¿Qué variables se utilizan para verificar la fiabilidad de una modelización de MMM?

¿Qué variables se utilizan para verificar la fiabilidad de una modelización de MMM?



Los equipos de Customer Success de Eulerian actúan como asesores para ayudarte a seleccionar el mejor modelo de MMM entre las diferentes iteraciones de modelos propuestas.

  • Para cada cliente, la plataforma Eulerian creará varias iteraciones de modelos utilizando diferentes combinaciones de variables, suavizados y transformaciones. Cada iteración producirá resultados ligeramente diferentes.

  • La plataforma Eulerian evaluará el rendimiento de las iteraciones de modelos mediante las métricas de validación:

  • (Coeficiente de determinación): Mide la proporción de la varianza explicada por el modelo. Cuanto mayor sea el R², mejor será, pero se debe evitar un ajuste excesivo del modelo.

  • NRMSE (Error cuadrático medio normalizado): Indicador de la precisión del modelo al normalizar los errores de predicción. Un NRMSE más bajo indica una mayor precisión.

  • Validación cruzada: Eulerian utiliza la validación cruzada para evaluar la robustez del modelo. La plataforma asegura que el rendimiento se mantenga estable durante las diferentes divisiones de la validación cruzada.

  • Decomp.rssd (Descomposición de la raíz de la suma de las diferencias cuadradas): El decomp.rssd es una métrica específica utilizada en Robyn para evaluar la estabilidad y la calidad de la descomposición de las contribuciones de las variables del modelo (como los gastos publicitarios) en relación con la suma total de las contribuciones.
  • El decomp.rssd mide la diferencia entre las contribuciones predichas y las contribuciones esperadas (o medias) a lo largo de una serie de simulaciones o iteraciones. Un decomp.rssd más bajo indica una mejor estabilidad y coherencia en la distribución de los efectos de las variables explicativas.
  • Esta métrica es particularmente útil para verificar la robustez de las contribuciones marginales del modelo y para asegurarse de que el modelo no presente una gran variabilidad en la descomposición de los efectos durante las iteraciones de simulación.