Gerar saída de resultados do modelo

Há várias opções para gerar a saída dos resultados do modelo. Você pode:

• Gerar um relatório em HTML de duas páginas com um período personalizado que pode ser exportado para o Google Drive e compartilhado com sua equipe.

• Gerar um resumo dos resultados do modelo para personalizar seus próprios relatórios e visualizações ou exportá-los para outro formato. Esses resumos numéricos das suas métricas de mídia fornecem mais detalhes.

Também é possível criar visualizações de mídia. Para mais informações, consulte Traçar visualizações de mídia.

Gerar o relatório em HTML de resultados do modelo

Para gerar e exportar o relatório:

1. Se você usa o Colab e quer exportar o relatório para o Google Drive, monte o Drive no bloco do Colab:

   from google.colab import drive
   drive.mount('/content/drive')
   

2. Inicialize a classe Summarizer com o objeto de modelo do Meridian:

   summarizer = summarizer.Summarizer(meridian)
   

3. Transmita o nome de arquivo, o caminho e a data de início e de término para output_model_results_summary. Gere o resumo desse período e salve no arquivo especificado.

   Exemplo:

   filepath = '/content/drive/MyDrive'
   start_date = '2020-01-05'
   end_date = '2020-12-27'
   summarizer.output_model_results_summary(f'{FILENAME}.html',
                                           filepath,
                                           start_date,
                                           end_date)
   

   Em que:

   • filepath é o caminho no Google Drive para salvar o arquivo.
   • start_date é a data de início do relatório no formato aaaa-mm-dd.
   • end_date é a data de término do relatório no formato aaaa-mm-dd.
   • FILENAME é o nome escolhido para o arquivo, por exemplo, summary_output.html. A extensão de arquivo precisa ser HTML.

   O relatório em HTML é gerado e salvo no local de arquivo especificado.

Ajuste do modelo

Na seção Ajuste do modelo, você pode a verificar a qualidade estatística do ajuste. O Meridian informa estatísticas de ajuste do modelo, incluindo R ao quadrado, erro percentual absoluto médio (MAPE) e erro percentual absoluto médio ponderado (WMAPE), e também oferece representações visuais que comparam os valores de receita (ou KPI) prevista e real. Esses gráficos facilitam a avaliação da performance do modelo e ajudam a determinar se ele está mal ajustado.

As estatísticas de ajuste do modelo também podem ser úteis para comparar candidatos. No entanto, as métricas de qualidade do ajuste não fornece um panorama completo da adequação do modelo para inferência causal. Além disso, é provável que o melhor modelo para inferência causal e para previsão sejam diferentes.

Para saber como avaliar o ajuste do modelo, consulte Diagnósticos da modelagem.

Exemplo de saída: (clique na imagem para ampliar).

Contribuição da receita ou do KPI

A seção Contribuição da receita ou do KPI fornece uma análise do impacto das suas atividades de mídia e que não são de mídia na performance da receita ou do KPI. É possível comparar métricas importantes, como retorno do investimento (ROI) e porcentagem do gasto e da receita ou KPI incremental em diferentes canais, e também detalhar a contribuição por valor de referência, promoções de preço e vários canais de marketing.

Exemplo de saída: (clique na imagem para ampliar).

Retorno do investimento

A seção Retorno do investimento oferece uma visão mais detalhada da análise de ROI dos canais para que você identifique os que têm melhor performance. É possível comparar o ROI normal e marginal e a eficácia em todos os canais. Além disso, essa seção apresenta o intervalo de confiança para as estimações de ROI, uma vantagem dos modelos bayesianos.

Exemplo de saída: (clique na imagem para ampliar).

Análise ideal

A seção Análise ideal mostra seu nível de gasto atual e onde os retornos marginais do valor gasto por canal começam a diminuir, e também dá recomendações de frequência ideal para que você decida como direcionar seu orçamento no próximo ano.

Exemplo de saída:

Gerar o resumo de resultados do modelo

Esses resumos são gerados pela classe MediaSummary. Ao iniciar essa classe, o intervalo de confiança para os resultados do modelo é especificado usando o argumento confidence_level. Para o período da estimação do modelo, use o argumento selected_times. Por padrão, as estatísticas de resumo são geradas usando um intervalo de confiança de 90% e a janela de modelagem completa.

Exemplo:

Execute os comandos a seguir para gerar o resumo usando as configurações padrão:

media_summary = visualizer.MediaSummary(meridian)
media_summary.summary_table()

Exemplo de saída: (clique na imagem para ampliar).