pymc-labs/pymc-marketing

解決的問題

PyMC-Marketing 提供一組貝葉斯工具，用於行銷分析，協助企業透過量化行銷支出的影響並理解客戶行為，以最大化投資報酬率（ROI）。它解決了將銷售歸因於特定渠道、預測客戶生命周期價值，以及分析客戶在競爭產品間選擇行為的挑戰。

如何運作

基於 PyMC 與 ArviZ 建構，此套件實作多種先進的貝葉斯建模技術：

• 行銷組合建模（MMM）： 使用貝葉斯推論來估計各媒體渠道對銷售的影響，包含廣告庫存（持續效應）與飽和度（邊際效益遞減）。
• 客戶生命周期價值（CLV）： 採用 BG/NBD 與 Pareto/NBD 等模型，在合約型與非合約型情境下預測未來的購買頻率與客戶流失。
• 客戶選擇： 使用多變量中斷時間序列（MVITS）分析產品上市影響，以及使用離散選擇模型（如多項式與巢狀羅吉特模型）來估計產品特性的效用。
• 增量性： 整合實驗預測增量（PIE）與提升測試校準，根據實證數據提升模型準確性。

適用對象

此工具專為資料科學家、行銷分析師，以及需要超越簡單歸因模型、實現數據驅動的預算分配與客戶價值預測之企業所設計。

主要亮點

• 高階 MMM 功能： 支援時間變動的截距、時間變動的媒體貢獻，以及透過有向無環圖（DAG）進行因果識別。
• 預算最佳化： 包含工具，可在各渠道間高效分配行銷支出以達成最大 ROI。
• 彈性推論： 兼容多種 NUTS 采樣器（BlackJax、NumPyro、Nutpie），並支援 GPU 加速。
• 全面的選擇分析： 提供結構性需求估計（貝葉斯 BLP）與 MaxDiff 標度的工具。
• 漏斗建模： 可建模上層漏斗（認知）與下層漏斗（轉換）之間的中介效應。