TVCMなどの試作実行前に行うAAテストの意味 その2 ボラティリティが高い時系列

時系列モデルは、基本的には、以下の様に分解して作る。
元の時系列 = トレンド + 季節性 + 施策効果

ここで、AAテストというのは、トレンドや季節性を除去した際に、何もないノイズに5%とか10%のノイズを与えてそれが検知できるかをやっている。

最近、気がついたことであるが・・・

自分がこれまでよく分析していた業種の場合は、CM効果は、たかだが5%とか10%程度である。
一方、業種によれば、CM効果が300%とか400%といったものすごい効果がある業種も存在する。

ものすごくボラティリティが高い業種において、そのままでAAテストをしましょう、というのはあまり意味がないし、検知できる時系列でもない。
このような時系列の場合は、ボラティリティが高くなる要因をある程度除去をしてからAAテストをした方が良さそうである。

つまり、
元の時系列 = トレンド + 季節性 + 施策効果（施策の効果として5%想定） + 誤差
だと、誤差が300%とか400%になってしまう。

元の時系列 = トレンド + 季節性 + 施策効果（300%〜400%） + 施策効果（施策の効果として5%想定） + 誤差
としたAAテストをする方が良いだろう。