Meridian GeoX で使用されるデータは、各地域の費用とレスポンス（コンバージョン数や収益など）の日次時系列データです。
次のグラフでは、X 軸は日付を、Y 軸は指標値（レスポンスと費用）を表します。各線は 1 つの地域に対応しています。縦の点線は、テスト前期間とテスト期間の分割を表しています。広告への介入はテスト期間に行われます。
一般的なデータ要件
地域テストのデータ要件については、次のセクションをご覧ください。
費用データ
ゴーダークまたはヘビーアップの設計を含むテスト（これらのタイプに割り当てられたマルチセル調査内の介入群セルを含む）では、費用時系列データの提供が必須です。ホールドバック テスト、またはマルチセル調査のホールドバック セルの場合、費用は必要ありません。
コンバージョン指標
適切なコンバージョン指標を特定することは、地域テストを効果的に構成して評価するための基本的な要件です。適切な指標は、特定のビジネス上の基準と方法論基準に準拠している必要があります。
- ビジネス基準: 選択したコンバージョンの定義は、戦略的なアクションを決定するプライマリ KPI と密接に関連している必要があります。この指標には、評価対象のメディア チャネルの具体的な影響が反映されていなければなりません。たとえば、ブランド認知度向上の手法をテストする場合は、上流ファネルの指標を優先します。
- 技術基準: テストで使用される地域レベルでコンバージョン データにアクセスできる必要があります。スパース性が高い指標や、null エントリの割合が大きい指標は、統計モデリング プロセスを複雑にする可能性があるため、除外することをおすすめします。
- 指標タイプとアトリビューション: コンバージョン指標は、収益やコンバージョン数などの絶対値にする必要があります。広告費用対効果などの比率指標は GeoX でサポートされていません。また、割り当てられたコンバージョンではなく、フィルタされていない未加工のコンバージョンの時系列を使用する必要があります。これにより、事前定義されたアトリビューションのロジックによって結果が歪められ、実際の因果関係のインクリメンタリティが誤って表示されるのを防ぐことができます。
地域レベルのデータ
地域テストを設計する前に、地域レベルのテスト前時系列データを作成する必要があります。このステップでは、3*N 日分以上のレスポンス データ（収益やコンバージョン数など）を提供します。ここで、N は実際のテスト期間の日数です。ビジネスに明確な季節性や周期的なパターンがある場合は、モデルを効果的にトレーニングし、反事実推定に偏りが生じないように、長い履歴期間（1 年以上など）を準備する必要があります。
ゴーダークやヘビーアップなど、既存のキャンペーンを対象とするテストタイプでは、既存のキャンペーンの統計情報を使用して必要なテスト予算を計算するため、地域レベルの日別費用時系列データも準備する必要があります。この費用データは通常、Google 広告アカウントまたはパブリッシャー API から取得できます。
データ構造
テスト前のデータセットは Pandas DataFrame にして、次の列を含める必要があります。
- date
- location: さまざまな市場エリア。
- conversions: 最近のコンバージョン データは、通常、フィルタされていない未加工のコンバージョン データまたは収益データで、通常は広告主の CRM から取得されます。コンバージョン データには、通常運用（BAU）の状況が反映されている必要があります。
- spend: 調査対象のキャンペーンの費用データ。これは省略可能な列です。
マルチセル調査の場合は、各セルの特定の介入にマッピングされた個別の費用列を指定する必要があります。これには次のようなユースケースがあります。
- 同じチャネルまたはキャンペーンで異なる戦略をテストする: YouTube などのまったく同じプラットフォーム内で、広告を完全に一時停止する場合と、費用を大幅に増やす場合など、異なる戦略を比較します。どちらのセルも同じ基盤となるキャンペーン プールを変更するため、spend_cell_1 や spend_cell_2 などの費用セルは同じ値になります。
- さまざまなチャネルや戦略をテストする: YouTube 広告とデマンド ジェネレーション広告、顧客開拓とリターゲティングなど、まったく異なるアプローチを比較します。各セルは異なるキャンペーンにリンクされているため、費用の値は異なります。セル 1 には 1 つ目の戦術の費用を、セル 2 には 2 つ目の戦術の費用を反映する必要があります。
トランザクションや収益データ、費用データなどのレスポンスは、次の形式で準備する必要があります。テスト前期間の範囲内で、日付と場所の各ペアがこのテーブルに 1 回だけ表示されます。
以下は、単一セルのゴーダーク テストを設計するためのデータ アップロードの例です。
| date | location | conversions | spend |
|---|---|---|---|
| 2026-01-01 | LOC1 | 1104.88 | 142.55 |
| 2026-01-01 | LOC2 | 242.24 | 210.18 |
| 2026-01-01 | LOC3 | 339.95 | 325.25 |
| 2026-01-01 | LOC4 | 60.99 | 95.62 |
| 2026-01-01 | LOC5 | 173.20 | 178.62 |
| … | … | … | … |
以下に、2 セルテストを設計するためのデータ アップロードの例を示します。テスト期間中、1 つ目の介入群セルはゴーダークに、2 つ目の介入群セルはヘビーアップにします。
| date | location | conversions | spend_cell_1 | spend_cell_2 |
|---|---|---|---|---|
| 2026-05-01 | Region_A | 45 | 120 | 150 |
| 2026-05-01 | Region_B | 30 | 80 | 100 |
| 2026-05-02 | Region_A | 50 | 125 | 155 |
| 2026-05-02 | Region_B | 35 | 85 | 105 |
| 2026-05-03 | Region_A | 48 | 122 | 152 |
ベスト プラクティス
地域テストの統計的な頑健性を確保するには、次のベスト プラクティスを実践してください。
負の値を持つ指標
払い戻し後の純収益など、負の値を含む可能性のある指標は使用しないでください。負の値は、設計のランダム化と統計モデリングを妨げます。
総収益や総コンバージョン数など、負でない絶対値を常に使用する必要があります。払い戻し額が大きい場合は、総売上高に基づいて設計と分析を行い、テスト後に過去の純売上高と総売上高の比率を適用してください。
日次データの変動
データを週単位で集計しないでください。GeoX では日単位の時系列が厳密に必要であり、週単位のデータはサポートされていません。日次データの変動が大きい場合は、以下の方法を検討してください。
- テスト期間を延長（4 週間から 6 週間または 8 週間に変更するなど）して、より多くのデータを蓄積する。
- 購入ではなく、カートへの追加など、より浅い KPI を使用して、ボリュームを増やし、カウントがゼロの日を減らす。
- ターゲット介入群のサイズを大きくするか、設計制約で
max_conversions_percentを調整する。
KPI の最適化
このライブラリでは、1 回の実行につき 1 つのプライマリ コンバージョン KPI のみがサポートされます。新規購入者とリピーターなど、複数の指標に合わせて設計を同時に最適化することはできません。
設計エンジンを実行し、プライマリ KPI を最適化して、調査で十分な検出力を発揮できるようにします。テスト後に、それぞれのデータに対して analyze 関数を実行して、セカンダリ KPI を慎重に分析できます。