Sie können die Visualisierungen für die Media-Effekte mithilfe der Klassen MediaSummary und MediaEffects anzeigen. Jede hat unterschiedliche Darstellungen für die Media-Messwerte pro Channel. Damit lassen sich benutzerdefinierte Diagramme erstellen, die in der Standard-HTML-Ausgabe nicht verfügbar sind. Sie können beispielsweise Daten für bestimmte Channels grafisch darstellen, das glaubwürdige Intervall ändern oder löschen sowie den Adstock-Verfall (Adstock Decay) und Hill-Sättigungskurven hinzufügen.
Über die Klasse MediaSummary können Sie die folgenden Diagramme erstellen:
- Flächendiagramm für Beiträge
- Diagramm für die Entwicklung des Beitragsrangs
- Wasserfalldiagramm für Beiträge
- Kreisdiagramm für Beiträge
- Ausgaben im Vergleich zum Beitrag
- ROI nach Channel
- ROI im Vergleich zur Effektivität
- ROI im Vergleich zum Grenz-ROI
Über die Klasse MediaEffects können Sie die folgenden Kurven erstellen:
Flächendiagramm für Beiträge
Im Flächendiagramm für Beiträge sehen Sie den Beitrag des jeweiligen Marketing-Channels zum Gesamtergebnis (Umsatz oder KPI) im Zeitverlauf als übereinandergeschichtete Bänder. Die Höhe eines farbigen Bands zu einem bestimmten Zeitpunkt entspricht dem Beitrag des entsprechenden Channels. Die Gesamthöhe aller Bänder zu einem bestimmten Zeitpunkt entspricht dem Gesamtergebnis. Änderungen der Bänderbreite im Zeitverlauf deuten auf Veränderungen beim Beitrag eines Channels hin.
Führen Sie den folgenden Befehl aus, um das Flächendiagramm für den Channel-Beitrag zu erstellen:
media_summary.plot_channel_contribution_area_chart()
Beispielausgabe:
Diagramm für die Entwicklung des Beitragsrangs
Das Diagramm für die Entwicklung des Beitragsrangs veranschaulicht den relativen Rang des Beitrags jedes Channels, einschließlich der Baseline, auf Grundlage der inkrementellen Ergebnisse im Zeitverlauf. Jede Linie steht für einen Channel. Ihre vertikale Position zu einem bestimmten Zeitpunkt gibt den Rang an. Rang 1 steht für den höchsten Beitrag. Aufwärts verlaufende Linien weisen darauf hin, dass sich der Rang verbessert, während abwärts verlaufende Linien einen Rangverlust bedeuten. Sich kreuzende Linien deuten auf Veränderungen in der relativen Leistung zwischen den Channels hin. Ränge können auf Wochenbasis oder quartalsweise angezeigt werden.
Führen Sie den folgenden Befehl aus, um das Diagramm für die Entwicklung des Beitragsrangs zu erstellen:
media_summary.plot_channel_contribution_bump_chart()
Beispielausgabe:
Wasserfalldiagramm für Beiträge
Das Wasserfalldiagramm für Beiträge gibt Aufschluss darüber, wie viel jeder Channel zum Gesamtbetrag des zusätzlichen Umsatzes oder KPI beigetragen hat. Die Baseline zeigt den Umsatz oder KPI ohne Media-Effekte.
Führen Sie den folgenden Befehl aus, um das Wasserfalldiagramm für Beiträge zu erstellen:
media_summary.plot_contribution_waterfall_chart()
Beispielausgabe:
Kreisdiagramm für Beiträge
Sie können sich ein Kreisdiagramm für den zusätzlichen Umsatz oder KPI-Beitrag aus allen Channels ansehen, der mit der Baseline ohne Media-Effekte verglichen wird.
Führen Sie den folgenden Befehl aus, um das Kreisdiagramm für die Beiträge zu erstellen:
media_summary.plot_contribution_pie_chart()
Beispielausgabe:
Ausgaben im Vergleich zum Beitrag
Im Diagramm „Ausgaben im Vergleich zum Beitrag“ werden die Ausgaben und die Aufteilung des zusätzlichen Umsatzes oder KPI zwischen den Channels verglichen. Diese Visualisierung zeigt den Prozentsatz der Media-Ausgaben für jeden Channel und den Prozentsatz, den der jeweilige Channel zum gesamten zusätzlichen Umsatz oder KPI beigetragen hat. 100 % des Umsatzes (oder KPI) sind der gesamte zusätzliche Umsatz (oder KPI) aus Media, ohne die Baseline. Der grüne Balken gibt den ROI (Return on Investment) für den jeweiligen Channel an.
Führen Sie den folgenden Befehl aus, um das Diagramm zu den Ausgaben im Vergleich zum Beitrag zu erstellen:
media_summary.plot_spend_vs_contribution()
Beispielausgabe:
ROI nach Channel
Wenn Sie den ROI (Return on Investment) zwischen den Channels vergleichen, können Sie nachvollziehen, wie sich die Ausgaben für die einzelnen Channels auf den Umsatz ausgewirkt haben. Der ROI wird anhand des Umsatzes pro investiertem Euro berechnet. Dies wird zusammen mit dem glaubwürdigen Intervall dargestellt.
Führen Sie den folgenden Befehl aus, um das Diagramm für den ROI nach Channel zu erstellen:
media_summary.plot_roi_bar_chart()Beispielausgabe:
Sie können das glaubwürdige Intervall (
ci) auch entfernen oder ändern.Das folgende Beispiel zeigt, wie Sie das glaubwürdige Intervall entfernen:
media_summary.plot_roi_bar_chart(include_ci=False)Beispielausgabe:
Wenn Ihre Daten einen nicht umsatzbezogenen KPI-Typ mit einem unbekannten Wert für die Währungseinheit enthalten, können Sie stattdessen die Kosten pro inkrementellem KPI vergleichen.
