Preparar os dados do pré-teste

Os dados usados no Meridian GeoX são séries temporais diárias de gastos e respostas para cada região, como contagens de conversões ou receita.

Nos gráficos a seguir, o eixo x corresponde às datas, e o eixo y representa o valor da métrica, que é a resposta e o gasto. Cada linha corresponde a uma região. As linhas pontilhadas verticais representam a divisão entre os períodos de pré-teste e de teste, e a intervenção nos anúncios acontece no período de teste.

Requisitos gerais de dados

Consulte as seções a seguir para saber mais sobre os requisitos de dados dos seus testes geográficos.

Dados de gastos

Em testes que envolvem retirada de anúncios ou investimento em regiões específicas, incluindo células de tratamento em estudos multicelulares atribuídos a esses tipos, é obrigatório fornecer dados de série temporal de gastos. Os gastos não são necessários em testes de retenção ou em estudos com várias células de retenção.

Métrica de conversão

Identificar uma métrica de conversão adequada é um requisito fundamental para configurar e avaliar os testes geográficos com eficiência. Uma métrica adequada precisa seguir padrões comerciais e metodológicos específicos:

• Critérios comerciais: a definição de conversão selecionada precisa estar alinhada ao KPI principal que orienta as ações estratégicas. Essa métrica deve refletir a influência desse canal de mídia específico que está sendo avaliado. Por exemplo, priorizar indicadores de funil superior ao testar táticas de reconhecimento da marca.
• Critérios técnicos: os dados de conversão precisam estar acessíveis no nível geográfico usado no teste. Recomenda-se excluir métricas com esparsidade significativa ou grande proporção de entradas nulas, já que elas podem complicar o processo de modelagem estatística.
• Tipo de métrica e atribuição: a métrica de conversão precisa ser absoluta, como receita ou contagem de conversões. As métricas de proporção, como ROAS, não são compatíveis com o GeoX. Além disso, use séries temporais de conversão brutas e não filtradas, em vez de conversões atribuídas. Isso evita que os resultados sejam distorcidos pela lógica de atribuição predefinida, o que pode deturpar a incrementalidade causal real.

Dados por região geográfica

Crie dados de pré-teste para uma série temporal em nível geográfico antes de projetar um teste geográfico. Nesta etapa, você vai fornecer um mínimo de 3*N dias de dados de resposta, como receita ou contagem de conversões, em que N é igual à duração do período de teste real do seu teste. Se a empresa está sujeita a uma forte sazonalidade ou padrões cíclicos, prepare um período histórico mais longo, como um ano ou mais, para treinar o modelo de forma eficaz e evitar vieses na estimativa contrafactual.

Para tipos de teste que envolvem campanhas atuais, como retirada de anúncios ou investimento em regiões específicas, também é necessário preparar dados diários de séries de gastos por região, já que eles serão usados para calcular o orçamento necessário do teste com as estatísticas da campanha atual. Esses dados de gastos geralmente podem ser recuperados da conta do Google Ads ou das APIs do publisher.

Estrutura de dados

O conjunto de dados de pré-teste precisa ser um DataFrame do Pandas com as seguintes colunas:

• data
• local: diferentes áreas de mercado.
• conversions: os dados de conversão recentes geralmente são conversões brutas não filtradas ou dados de receita, obtidas da gestão de relacionamento com o cliente do anunciante (CRM, na sigla em inglês). Os dados de conversão precisam refletir uma situação de negócios dentro do esperado (BAU, na sigla em inglês).
• spend: dados de gastos das campanhas incluídas no estudo. Essa coluna é opcional.

Para estudos com várias células, forneça colunas de gastos separadas mapeadas para a intervenção específica de cada célula. Os casos de uso incluem:

• Testar estratégias diferentes no mesmo canal ou campanha: compare estratégias diferentes, como pausar anúncios completamente ou aumentar significativamente os gastos, na mesma plataforma, como o YouTube. Como as duas células modificam o mesmo pool de campanhas, as células de gasto, como spend_cell_1 e spend_cell_2, terão valores idênticos.
• Testar diferentes canais ou táticas: compare abordagens totalmente distintas, como anúncios do YouTube em relação a anúncios da Geração de Demanda, ou prospecção em relação a retargeting. Como cada célula está vinculada a uma campanha diferente, os valores de gasto serão diferentes. A célula 1 deve refletir o gasto da primeira tática, enquanto a célula 2 deve refletir o gasto da segunda.

As respostas, como colunas de transações ou dados de receita, além de dados de gastos, precisam ser preparadas no formato a seguir. No intervalo do período de pré-teste, cada par de data e local aparece exatamente uma vez nessa tabela.

Veja este exemplo de upload de dados para criar um teste de retirada de anúncios unicelular:

Veja um exemplo de upload de dados para criar um teste de duas células. Durante o período do teste, a primeira célula de tratamento deve ser de retirada de anúncios e a segunda de investimento em regiões específicas:

Práticas recomendadas

Siga estas práticas recomendadas para garantir que seu teste geográfico seja estatisticamente robusto.

Métricas com valores negativos

Não use métricas que possam conter valores negativos, como receita líquida após reembolsos. Valores negativos prejudicam a aleatoriedade do projeto e a modelagem estatística.

Sempre use valores absolutos não negativos, como receita bruta ou contagens brutas de conversões. Se os reembolsos forem significativos, execute o projeto e a análise das vendas brutas e aplique uma proporção histórica de líquido para bruto após o teste.

Volatilidade diária dos dados

Não agregue seus dados por semana. O GeoX exige séries temporais diárias, e dados semanais não são aceitos. Se os dados diários forem muito voláteis:

• Estenda a duração do teste, por exemplo, de quatro para seis ou oito semanas, para acumular mais dados.
• Use um KPI mais superficial, como "Adicionar ao carrinho" em vez de "Compra", para aumentar o volume e reduzir os dias com contagem zero.
• Aumente o tamanho do grupo experimental desejado ou ajuste max_conversions_percent nas restrições de projeto.

Otimização de KPIs

A biblioteca aceita apenas um KPI de conversão principal por execução. Não é possível otimizar um projeto para várias métricas simultaneamente, como compradores novos e recorrentes.

Execute o mecanismo de projeto e otimize seu KPI principal para garantir que o estudo tenha a eficiência necessária. Você pode analisar com cuidado os KPIs secundários pós-teste executando a função analyze nos dados respectivos.