2. VIPer Robyn 모델

robyn meta의 mmm 오픈소스 솔루션 robyn은 meta의 마케팅 사이언스 팀에서 개발한 ai/ml 기반의 오픈소스 마케팅 믹스 모델링(mmm) 패키지 입니다 머신러닝 기반의 자동화 방식을 채택하여, 분석가의 주관을 최소화하고 통계적 정밀도를 극대화한 의사결정 지원 도구입니다 1\ robyn의 정의 robyn은 마케팅 채널별 성과를 측정하고 예산을 최적화하기 위해 설계된 분석 엔진입니다 수천 번의 모델 반복 학습을 통해 데이터 속에 숨겨진 최적의 파라미터를 스스로 찾아내며, 복잡한 통계적 지식 없이도 신뢰도 높은 마케팅 인사이트를 도출할 수 있도록 돕습니다 2\ 핵심 기술적 특징 robyn은 모델의 정확도와 비즈니스 타당성을 동시에 확보하기 위해 다음과 같은 핵심 기술을 활용합니다 진화 알고리즘 기반 최적화 (nevergrad) 진화 알고리즘 기반 최적화 (nevergrad) 페이스북의 오픈소스 최적화 라이브러리인 'nevergrad' 를 활용합니다 이를 통해 방대한 하이퍼파라미터 조합 중 모델 오차는 줄이면서 마케팅 로직에는 부합하는 최적의 모델 후보군을 자동으로 탐색합니다 과적합 방지 분석 (ridge regression) 과적합 방지 분석 (ridge regression) 다중공선성을 정규화 하고 모델 과적합을 방지 하기 위해 ridge regresion을 사용합니다 해당 분석 방법으로 하이퍼 파라미터를 크게 추정하는 오류를 방지하며 더 신뢰할 수 있는 모델을 구축합니다 시계열 분해 (prophet) 시계열 분해 (prophet) 내부적으로 시계열 예측 도구 인 ' prophet ' 을 사용합니다 매출에 영향을 주는 배경 요인인 트렌드(trend), 계절성(seasonality) , 그리고 공휴일(holiday) 효과 를 사전에 분리하여, 순수한 마케팅 기여도만을 정교하게 식별해냅니다 다목적 최적화 (multi objective optimization) 다목적 최적화 (multi objective optimization) 단순히 예측 오차(nrmse) 만 줄이는 것이 아니라, 마케팅 효율(decomp rssd) 이 비즈니스적으로 타당한 범위 내에 있는지 동시에 고려하는 ' 파레토 최적(pareto front)' 모델들을 제안합니다 3\ 주요 기능 및 강점 실험 기반 검증 (calibration) 실험 기반 검증 (calibration) 실제 리프트 테스트(lift test) 와 같은 실험 데이터가 있다면 이를 모델에 반영하여 결과의 신뢰도를 보정할 수 있습니다 이는 통계 모델이 실제 시장 반응과 동떨어지지 않는 역할 을 합니다 다양한 변환 방식 지원 다양한 변환 방식 지원 매체 특성에 맞춰 이월 효과(geometric, weibull adstock) 와 수익 체감(hill function) 곡선 을 유연하게 적용할 수 있습니다 예산 최적화 도구 (budget allocator) 예산 최적화 도구 (budget allocator) 구축된 모델을 바탕으로, 주어진 예산 내에서 최대의 성과를 낼 수 있는 최적의 매체별 예산 배분 시뮬레이션을 지원합니다 도달(reach) 데이터를 고려한 분석 도달(reach) 데이터를 고려한 분석 매체별 도달자수 데이터가 있는 경우, 광고의 도달 수준을 반영 하여 적절한 saturation 파라미터를 자동으로 제공합니다