作者
桥 - Data 咖啡
最近，Artefact 的 Research Center 主管 Emmanuel Malherbe 与 Data 科学总监兼 Artefact 因果人工智能研究与营销组合建模全球负责人 Sid Mohan 会晤，共同探讨了营销测量问题。.
营销测评领域有许多不断变化的因素。您能重点介绍一下哪些创新将在未来推动营销测量的发展吗？
在我们的衡量框架中，我们有三种方法：归因、增量测试和 MMM。然而，这些方法目前都面临着阻碍无缝协作的制约因素。.
例如，归因模型需要纳入与基线有关的制约因素，这是了解营销活动总体影响的一个关键因素。.
同时，增量测试往往受到主要技术平台的严格控制。执行这些测试往往需要大量的媒体支出，而且通常仅限于付费数字媒体。这就需要采用贝叶斯因果推理和潜在结果框架等先进技术；这些方法由亚马逊科学研究院和微软研究院等实体首创并开源。.
而在 MMM 领域，利用因果模型的最新进展有了可靠的机会，这也要归功于亚马逊科学公司的开拓性工作，它的突破性创新确实是开源的，可供 data 科学界利用。.
那么，这些先进的方法是如何应对传统模式所面临的挑战的呢？
目前的方法在 MMM 框架内提供了对营销活动更细致入微的理解。但是，这些方法无法深入到营销人员根据具体业务需求迅速采取有针对性行动所需的粒度。为了解决这个问题，分层贝叶斯模型以及更重要的结构化因果模型的开发得到了迅猛发展，这些模型可以提供更精细的视角，并更频繁地执行 MMM。.
说到因果关系，人们似乎更倾向于理解 data 背后的 “原因”。您能告诉我们更多这方面的信息吗？
自 2021 年以来，人工智能发生了一场因果革命。以微软研究院（Microsoft Research）和亚马逊科学公司（Amazon Science）为首的公司现在正在强调理解data背后的 “为什么”，超越了传统上对 “是什么 ”的关注。结构化因果模型的开源解决方案使企业能够在并发和混杂事件的大背景下估计单一事件的影响。.
在公司内部培养创新文化至关重要。您如何建议企业创造和激励实验与创新？
营销团队和 data 团队之间的协同作用至关重要。您能详细说明这些团队如何有效合作以推动创新吗？
营销团队和 data 团队是一对理想的搭档，营销人员渴望突破创意极限，而 data 团队则乐于解决各种挑战。打破制度化的方法对于培养创新文化至关重要。鼓励 data 科学家解决因突破创意极限而产生的问题，可确保公司保持敏捷性和相关性。.
您能否举例说明一家公司成功地接受了这种创新文化？
在荷兰，我们正在与一家在线电子商务公司合作，该公司每年都要进行数百甚至数千次实验，与两年前没有任何测量实践相比，这是一个重大转变。这种强大的创新和实验文化使他们脱颖而出，提高了营销效率和投资回报率，达到了令人印象深刻的 20%。.
总之，先进的测量实践、对因果关系的关注以及创新和实验文化之间的协同作用正在重塑营销分析的格局，并确保企业在不断变化的商业环境中保持灵活性和相关性。.
