„Marcom“ vertinimas: alternatyva A / B testavimui

matmenų sfera

Taigi mes visada norime žinoti, kaip Marcom (rinkodaros komunikacijos) veikia tiek kaip priemonė, tiek kaip individuali kampanija. Vertinant „Marcom“ paprastai naudojamas paprastas A / B testavimas. Tai yra metodas, kai atsitiktinis mėginių ėmimas užima dvi ląsteles kampanijos gydymui.

Viena ląstelė gauna testą, o kita - ne. Tada tarp dviejų langelių palyginamas atsako lygis arba grynosios pajamos. Jei bandymo langelis lenkia kontrolinį langelį (atsižvelgiant į pakėlimo, patikimumo ir kt. Bandymo parametrus), kampanija laikoma reikšminga ir teigiama.

Kodėl dar ką nors daryti?

Tačiau šiai procedūrai trūksta įžvalgos. Jis nieko optimizuoja, atliekamas vakuume, neturi jokios įtakos strategijai ir nėra kitų dirgiklių kontrolės.

Antra, pernelyg dažnai testas yra užterštas tuo, kad bent viena ląstelė netyčia gavo kitų pasiūlymų, prekės ženklo pranešimų, pranešimų ir pan. Kiek kartų bandymo rezultatai buvo laikomi neįtikinamais, net nejuokiniais? Taigi jie išbando dar ir dar kartą. Jie nieko neišmoksta, išskyrus tai, kad testavimas neveikia.

Štai kodėl aš rekomenduoju naudoti įprastą regresiją visų kitų dirgiklių kontrolei. Regresijos modeliavimas taip pat pateikia įžvalgų apie „Marcom“ vertinimą, kuris gali sukurti IG. Tai daroma ne vakuume, bet kaip galimybes optimizuoti biudžetą suteikiamos galimybės.

Pavyzdys

Tarkime, mes testavome du el. Laiškus, testą ir kontrolę, o rezultatai grįžo nejučia. Tada mes sužinojome, kad mūsų prekės ženklo skyrius netyčia išsiuntė tiesioginio pašto siuntą (daugiausia) kontrolinei grupei. Šis kūrinys nebuvo suplanuotas (mes) ir neatsiskaityta atsitiktinai pasirinkus bandymo langelius. Tai reiškia, kad įprasto verslo grupė gavo įprastą tiesioginį paštą, tačiau bandomoji grupė, kuri buvo surengta, negavo. Tai labai būdinga korporacijai, kur viena grupė neveikia ir nebendrauja su kitu verslo vienetu.

Taigi, užuot testavę, kai kiekviena eilutė yra klientas, mes kaupiame duomenis pagal laikotarpius, tarkime kas savaitę. Kiekvieną savaitę susumuojame išsiųstų bandomųjų el. Laiškų, kontrolinių el. Laiškų ir tiesioginių laiškų skaičių. Mes taip pat įtraukiame dvejetainius kintamuosius, kad būtų atsižvelgta į sezoną, šiuo atveju kas ketvirtį. 1 LENTELĖ rodo dalinį suvestinių sąrašą su el. Pašto testu, kuris prasideda 10 savaitę. Dabar mes darome modelį:

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

Įprastas aukščiau suformuluotas regresijos modelis sukuria 2 LENTELĖS išvestį. Įtraukite kitus dominančius nepriklausomus kintamuosius. Ypač reikėtų atkreipti dėmesį į tai, kad (grynoji) kaina neįtraukiama kaip nepriklausomas kintamasis. Taip yra todėl, kad grynosios pajamos yra priklausomas kintamasis ir apskaičiuojamos kaip (grynoji) kaina * kiekis.

LENTELĖ 1

savaitė 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

Į kainą įtraukti kaip nepriklausomą kintamąjį reiškia, kad kaina yra abiejose lygties pusėse, o tai yra netinkama. (Mano knyga, Rinkodaros analizė: praktinis tikrosios rinkodaros mokslo vadovaspateikia išsamius šios analitinės problemos pavyzdžius ir analizę.) Šio modelio koreguotas R2 yra 64%. (Aš numečiau Q4, kad išvengčiau manekeno spąstų.) Emc = kontrolinis el. Paštas ir emt = bandomasis el. Paštas. Visi kintamieji yra reikšmingi 95% lygiu.

LENTELĖ 2

q_3 q_2 q_1 dm emc EMTs const
koef -949 -1,402 -2,294 12 44 77 5,039
Šv 474.1 487.2 828.1 2.5 22.4 30.8
t santykis -2 -2.88 -2.77 4.85 1.97 2.49

Kalbant apie el. Pašto testą, bandomasis el. Paštas aplenkė kontrolinį el. Paštą 77 ir 44 ir buvo daug reikšmingesnis. Taigi, apskaitant kitus dalykus, bandomasis el. Paštas veikė. Šios įžvalgos pateikiamos net tada, kai duomenys yra užteršti. A / B testas to nebūtų padaręs.

3 LENTELĖJE naudojami koeficientai, skirti apskaičiuoti „marscom“ vertinimą - kiekvienos transporto priemonės indėlis grynosiomis pajamomis. Tai yra, norint apskaičiuoti tiesioginio pašto vertę, koeficientas 12 padauginamas iš vidutinio išsiųstų tiesioginių laiškų skaičiaus 109, norint gauti 1,305 4,057 USD. Klientai vidutiniškai išleidžia XNUMX USD. Taigi 1,305 4,057 USD / 26.8 XNUMX USD = XNUMX%. Tai reiškia, kad tiesioginis paštas sudarė beveik 27% visų grynųjų pajamų. Kalbant apie IG, 109 tiesioginiai laiškai uždirba 1,305 USD. Jei katalogas kainuoja 45 USD, tada IG = (1,305 55–55 USD) / 2300 USD = XNUMX%!

Kadangi kaina nebuvo nepriklausomas kintamasis, paprastai daroma išvada, kad kainos įtaka yra pastovi. Šiuo atveju 5039 konstanta apima kainą, kitus trūkstamus kintamuosius ir atsitiktinę klaidą, arba apie 83% grynųjų pajamų.

LENTELĖ 3

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

išvada

Įprasta regresija pasiūlė alternatyvą įžvalgoms apie nešvarius duomenis pateikti, kaip dažnai būna įmonių testavimo schemoje. Regresija taip pat prisideda prie grynųjų pajamų ir verslo pagrindo IG. Įprasta regresija yra alternatyvi metodika vertinant pagal „markom“.

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

2 komentarai

  1. 1

    Puiki alternatyva praktiniam klausimui, Mike.
    Kaip manote, manau, kad tikslinės komunikatorės nesidubliuoja artimiausiomis savaitėmis. Priešingu atveju turėtumėte automatinio regreso ir (arba) laiko atidėtą komponentą?

  2. 2

Ką manote?

Ši svetainė naudoja "Akismet", kad sumažintų šlamštą. Sužinokite, kaip apdorojamas jūsų komentaras.