Diff-MMM: Differentiable Agent-Based Marketing Mix Modeling

概要 / Overview

Diff-MMMは、微分可能エージェントベースモデリング（Differentiable Agent-Based Modeling）を用いた新しいマーケティング・ミックス・モデリング（MMM）フレームワークです。

消費者の認知・購買ファネルをU-A-C（未認知-活性化-購買）状態空間モデルとして記述し、構造的制約（Structural Masking）の下でパラメータ復元とアトリビューション推定を行います。

主な特徴

• 🧠 状態空間モデル: 消費者の認知状態の動態を明示的にモデル化
• 🔗 構造的マスキング: ドメイン知識に基づく因果パスの制約
• 📊 微分可能シミュレーション: 勾配ベースの最適化でパラメータを学習
• 🎯 スピルオーバー効果: TV→検索などの間接効果を構造的に捉える

インストール / Installation

git clone https://github.com/shota-0712/diff-mmm.git
cd diff-mmm
pip install -r requirements.txt

使用方法 / Usage

1. データ生成（シミュレーション）

from dgp.state_space_dgp import StateSpaceUACDGP

# DGPを作成
dgp = StateSpaceUACDGP(
    T=730,  # 730日間
    market_size=100000,
    n_segments=3
)

# データを生成
X, y, attributions = dgp.generate()

2. モデルの学習

from src.diff_mmm import DiffMMM, ModelConfig, Trainer
import torch

# 設定
config = ModelConfig(
    n_segments=3,
    n_states=3,
    n_features=3,
    max_epochs=1000,
    learning_rate=0.01
)

# セグメント属性（ダミー）
segment_attributes = torch.eye(3)

# モデルを初期化
model = DiffMMM(T=730, config=config, segment_attributes=segment_attributes)

# 学習
trainer = Trainer(model, config)
trainer.fit(X_tensor, y_tensor)

3. パラメータ復元の確認

# 推論
with torch.no_grad():
    y_pred, params = model(X_tensor)

# パラメータを確認
print(f"Lambda (忘却率): {torch.sigmoid(params['lambda_k']).mean().item():.3f}")
print(f"Alpha_UA (ベースライン): {torch.sigmoid(params['alpha_UA']).mean().item():.3f}")

ディレクトリ構造 / Directory Structure

diff-mmm/
├── src/
│   └── diff_mmm.py      # メインモデル（DiffMMM, ParamNet, HillTransform）
├── dgp/
│   └── state_space_dgp.py  # データ生成プロセス（U-A-C状態空間）
├── experiments/
│   └── experiment_1_parameter_recovery.py  # パラメータ復元実験
├── README.md
├── requirements.txt
└── .gitignore

理論的背景 / Theoretical Background

本フレームワークは以下の研究に基づいています：

1. SIRモデルのマーケティング応用 - 疫学のSIR（Susceptible-Infected-Recovered）モデルを消費者ファネルに対応付け
2. GradABM - 微分可能エージェントベースモデリング（Chopra et al., AAMAS 2023）
3. 構造的識別性 - ドメイン知識に基づく構造制約による多重共線性の緩和

引用 / Citation

@thesis{horie2025diffmmm,
  author = {堀江 祥汰},
  title = {Diff-MMM: 微分可能エージェントベースモデリングによる構造的マーケティング・ミックス・モデリング},
  school = {東京理科大学},
  year = {2025}
}

ライセンス / License

MIT License - 詳細は LICENSE を参照してください。

著者 / Author

堀江 祥汰 (Shota Horie)

• 東京理科大学 経営学部 ビジネスエコノミクス学科
• Email: [email protected]