Führen Sie den folgenden Befehl aus, um das Diagramm für die Kosten pro inkrementellem KPI zu erstellen:
media_summary.plot_cpik()
ROI im Vergleich zur Effektivität
Sie können den ROI (Return on Investment) der einzelnen Channels mit ihrer Effektivität vergleichen, indem Sie den ROI in Relation zur Effektivität setzen. Die Effektivität wird anhand des zusätzlichen Umsatzes pro Media-Einheit gemessen. In diesem Diagramm entspricht die Größe der einzelnen Channels dem Ausgabenniveau. Je größer der Kreis, desto mehr wurde für den Channel ausgegeben.
Führen Sie den folgenden Befehl aus, um den ROI im Vergleich zur Effektivität darzustellen:
media_summary.plot_roi_vs_effectiveness()Beispielausgabe:
Sie können auch die zu vergleichenden Channels anpassen und festlegen, dass die Diagramme ohne Größenunterschiede dargestellt werden.
Führen Sie den folgenden Befehl aus, um die Größenunterschiede zu deaktivieren:
media_summary.plot_roi_vs_effectiveness(disable_size=True)Beispielausgabe:
ROI im Vergleich zum Grenz-ROI
Sie können den ROI mit dem Grenz-ROI vergleichen. Der Grenz-ROI ist der ROI aus einer zusätzlichen Ausgabeneinheit. Die Größe des Kreises entspricht dem für den Channel ausgegebenen Betrag. Je höher die Ausgaben, desto größer der Kreis.
Führen Sie den folgenden Befehl aus, um den ROI im Vergleich zum Grenz-ROI darzustellen.
media_summary.plot_roi_vs_mroi()Beispielausgabe:
Sie können die gewünschten Channels auswählen und optional gleich große Achsen für ROI und Grenz-ROI verwenden. Sie können die Größenunterschiede auch deaktivieren.
Im folgenden Beispiel werden bestimmte Channels ausgewählt und gleich große Achsen festgelegt:
media_summary.plot_roi_vs_mroi( selected_channels=["Channel1", "Channel4"], equal_axes=True )Beispielausgabe:
Reaktionskurven
Reaktionskurven zeigen Ihr aktuelles Ausgabenniveau und den Punkt, ab dem zusätzliche Ausgaben auf Channelebene nicht mehr den gleichen Ertrag bringen.
Sie können die Reaktionskurven der einzelnen Channels in einem gemeinsamen Diagramm zusammen oder einzeln darstellen. Der farbige Bereich im Diagramm zeigt die glaubwürdigen Intervalle, der Punkt die aktuellen Ausgaben.
So rufen Sie Reaktionskurven in separaten Diagrammen auf:
media_effects = visualizer.MediaEffects(meridian) media_effects.plot_response_curves()Beispielausgabe: (Klicken Sie auf das Bild, um es zu vergrößern.)
So blenden Sie die glaubwürdigen Intervalle aus und zeigen die Kurven in einem gemeinsamen Diagramm an:
media_effects = visualizer.MediaEffects(meridian) media_effects.plot_response_curves( plot_separately=False, include_ci=False )Beispielausgabe:
So stellen Sie nur die Reaktionskurven für die Channels mit den höchsten Ausgaben dar:
media_effects = visualizer.MediaEffects(meridian) media_effects.plot_response_curves( plot_separately=False, num_channels_displayed=1 )Beispielausgabe:
Adstock-Verfall
Diese Visualisierung zeigt die Abklingrate der Media-Effekte, wobei der geometrische Adstock-Verfall, den Meridian verwendet, den höchsten Effekt am ersten Tag hat. Bei dieser Methode wird die Wirkung einer Anzeige auf einen Verbraucher berücksichtigt, auch nachdem die Anzeige ausgeliefert wurde.
Wenn der Posterior höher als der Prior ist, dann halten die Effekte der Auslieferung einer Anzeige auf diesem Media-Channel länger an als ursprünglich angenommen.
Die angezeigten Zeiteinheiten sind auf den Wert max_lag beschränkt. Dieser ist in der folgenden Beispielausgabe auf 8 Zeiteinheiten festgelegt. Normalerweise sind Wochen festgelegt, Sie können aber auch Tage verwenden.
Führen Sie den folgenden Befehl aus, um den Adstock-Verfall darzustellen:
media_effects.plot_adstock_decay()
Beispielausgabe: (Klicken Sie auf das Bild, um es zu vergrößern.)
Hill-Sättigungskurven
Die Hill-Sättigungskurven zeigen die abnehmende Wirkung von Anzeigenimpressionen auf einen Nutzer. Im Modell wird eine C-Kurve verwendet, um die reduzierte Effektivität oder Sättigung darzustellen. Im folgenden Beispiel zeigt die Y-Achse die relative Effektivität der unbegrenzten Auslieferung von Anzeigen. Die X-Achse zeigt die Impressionen pro Kopf. Eine Impression wird immer dann gezählt, wenn ein Nutzer die Anzeige sieht. Diese Kombination zeigt, wie gesättigt die einzelnen Media-Channels sind.
In dieser Grafik ist auch das Histogramm der Daten zu sehen, mit der Anzahl der Anzeigen, die pro Kopf in allen verfügbaren Zeiträumen und geografischen Einheiten präsentiert wurden.
Führen Sie den folgenden Befehl aus, um Hill-Sättigungskurven zu erstellen:
media_effects.plot_hill_curves()
Beispielausgabe: (Klicken Sie auf das Bild, um es zu vergrößern.)
