Core Concepts
シャプレー値回帰は、マーケティングチャネル内のパートナーレベルの貢献を解明するための有望な手法であり、多重共線性に陥ることなく貢献を分析する貴重なツールです。
Abstract
マーケティング業界からの実データを使用して、シャプレー値回帰がどのように適用されるかを示す。
パートナーレベルの効率性を理解するために、時間系列データが使用されている。
シャプレー値回帰は、協力的ゲーム理論に基づいており、相互作用や相関関係を考慮して各パートナーの寄与度を計算する。
係数計算方法について議論し、解釈可能性とモデル精度のバランスが必要であることが強調されている。
導入
マーケティングチャンネル内でのパートナーレベルの貢献を解明する必要性が増している。
MMMはクロスチャンネルメディア測定における主要なアプローチとなっている。
シャプレー値回帰への拡張
ゲーム理論に基づくShapley Value Regressionは、協力的ゲーム性質を反映した独立変数を扱う。
多重共線性問題を軽減し、クロスチャンネルパートナーマーケティングで一般的に見られる問題に対処する。
係数計算方法比較
Shapley Value Regression内で係数計算方法が議論されており、異なる最適化手法や制約条件が提案されている。
Pythonプログラム in Jupyter Notebook
時系列データからShapley Value Regressionと係数計算手法を実行するPythonプログラムが提供されている。
Stats
NielsenはDMA® Regions(210エリア)で米国市場を分割しています。
R2(決定係数)は依存変数の変動割合を説明します。
Shapley Valuesは常に正または0であり、全体ではR2と一致します。