PyMC-MarketingによるMMM実装 — データ準備からROAS算出・予算最適化まで

はじめに

本記事では、PyMC-Marketingを使ったMMMモデルの実装手順を、データ準備からROAS算出・予算最適化まで10ステップで解説します。

前記事「PyMC-Marketing完全入門」でライブラリの全体像を理解した前提で、ここではコードを中心とした実践的な内容に集中します。各ステップにPythonコード、期待される出力、解釈ガイド、よくある落とし穴を付けていますので、自分の環境で実行しながら進められます。

使用するデータ

PyMC-Marketing公式のサンプルデータ（mmm_example.csv）を使用します。追加のデータ準備は不要です。

• 179行（約3.4年分の週次データ）
• 2つのマーケティングチャネル（x1, x2）
• 目的変数: y（売上に相当）

各ステップの所要時間

Step 0: 環境構築

インストール

# pip（最もシンプル）
pip install pymc-marketing

# conda-forge（依存関係の解決が確実）
conda install -c conda-forge pymc-marketing

# Docker（環境分離したい場合）
docker pull pymclabs/pymc-marketing:latest

# GPU加速（オプション: NumPyro/BlackJAXバックエンド使用時）
pip install "jax[cuda12]"

# Rust製高速サンプラー（オプション: CPU環境での高速化に推奨）
pip install nutpie

動作確認コード

import pymc_marketing
import pymc as pm
import arviz as az
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

print(f"PyMC-Marketing: {pymc_marketing.__version__}")
print(f"PyMC: {pm.__version__}")
print(f"ArviZ: {az.__version__}")

# GPU確認（NumPyroバックエンド使用時）
try:
    import jax
    print(f"JAX: {jax.__version__}, devices: {jax.devices()}")
except ImportError:
    print("JAX未インストール（GPU不使用）")

# Nutpie確認
try:
    import nutpie
    print(f"Nutpie: {nutpie.__version__}")
except ImportError:
    print("Nutpie未インストール（NUTSバックエンドを使用）")

期待される出力

PyMC-Marketing: 0.18.2
PyMC: 5.x.x
ArviZ: 0.x.x
JAX未インストール（GPU不使用）
Nutpie未インストール（NUTSバックエンドを使用）

解釈ガイド

PyMC-Marketingのバージョンが0.18.x以上であることを確認してください。0.17以前ではAPIが一部異なります。JAXやNutpieはオプションで、初回はNUTSバックエンド（追加インストール不要）で十分です。

システム要件

よくあるトラブル