factors. Although Meridian's model\ncomplexity likely leads to longer MCMC sampling time, more accurate results are\nexpected."]]
