FRENITESDE

Research & Evidence

Cerca un metodo

Cerca tra titoli, domande, territori e identificativi MSC.

40 risultati
  1. MSC-P-001Come trasformare un’affermazione di marketing in una domanda verificabile?Scienza delle decisioni↗
  2. MSC-P-002Correlazione o causalità: cosa consente davvero di affermare un’analisi?Misurazione del marketing↗
  3. MSC-P-003Come esprimere l’incertezza di un risultato di marketing?Scienza delle decisioni↗
  4. MSC-P-004Significatività o dimensione dell’effetto: quale risultato interpretare?Scienza delle decisioni↗
  5. MSC-P-005Come misurare un costrutto di marketing non direttamente osservabile?Ricerche di mercato↗
  6. MSC-P-006Come progettare e validare una scala di misurazione?Ricerche di mercato↗
  7. MSC-P-007Alpha o omega: come valutare l’affidabilità di una scala?Ricerche di mercato↗
  8. MSC-P-009PCA, EFA o CFA: quale metodo scegliere?Ricerche di mercato↗
  9. MSC-P-010Quando condurre un esperimento di marketing?Misurazione del marketing↗
  10. MSC-P-011Come progettare un A/B test che stimi davvero un effetto?Misurazione del marketing↗
  11. MSC-P-012Di quante osservazioni ha bisogno un esperimento?Scienza delle decisioni↗
  12. MSC-P-013Come misurare l’effetto incrementale di una campagna con un gruppo di controllo?Misurazione del marketing↗
  13. MSC-P-017Come rilevare selezione, contaminazione e attrition in un esperimento?Misurazione del marketing↗
  14. MSC-P-018Regressione predittiva o causale: cosa si vuole stimare?Modelli di marketing↗
  15. MSC-P-019Come diagnosticare una regressione di marketing prima di interpretarla?Modelli di marketing↗
  16. MSC-P-022Come stimare l’elasticità al prezzo e la sua incertezza?Scienza dei prezzi↗
  17. MSC-P-026Logit vs Probit: come scegliere per una probabilità di acquisto?Scienza del cliente↗
  18. MSC-P-029Quali clienti hanno la probabilità di churn più elevata?Scienza del cliente↗
  19. MSC-P-027TAM, UTAUT o UTAUT2: quale quadro usare per studiare l’accettazione tecnologica?Ricerche di mercato↗
  20. MSC-H-001Misurazione e causalità: come stabilire un effetto di marketing?Misurazione del marketing↗
  21. MSC-H-002Modelli di risposta marketing: forma, ritardo e saturazioneModelli di marketing↗
  22. MSC-H-003Scienza dei prezzi: collegare prezzo, domanda e contribuzioneScienza dei prezzi↗
  23. MSC-H-004Scienza del cliente e della scelta: comportamento, valore ed eterogeneitàScienza del cliente↗
  24. MSC-H-005Scienza della misurazione: costruire indicatori validiRicerche di mercato↗
  25. MSC-H-006Metodi statistici decisionali: scegliere, quantificare, validareScienza delle decisioni↗
  26. MSC-P-008Come validare una scala di misurazione marketing?Ricerche di mercato↗
  27. MSC-P-014Come progettare un esperimento geografico di marketing?Misurazione del marketing↗
  28. MSC-P-015Come stimare un effetto con la differenza nelle differenze?Misurazione del marketing↗
  29. MSC-P-020Come trattare l’endogeneità del prezzo?Scienza dei prezzi↗
  30. MSC-P-021Effetti fissi o casuali: quale modello panel scegliere?Modelli di marketing↗
  31. MSC-P-023Come stimare una funzione di domanda?Scienza dei prezzi↗
  32. MSC-P-024Come simulare uno scenario prezzo-volume-margine?Scienza dei prezzi↗
  33. MSC-P-028Come stimare la CLV con BG/NBD e Gamma-Gamma?Scienza del cliente↗
  34. MSC-P-030Come analizzare la ritenzione con un modello di sopravvivenza?Scienza del cliente↗
  35. MSC-P-031Come costruire una segmentazione clienti utile?Scienza del cliente↗
  36. MSC-P-032Come testare la stabilità di una segmentazione?Scienza del cliente↗
  37. MSC-P-033Come validare una previsione di marketing?Scienza delle decisioni↗
  38. MSC-P-034Come costruire una simulazione Monte Carlo per una decisione di marketing?Scienza delle decisioni↗
  39. MSC-P-035Come modellare saturazione e adstock?Modelli di marketing↗
  40. MSC-P-039Quale test statistico scegliere?Scienza delle decisioni↗
← Tutti i metodi
SCHEDA METODOMSC-P-035Regressione ed econometria

Come modellare saturazione e adstock?

