旺季里，销量和广告投入往往一起上涨。传统模型容易把两件事简单相加，仿佛广告在淡季、旺季都能带来同样的增量。结果可能是：本来就会发生的购买，被记到了投放头上。这篇论文改造了媒体组合模型（Media Mix Modeling，MMM——用销售、广告投入和季节等汇总数据估算各渠道贡献），让营销活动与基础需求相乘，允许同一笔投放随市场需求变化而产生不同效果。
麻烦也随之而来：如果旺季总伴随加大投放，多组参数都可能同样贴合销量，模型便无法唯一拆开需求与营销的贡献。这叫“可识别性”问题，会让归因结果不稳定甚至产生偏差。作者通过模拟研究分析这类偏差，并提出受约束的遗传算法——一种在许多候选参数间反复筛选、组合的搜索方法——直接估计模型参数，同时加入符合商业常识的取值限制。作者还把方法用于真实数据和预算分配案例；不过材料未披露具体提升数字，因此目前更值得关注的是建模思路，而非效果幅度。