Как мы выжали максимум из 150 точек данных

Когда заходит речь про эффективность маркетинга — аналитики часто опираются на digital-рекламу. Но реальность — это микс из digital плюс оффлайн, который даётся флайтами с понедельной агрегацией и 150 строк данных за три года. Классические ML-модели в таких условиях выдают отрицательные веса работающих каналов, а модели временных рядов отвечают на вопрос «что будет?», а не «за счёт чего были продажи».

В докладе на реальном кейсе покажу, как с помощью байесовской регрессии в PyMC-Marketing построить причинную, интерпретируемую модель вклада ТВ, радио, OOH и digital в продажи. Разберу, как валидировать модель, когда данных «классически недостаточно» и за счёт чего мы верим в эту модель.