L’adstock rappresenta la persistenza nel tempo; la saturazione il calo del rendimento marginale. I parametri possono confondersi con trend, stagionalità e scelte di budget.

Risposta diretta

Confrontare forme di risposta e produrre curve condizionali nel supporto osservato.

L’adstock rappresenta la persistenza nel tempo; la saturazione il calo del rendimento marginale. I parametri possono confondersi con trend, stagionalità e scelte di budget.

Modello o risultatoAₜ=xₜ+λAₜ₋₁, 0≤λ<1; Rₜ=αAₜᵝ/(γᵝ+Aₜᵝ), α,β,γ>0

Vakratsas & Ambler, 1999Jin et al., Bayesian methods for media mix modeling

ESTIMAND

Profilo della stima

Unità di analisi
Osservazione, entità o serie × periodoTerminologia scientifica controllata (EN)channel × period
Estimando esatto
Carryover and response-shape parameters
Modello o risultato
Aₜ=xₜ+λAₜ₋₁, 0≤λ<1; Rₜ=αAₜᵝ/(γᵝ+Aₜᵝ), α,β,γ>0

01—08

Quadro di analisi verificabile

  1. 01
    Domanda

    Come modellare saturazione e adstock?

  2. 02
    Estimando

    Carryover and response-shape parameters · channel × period

  3. 03
    Dati

    date · channel_spend · outcome · seasonality · controls · adstock_initialization

  4. 04
    Modello o risultato

    Aₜ=xₜ+λAₜ₋₁, 0≤λ<1; Rₜ=αAₜᵝ/(γᵝ+Aₜᵝ), α,β,γ>0

  5. 05
    Calcolo dichiarato

    Aₜ=xₜ+λAₜ₋₁, 0≤λ<1; Rₜ=αAₜᵝ/(γᵝ+Aₜᵝ), α,β,γ>0 → Carryover and response-shape parameters

  6. 06
    Controlli dell’incertezza

    Parameter identifiability · Declare A₀ and transform order · Lag support · Shape sensitivity · Holdout or experiment calibration

  7. 07
    Validazione specifica

    Verificare dati, stabilità della stima e limiti interpretativi. Parameter identifiability · Declare A₀ and transform order · Lag support · Shape sensitivity · Holdout or experiment calibration

  8. 08
    Limiti

    Dedurre una riallocazione causale affidabile da un fit temporale non identificato.

Variabili necessarie

  • date
  • channel_spend
  • outcome
  • seasonality
  • controls
  • adstock_initialization

Controlli · Terminologia scientifica controllata (EN)

  • Parameter identifiability
  • Declare A₀ and transform order
  • Lag support
  • Shape sensitivity
  • Holdout or experiment calibration
Decisione possibile

Confrontare forme di risposta e produrre curve condizionali nel supporto osservato.

Decisione non supportata

Dedurre una riallocazione causale affidabile da un fit temporale non identificato.

Fonti scientifiche

2 fonti

  1. Vakratsas & Ambler, 1999
  2. Jin et al., Bayesian methods for media mix modeling

Dataset · Strumento

Dataset · MSC-006Serie media non identificata→

Connessioni metodologiche

Territorio principaleModelli di risposta marketing: forma, ritardo e saturazioneRichiedeCome validare una previsione di marketing?

Da leggere dopo

MSC-H-002Modelli di risposta marketing: forma, ritardo e saturazione→MSC-P-018Regressione predittiva o causale: cosa si vuole stimare?→MSC-P-014Come progettare un esperimento geografico di marketing?→MSC-P-033Come validare una previsione di marketing?→