Quelles variables sont utilisées pour vérifier la fiabilité d'une modélisation de MMM ?

Les équipes Customer Success Eulerian jouent le rôle de conseil pour vous aider à sélectionner le meilleur modèle de MMM parmi les différentes itérations de modèles proposées.

  • Pour chaque Client, la plateforme Eulerian créera plusieurs itérations de modèles en utilisant différentes combinaisons de variables, lissages, et transformations. Chaque itération produira des résultats légèrement différents.

  • La plateforme Eulerian évaluera la performance des itérations de modèles grâce aux métriques de validation :

  • R² (Coefficient de détermination) : Mesure la proportion de la variance expliquée par le modèle. Plus le R² est élevé, mieux c'est, mais il faut éviter de sur-ajuster le modèle.

  • NRMSE (Normalized Root Mean Squared Error) : Indicateur de la précision du modèle en normalisant les erreurs de prévision. Un NRS plus bas indique une meilleure précision.

  • Cross-validation : Eulerian utilise la validation croisée pour évaluer la robustesse du modèle. La plateforme s'assure que les performances restent stables lors des différentes découpes de validation croisée.

  • Decomp.rssd (Decomposition Root Sum of Squared Differences) : Le decomp.rssd est une métrique spécifique utilisée dans Robyn pour évaluer la stabilité et la qualité de la décomposition des contributions des variables du modèle (comme les dépenses publicitaires) par rapport à la somme totale des contributions.
  • Le decomp.rssd mesure l'écart entre les contributions prédites et les contributions attendues (ou moyennes) sur une série de simulations ou d'itérations. Un decomp.rssd plus bas indique une meilleure stabilité et cohérence dans la répartition des effets des variables explicatives.
  • Cette métrique est particulièrement utile pour vérifier la robustesse des contributions marginales du modèle et pour s'assurer que le modèle ne présente pas de grande variabilité dans la décomposition des effets lors des itérations de simulation.