Marcomi hindamine: alternatiiv A / B testimisele

dimensiooniline sfäär

Nii et me tahame alati teada, kuidas marcom (turunduskommunikatsioon) esineb nii sõidukina kui ka individuaalse kampaaniana. Marcomi hindamisel on tavaline kasutada lihtsaid A / B teste. See on tehnika, kus juhuslik proovivõtt asutab kampaania raviks kaks rakku.

Üks lahter saab testi ja teine ​​lahter mitte. Seejärel võrreldakse vastusemäära või puhastulu kahe lahtri vahel. Kui testrakk ületab kontrollrakke (tõusu, usalduse jne parameetrite piires), peetakse kampaaniat oluliseks ja positiivseks.

Miks midagi muud teha?

Kuid sellel protseduuril puudub ülevaade. See ei optimeeri midagi, viiakse läbi vaakumis, ei avalda strateegiale mingit mõju ja muude stiimulite jaoks pole kontrolli.

Teiseks, liiga sageli on test saastunud, kuna vähemalt üks lahtritest on kogemata saanud muid pakkumisi, brändisõnumeid, teatisi jne. Mitu korda on testitulemusi peetud veenvateks, isegi mitte sensuaalseteks? Nii et nad testivad ikka ja jälle. Nad ei õpi midagi, välja arvatud see, et testimine ei toimi.

Sellepärast soovitan kõigi muude stiimulite kontrollimiseks kasutada tavalist regressiooni. Regressiooni modelleerimine annab ka ülevaate turuväärtuse hindamisest, mis võib tekitada investeeringutasuvuse. Seda ei tehta vaakumis, vaid see pakub eelarve optimeerimiseks portfellina võimalusi.

Näide

Oletame, et testisime kahte e-kirja, test vs kontroll ja tulemused tulid tagasi mitte sensuaalseks. Siis saime teada, et meie kaubamärgiosakond saatis kogemata otsepostitüki (enamasti) kontrollgrupile. Seda tükki ei kavandatud (meie poolt) ega arvestatud testirakkude juhuslikul valimisel. See tähendab, et tavapärase töögrupp sai tavalise otsepostituse, kuid testgrupp, mis viidi läbi, ei saanud. See on väga tüüpiline ettevõttes, kus üks rühm ei tööta ega suhtle teise äriüksusega.

Nii et selle asemel, et testida, kus iga rida on klient, koondame andmed ajaperioodide kaupa, näiteks iganädalaselt. Lisame nädalate kaupa välja saadetud test-e-kirjade, kontroll-e-kirjade ja otsepostituse arvude arvu. Hooaja arvestamiseks lisame ka binaarsed muutujad, antud juhul kord kvartalis. TABEL 1 näitab 10. nädalal algava e-posti testiga agregaatide osalist loendit. Nüüd teeme mudeli:

net \ _rev = f (em \ _test, em \ _cntrl, dir \ _mail, q_1, q_2, q_3 jne)

Eespool formuleeritud tavaline regressioonimudel annab tabeli 2 väljundi. Lisage muud huvitavad sõltumatud muutujad. Erilist tähelepanu tuleks pöörata sellele, et (neto) hind on sõltumatu muutujana välistatud. Seda seetõttu, et puhaskasum on sõltuv muutuja ja arvutatakse järgmiselt: (neto) hind * kogus.

TABEL 1

nädal em_test em_cntrl dir_mail q_1 q_2 q_3 net_rev
9 0 0 55 1 0 0 $ 1,950
10 22 35 125 1 0 0 $ 2,545
11 23 44 155 1 0 0 $ 2,100
12 30 21 75 1 0 0 $ 2,675
13 35 23 80 1 0 0 $ 2,000
14 41 37 125 0 1 0 $ 2,900
15 22 54 200 0 1 0 $ 3,500
16 0 0 115 0 1 0 $ 4,500
17 0 0 25 0 1 0 $ 2,875
18 0 0 35 0 1 0 $ 6,500

Hinna lisamine sõltumatu muutujana tähendab, et hind on võrrandi mõlemal küljel, mis on kohatu. (Minu raamat, Turundusanalüüs: tegeliku turundusteaduse juhend, pakub selle analüütilise probleemi ulatuslikke näiteid ja analüüsi.) Selle mudeli kohandatud R2 on 64%. (Nukk lõksu vältimiseks viskasin q4 maha.) Emc = kontroll-e-post ja emt = test-e-post. Kõik muutujad on olulised 95% tasemel.

TABEL 2

q_3 q_2 q_1 dm emc emt const
koefitsient -949 -1,402 -2,294 12 44 77 5,039
st viga 474.1 487.2 828.1 2.5 22.4 30.8
t-suhe -2 -2.88 -2.77 4.85 1.97 2.49

E-posti testi osas edestas test-e-post kontroll-e-posti 77-ga võrreldes 44-ga ja oli palju olulisem. Seega, kui arvestada muid asju, siis test-e-post töötas. Need teadmised tulevad ka siis, kui andmed on reostatud. A / B test ei oleks seda andnud.

TABEL 3 võtab koefitsiendid marsruudi hindamise arvutamiseks, mis on iga sõiduki osakaal netotuluna. See tähendab, et otsepostituse väärtuse arvutamiseks korrutatakse koefitsient 12 keskmise saadetud otsepostituste keskmise arvuga 109, et saada 1,305 dollarit. Kliendid kulutavad keskmiselt 4,057 dollarit. Seega 1,305 USD / 4,057 USD = 26.8%. See tähendab, et otsepostitus moodustas ligi 27% kogutulust. ROI osas teenivad 109 otseposti 1,305 dollarit. Kui kataloog maksab 45 dollarit, siis ROI = (1,305–55 dollarit) / 55 dollarit = 2300%!

Kuna hind ei olnud sõltumatu muutuja, järeldatakse tavaliselt, et hinna mõju on maetud konstandi. Sellisel juhul sisaldab konstant 5039 hinda, muid puuduvaid muutujaid ja juhuslikku viga ehk umbes 83% puhastulust.

TABEL 3

q_3 q_2 q_1 dm emc emt const
Coeff -949 -1,402 -2,294 12 44 77 5,039
keskmine 0.37 0.37 0.11 109.23 6.11 4.94 1
$ 4,875 - $ 352 - $ 521 - $ 262 $ 1,305 $ 269 $ 379 $ 4,057
väärtus -7.20% -10.70% -5.40% 26.80% 5.50% 7.80% 83.20%

järeldus

Tavaline taandareng pakkus alternatiivi määrdunud andmete nägemuse pakkumiseks, nagu seda sageli tehakse ettevõtte testimisskeemis. Regressioon annab panuse nii puhasesse tulusse kui ka ROI-le äriliseks. Tavaline regressioon on alternatiivne tehnika turu hindamise seisukohalt.

ir? t = marketingtechblog 20 & l = as2 & o = 1 & a = 0749474173

2 Kommentaarid

  1. 1

    Mõnus alternatiiv praktilisele probleemile, Mike.
    Nii nagu olete teinud, ei esine vahetute eelnenud nädalate jooksul sihtsuhtlejate kattumist. Muidu oleks teil auto regressiivne ja / või viivitatud komponent?

  2. 2

    Kui võtate optimeerimisega seotud kriitika südamesse, kuidas saaks seda mudelit kanalikanalite optimeerimiseks kasutada?

Mis sa arvad?

Sellel saidil kasutatakse rämpsposti vähendamiseks Akismetit. Vaadake, kuidas teie andmeid töödeldakse.