Ocenenie Marcom: Alternatíva k A / B testovaniu

dimenzionálna sféra

Takže vždy chceme vedieť ako MarCom (marketingová komunikácia) účinkuje ako prostriedok aj pre individuálnu kampaň. Pri hodnotení markomu je bežné použiť jednoduché A / B testovanie. Toto je technika, pri ktorej sa pri náhodnom odbere vzoriek naplnia dve bunky na účely spracovania kampane.

Jedna bunka dostane test a druhá nie. Potom sa porovnáva miera odozvy alebo čistý príjem medzi týmito dvoma bunkami. Ak testovacia bunka prekoná kontrolnú bunku (v rámci testovacích parametrov výťahu, spoľahlivosti atď.), Kampaň sa považuje za významnú a pozitívnu.

Prečo niečo iné?

Tomuto postupu však chýba generovanie vhľadov. Neoptimalizuje nič, vykonáva sa vo vákuu, nemá žiadne dôsledky pre stratégiu a neexistuje kontrola ďalších stimulov.

Po druhé, test je príliš často znečistený tým, že aspoň jedna z buniek náhodne dostala ďalšie ponuky, správy o značke, komunikáciu atď. Koľkokrát boli výsledky testu považované za nepresvedčivé, dokonca za nezmyslové? Takže testujú znova a znova. Dozvedia sa nič, iba že testovanie nefunguje.

Preto odporúčam použiť na kontrolu všetkých ostatných stimulov obyčajnú regresiu. Regresné modelovanie tiež poskytuje informácie o ocenení markom, ktoré môžu generovať NI. To sa nedeje vo vákuu, ale poskytuje sa to ako portfólio na optimalizáciu rozpočtu.

Príklad

Povedzme, že sme testovali dva e-maily, test vs. kontrola, a výsledky sa vrátili nezmyslovo. Potom sme zistili, že naše oddelenie značky omylom poslalo časť priamej pošty (väčšinou) kontrolnej skupine. Tento kus nebol (nami) naplánovaný ani zohľadnený pri náhodnom výbere testovacích buniek. To znamená, že skupina „obvyklý obchod“ dostala obvyklú priamu poštu, ale testovacia skupina, ktorá sa konala, nie. To je veľmi typické v spoločnosti, kde jedna skupina nefunguje ani nekomunikuje s inou obchodnou jednotkou.

Namiesto testovania, v ktorom je každý riadok zákazníkom, teda zhromažďujeme údaje podľa časového obdobia, napríklad týždenne. Sčítame týždenne počet odoslaných testovacích e-mailov, kontrolných e-mailov a priamych e-mailov. Zahŕňame tiež binárne premenné, ktoré zohľadňujú sezónu, v tomto prípade štvrťročne. TABUĽKA 1 zobrazuje čiastočný zoznam agregátov s testom e-mailov od 10. týždňa. Teraz robíme model:

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

Obyčajný regresný model, ako je formulovaný vyššie, produkuje výstup TABUĽKY 2. Zahrňte všetky ďalšie nezávislé zaujímavé premenné. Je potrebné si všimnúť, že (čistá) cena je vylúčená ako nezávislá premenná. Je to tak preto, lebo čistý príjem je závislou premennou a počíta sa ako (čistá) cena * množstvo.

TABUĽKA 1

týždeň 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

Zahrnúť cenu ako nezávislú premennú znamená mať cenu na oboch stranách rovnice, čo je nevhodné. (Moja kniha, Marketingová analýza: Praktický sprievodca skutočnou marketingovou vedou, poskytuje rozsiahle príklady a analýzy tohto analytického problému.) Upravená hodnota R2 pre tento model je 64%. (Zrušil som q4, aby som sa vyhol figurínovej pasci.) Emc = kontrolný e-mail a emt = testovací e-mail. Všetky premenné sú významné na úrovni 95%.

TABUĽKA 2

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

Pokiaľ ide o e-mailový test, testovací e-mail prekonal kontrolný e-mail o 77 oproti 44 a bol oveľa významnejší. Testovací e-mail teda pri účtovaní iných vecí fungoval. Tieto štatistiky prichádzajú, aj keď sú údaje znečistené. Test A / B by to nepriniesol.

TABUĽKA 3 uvádza koeficienty na výpočet ocenenia marcomm, príspevku každého vozidla z hľadiska čistého príjmu. To znamená, že na výpočet hodnoty priamej pošty sa koeficient 12 vynásobí priemerným počtom odoslaných priamych mailov 109, aby sme dostali 1,305 4,057 dolárov. Zákazníci minú v priemere XNUMX XNUMX dolárov. Teda 1,305 4,057 USD / 26.8 XNUMX USD = XNUMX%. To znamená, že priama pošta tvorila takmer 27% celkových čistých výnosov. Pokiaľ ide o návratnosť investícií, 109 priamych e-mailov vygeneruje 1,305 45 dolárov. Ak katalóg stojí XNUMX dolárov, potom NI = (1,305 55 - 55 dolárov) / 2300 dolárov = XNUMX%!

Pretože cena nebola nezávislou premennou, obvykle sa dospelo k záveru, že dopad ceny je zakopaný v konštante. V tomto prípade konštanta 5039 zahŕňa cenu, akékoľvek ďalšie chýbajúce premenné a náhodnú chybu alebo približne 83% čistého výnosu.

TABUĽKA 3

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

záver

Bežná regresia ponúkla alternatívu na poskytnutie poznatkov tvárou v tvár špinavým údajom, ako je to často v prípade schémy podnikového testovania. Regresia tiež poskytuje príspevok k čistým príjmom, ako aj obchodný prípad návratnosti investícií. Bežná regresia je alternatívnou technikou z hľadiska ocenenia Marcomm.

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

2 Komentáre

  1. 1

    Príjemná alternatíva k praktickému problému, Mike.
    To, ako ste to urobili, si myslím, že v bezprostredných predchádzajúcich týždňoch nedôjde k prekrývaniu cieľových komunikátorov. Inak by ste mali auto-regresný a / alebo časovo oneskorený komponent?

  2. 2

Čo si myslíte?

Táto stránka používa Akismet na zníženie spamu. Zistite, ako sa spracúvajú údaje vašich komentárov.