基于随机配对地理实验的增量广告支出回报的稳健因果推断
统计方法学
2021-12-08 v3
摘要
评估预期在线营销策略的增量广告支出回报（iROAS，即该策略对某一关注响应指标的因果效应相对于其对广告支出的因果效应的比值）已变得愈发重要。尽管随机“地理实验”常被用于此类评估，但由于通常仅使用少量高度异质的单元，获得可靠的 iROAS 估计颇具挑战。此外，广告主常对其广告支出施加预算约束，这通过引入实验单元间的干扰进一步使因果推断复杂化。本文提出了一个新颖的统计框架，用于从随机配对地理实验推断在线广告的 iROAS，该框架进一步启发并深化了 Rosenbaum 关于工具变量的论述；我们提出并开发了一个稳健、无分布且可解释的估计量“Trimmed Match”，以及一种数据驱动的调参选择方法，后者可能具有独立意义。我们考察了 Trimmed Match 对其某些假设违背的敏感性，并基于模拟数据表明其可比一些替代估计量更高效。随后，我们通过真实案例研究展示了其实用价值。
引用
@article{arxiv.1908.02922,
title = {Robust Causal Inference for Incremental Return on Ad Spend with Randomized Paired Geo Experiments},
author = {Aiyou Chen and Timothy C. Au},
journal= {arXiv preprint arXiv:1908.02922},
year = {2021}
}