Prophetでは、それぞれの変数（または季節性）の効果の標準偏差として計算され、「影響度」タブに表示されています。
この考え方は、モデルが変数（回帰変数）を重要であるとみなしている場合、最終的な予測出力に対するその変数の影響が大きくなり、標準偏差を計算することでその影響を評価できるというものです。
変数（回帰）の場合、効果の標準偏差は、Prophet モデルの変数の「ベータ」係数と同じになります。
例えば、下記のProphetのモデルでは、売上を予測するのに「オンライン広告費用」が重要であると判断されています。
Prophetの季節性のモードが加法的の場合は、トレンドに対して年周期や週周期の季節性、外部予測変数などの変数の効果を足し上げて予測値が求められます。
※ 季節性のモードが乗法的の場合は、それぞれの変数の効果を乗算して予測値が求められます。
影響度タブを見た時に、より効果がある変数は標準偏差の平均値である0からどれだけ値にばらつきがあるかで、効果があるのかないのかがわかります。
もし変数のばらつきが大きい場合は、その分予測値に対して加算されるため、より効果がある変数であると判断することができます。
上記を踏まえると、予測値に対して、ダイレクトメール費用はあまり影響を与えていないのに対し、オンライン広告費用は予測値に対して大きな影響を与えていると判断することができます。
参考: How to interpret prophet coefficients · Issue #928 · facebook/prophet · GitHub