Valuasi Marcom: Tes Alternatif kanggo A / B

bola dimensi

Dadi, kita mesthi kepengin ngerti kepiye katom (komunikasi pemasaran) lagi ditindakake, minangka wahana uga kanggo kampanye individu. Ing ngevaluasi marcom umume nggunakake tes A / B sederhana. Iki minangka teknik sampling acak manggonake rong sel kanggo perawatan kampanye.

Siji sel entuk tes lan sel liyane ora bakal. Banjur tarif respons utawa penghasilan net dibandhingake ing antarane rong sel kasebut. Yen sel tes ngatasi sel kontrol (ing paramèter pengujian angkat, kapercayan, lsp), kampanye kasebut dianggep signifikan lan positif.

Napa Liya?

Nanging, prosedur iki ora duwe generasi wawasan. Ora ngoptimalake apa-apa, ditindakake kanthi vakum, ora menehi implikasi kanggo strategi lan ora ana kontrol kanggo stimulasi liyane.

Kapindho, asring banget, tes kasebut tercemar amarga paling ora salah sawijining sel kanthi sengaja nampa tawaran liyane, pesen merek, komunikasi, lsp. Sepira kaping pirang-pirang asil tes kasebut dianggep ora mesthi, malah ora sensitif? Dadi dheweke nyoba bola-bali. Dheweke ora sinau apa-apa, kajaba yen tes ora bisa digunakake.

Pramila nyaranake nggunakake regresi biasa kanggo ngontrol kabeh rangsangan liyane. Pemodelan regresi uga menehi wawasan babagan evaluasi marcom sing bisa ngasilake ROI. Iki ora rampung kanthi vakum, nanging nyedhiyakake pilihan minangka portofolio kanggo ngoptimalake anggaran.

Conto

Ayo dadi nyoba kanggo nyoba loro email, tes vs. kontrol lan asil bali ora sensitif. Banjur, kita nemokake manawa departemen merek kanthi ora sengaja ngirim potongan surat langsung menyang (umume) klompok kontrol. Sepotong iki ora direncanakake (dening kita) utawa uga milih sel tes kanthi acak. Yaiku, klompok bisnis kaya biasane entuk surat langsung sing biasa nanging klompok tes – sing dianakake – ora. Iki khas banget ing perusahaan, ing endi sawijining klompok ora bisa kerja utawa komunikasi karo unit bisnis liyane.

Dadi, tinimbang nyoba ing saben baris minangka pelanggan, kita bakal mbukak data miturut wektu, ujare saben minggu. Kita nambah, kanthi minggu, nomer email tes, email kontrol lan email langsung sing dikirim. Uga kalebu variabel binar kanggo musim, ing kasus iki triwulanan. TABEL 1 nuduhake dhaptar sebagean agregat kanthi tes email wiwit minggu 10. Saiki kita nggawe model:

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

Model regresi biasa kaya sing dirumuske ing ndhuwur ngasilake output TABLE 2. Kalebu variabel minat independen liyane. Wara-wara khusus yaiku yen (net) rega ora kalebu variabel independen. Iki amarga penghasilan net minangka variabel gumantung lan diitung dadi (net) rega * jumlahe.

TABLE 1

akhir minggu 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

Kanggo nyakup rega minangka variabel independen tegese duwe rega ing loro-lorone persamaan, sing ora cocog. (Bukuku, Analytics Marketing: Pandhuan Praktis kanggo Ilmu Pemasaran Nyata, nyedhiyakake conto lan analisis ekstensif masalah analitik iki.) R2 sing disetel kanggo model iki yaiku 64%. (Aku ngeculake q4 kanggo ngindhari jebakan dummy.) Emc = email kontrol lan email emt = test. Kabeh variabel signifikan ing level 95%.

TABLE 2

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

Ing babagan tes email, email tes ngatasi email kontrol 77 vs 44 lan luwih penting. Dadi, kanggo akun liyane, email tes wis bisa digunakake. Wawasan kasebut bisa ditemokake sanajan data wis reged. Tes A / B ora bakal ngasilake iki.

TABEL 3 njupuk koefisien kanggo ngetung valuasi marcomm, kontribusi saben kendaraan ing babagan penghasilan net. Yaiku, kanggo ngetung regane surat langsung, koefisien 12 dikalikan karo jumlah rata-rata surat langsung sing dikirim 109 kanggo entuk $ 1,305. Pelanggan mbayar rata-rata $ 4,057. Mangkono $ 1,305 / $ 4,057 = 26.8%. Iki tegese surat langsung nyumbang meh 27% saka total penghasilan net. Ing babagan ROI, 109 mail langsung ngasilake $ 1,305. Yen katalog regane $ 45 mula ROI = ($ 1,305 - $ 55) / $ 55 = 2300%!

Amarga rega ora variabel bebas, umume disimpulake yen pengaruh rega dikubur terus-terusan. Ing kasus iki, konstan 5039 kalebu rega, variabel liyane sing ilang lan kesalahan acak, utawa udakara 83% saka bathi net.

TABLE 3

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

kesimpulan

Regresi biasa nawakake alternatif kanggo menehi wawasan nalika data reged, kaya sing asring ditindakake ing skema pengujian perusahaan. Regresi uga nyedhiyakake kontribusi kanggo bathi net uga kasus bisnis kanggo ROI. Regresi biasa minangka teknik alternatif ing babagan evaluasi marcomm.

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

2 Komentar

  1. 1

    Alternatif sing apik kanggo masalah praktis, Mike.
    Kanthi cara sampeyan wis rampung, aku kira ora ana tumpang tindih komunikator target ing minggu sadurunge. Yen ora, sampeyan bakal duwe komponen regresi otomatis lan / utawa wektu tundha?

  2. 2

Apa sampeyan mikir?

Situs iki nggunakake Akismet kanggo ngurangi spam. Sinau babagan proses data sampeyan.