pymc-labs/pymc-marketing

解決する課題

PyMC-Marketing はマーケティング分析のためのベイズツールのスイートを提供し、マーケティング支出の影響を定量化し、顧客行動を理解することで、企業がROIを最大化するのを支援します。特定のチャネルによる売上の帰属、顧客生涯価値の予測、競合製品間での顧客選択の分析という課題に対処します。

動作方法

PyMC および ArviZ の上に構築されたこのライブラリは、いくつかの高度なベイズモデリング手法を実装しています：

• マーケティングミックスモデリング (MMM): ベイズ推論を用いて、さまざまなメディアチャネルが売上に与える影響を推定し、広告ストック（継続効果）や飽和（限界効果の逓減）を組み込みます。
• 顧客生涯価値 (CLV): BG/NBD や Pareto/NBD モデルを活用して、契約型および非契約型の状況下で将来の購入頻度と顧客離脱を予測します。
• 顧客選択: 製品リリースの影響を分析するための多変量中断時系列（MVITS）と、離散選択モデル（マルチノミアルやネストロジットなど）を用いて、製品特徴の効用を推定します。
• インクリメンタリティ: 実験による予測インクリメンタリティ（PIE）とリフトテストのキャリブレーションを統合し、実証データに基づいてモデルの精度を向上させます。

対象ユーザー

このツールは、単純な帰属モデルから脱却し、データ駆動型の予算配分と顧客価値予測を実現したいデータサイエンティスト、マーケティングアナリスト、および企業向けに設計されています。

主な特徴

• 高度なMMM機能: 時間変動型の切片、時間変動型のメディア貢献、および有向非巡回グラフ（DAG）を用いた因果識別をサポート。
• 予算最適化: 最大ROIを実現するためのチャネル間でのマーケティング支出の効率的配分を可能にするツールを含む。
• 柔軟な推論: BlackJax、NumPyro、Nutpie などの複数の NUTS サンプラーと互換性があり、GPU加速もサポート。
• 包括的な選択分析: ベイズ型BLPによる構造的需要推定とMaxDiffスケーリングのためのツールを提供。
• ファンネルモデリング: 上流フェーズの認知と下流フェーズのコンバージョンの間の媒介効果をモデル化可能。