Robyn：持续化与半自动化的营销组合模型

Meta 营销科学团队出品，开源营销组合模型（MMM）包

简介

• Robyn 是什么？：Robyn 是 Meta 营销科学团队开发的一款实验性、半自动化且开源的营销组合模型（MMM）包。它综合运用多种机器学习技术（岭回归、用于超参数优化的多目标进化算法、用于趋势与季节性的时间序列分解、基于梯度的预算分配优化、聚类等），来定义媒体渠道的效率与效果，并探索广告折现率与饱和曲线。该工具专为包含大量独立变量的细粒度数据集而设计，因此尤其适合拥有丰富数据源的数字营销与直接响应广告主。

• 我们为何要做这件事？：MMM 过去是一种资源密集型技术，只有“大玩家”才负担得起。随着测量领域对隐私保护需求的演变，对现代 MMM 作为一种隐私安全解决方案的需求明显增长。在 Meta 营销科学团队，我们的使命是通过基于数据与科学的营销实践变革，帮助所有企业成长。这与我们推动 MMM 普及化、使其惠及各种规模广告主的目标高度一致。借助 Robyn 项目，我们期望为测量领域做出贡献，启发整个行业，并围绕 MMM 与营销科学的未来，构建一个交流与创新的社区。

Robyn 同时提供 R 和 Python 版本。安装与使用指南请见下文。请注意，当前 Python 版本是基于大语言模型翻译的 Beta 版，可能会遇到一些 bug。

R 语言快速上手

1. 安装 R 包

• 安装 Robyn 最新的 R 包版本：

## CRAN 版本
install.packages("Robyn")

## 开发版本
# 如果尚未安装 remotes，请先运行：install.packages("remotes")
remotes::install_github("facebookexperimental/Robyn/R")

• 如果下载耗时过长（网络慢或不稳定）导致安装时遇到问题，可尝试设置 options(timeout=400)。

• Robyn 依赖 Python 库 Nevergrad。如果在安装过程中遇到与 Python 相关的错误，请参考分步指南以及此 issue 获取更多信息。

• 对于 Windows 系统，如果遇到 openssl 错误，请按照此处和此处的说明安装并更新 openssl。

2. 开始使用

• 请使用 demo.R 脚本作为分步指南，该脚本涵盖了最常见的用例。使用包内提供的模拟数据集进行测试。

• 访问我们的网站了解更多关于 Robyn 项目的详细信息。

• 加入我们的公共小组与其他用户交流，并与 Robyn 团队互动。

• 在线学习 Meta 的官方 Robyn 蓝图课程。

Python 快速上手（Beta 版）

Python 版本的 Robyn 是基于 Robyn 的 R 包版本 3.11.1，采用面向对象编程原则和模块化架构从零重写而来，以提供稳健的解决方案。该版本利用了多种大语言模型和 AI 工作流（如 Llama）。与任何基于 AI 的解决方案一样，将代码从一种语言翻译到另一种语言时可能会遇到一些挑战。本次从 R 到 Python 的翻译可能也会存在一些问题。但我们相信社区协作和开源贡献的力量。因此，我们向社区开放该项目，邀请大家参与和贡献力量。共同解决可能出现的任何问题，提升 Python 版本 Robyn 的功能和效率。期待您的贡献，并与您一同持续改进该项目。

1. 先决条件

• 机器上必须安装 R。从官方 R 语言网站下载。
• 需要安装 glmnet R 包。

在 Windows 上安装 glmnet

# 打开 R 控制台（在命令提示符/PowerShell 中运行）
R
# 然后在 R 控制台中安装 glmnet
install.packages("glmnet")
# 退出 R 控制台
q()

在 macOS/Linux 上安装 glmnet

# 打开终端并运行 R
R
# 然后在 R 控制台中安装 glmnet
install.packages("glmnet")
# 退出 R 控制台
q()

2. 设置 Python 环境

Windows

# 创建虚拟环境
python -m venv robyn-env

# 激活虚拟环境
robyn-env\Scripts\activate

macOS/Linux

# 创建虚拟环境
python3 -m venv robyn-env

# 激活虚拟环境
source robyn-env/bin/activate

3. 安装 Robyn

选择以下一种安装方式：

# 从 PyPI 安装（推荐）
pip3 install robynpy

# 或从源码安装开发版本
pip3 install -r requirements.txt

4. 开始使用

python/src/robyn/tutorials 目录包含了针对最常见场景的教程，并使用内置的模拟数据集。

有两种运行 Python Robyn 的方式：

方式 1：使用 tutorial1.ipynb（推荐）

• 提供端到端流程，一键式解决方案
• 适合喜欢最小化配置的用户
• 使用 python/src/robyn/robyn.py 中的 API
• 包括特征工程、模型训练、聚类、一页纸报告生成和预算分配
• 配置可直接在 notebook 中修改

方式 2：使用 tutorial1_src.ipynb（高级）

• 提供更高的灵活性，可对单个模块进行精细控制
• 适合希望自定义工作流的用户
• 直接使用参数调用模块
• 允许跳过特定组件（聚类/一页纸报告图/预算分配）
• 需要理解底层逻辑

Python 封装器快速上手（Python 版 Robyn API，Beta 版）

Python 版 Robyn API（Beta 版）于 2023 年 11 月 22 日首次发布，是一个基于 plumber 的解决方案，需要先安装 Robyn R 包。当 Python 原生版本尚不可用或未更新时，此 API 可作为一种临时替代方案。请参阅此处的使用指南。

许可协议

Meta 的 Robyn 采用 MIT 许可协议，详见 LICENSE 文件。

• 使用条款 - https://opensource.facebook.com/legal/terms
• 隐私政策 - https://opensource.facebook.com/legal/privacy
• 防御性发布 - https://www.tdcommons.org/dpubs_series/4627/

联系方式

• gufeng@meta.com，周谷峰，营销科学部门，Robyn 创始人
• igorskokan@meta.com，Igor Skokan，营销科学总监，开源负责人