Marcomin arviointi: Vaihtoehto A / B-testaukselle

ulotteinen pallo

Joten haluamme aina tietää miten marcom (markkinointiviestintä) toimii sekä ajoneuvona että yksittäisenä kampanjana. Marcomin arvioinnissa on yleistä käyttää yksinkertaista A / B-testausta. Tämä on tekniikka, jossa satunnaisotanta ottaa kaksi solua kampanjakäsittelyä varten.

Yksi solu saa testin ja toinen solu ei. Sitten vastausprosenttia tai nettotuloa verrataan kahden solun välillä. Jos testisolu ylittää vertailusolun (nousun, luotettavuuden jne. Testausparametrien rajoissa), kampanjaa pidetään merkittävänä ja positiivisena.

Miksi tehdä jotain muuta?

Tästä menettelystä puuttuu kuitenkin oivallusten luominen. Se ei optimoi mitään, se suoritetaan tyhjiössä, ei vaikuta strategiaan eikä muita ärsykkeitä ole hallittu.

Toiseksi testi on liian usein saastunut siinä, että ainakin yksi soluista on vahingossa saanut muita tarjouksia, brändiviestejä, viestintää jne. Kuinka monta kertaa testituloksia on pidetty epäselvinä, jopa ei-aistillisina? Joten he testaavat uudestaan ​​ja uudestaan. He eivät opi mitään, paitsi että testaus ei toimi.

Siksi suosittelen tavallisen regressiota kaikkien muiden ärsykkeiden hallintaan. Regressiomallinnus antaa myös oivalluksia markkinoiden arvostukseen, joka voi tuottaa sijoitetun pääoman tuottoprosentin. Tätä ei tehdä tyhjiössä, mutta se tarjoaa vaihtoehtoja portfoliona budjetin optimoimiseksi.

Esimerkki

Oletetaan, että testasimme kahta sähköpostia, testi vs. kontrolli ja tulokset palasivat ei-aistillisiksi. Sitten saimme tietää, että tuotemerkkiosastomme lähetti vahingossa suoramainoskappaleen (lähinnä) kontrolliryhmälle. Tätä kappaletta ei suunnitellut (me itse) eikä sitä otettu huomioon valittaessa satunnaisesti testisoluja. Eli tavalliseen tapaan toiminut ryhmä sai tavallisen suoramainonnan, mutta pidetty testiryhmä ei. Tämä on hyvin tyypillistä yrityksessä, jossa yksi ryhmä ei toimi eikä ole yhteydessä toisen liiketoimintayksikön kanssa.

Joten sen sijaan, että testaisimme, missä kukin rivi on asiakas, koomme tiedot ajanjaksoittain, sanotaan viikoittain. Laskemme viikoittain lähetettyjen testiviestien, kontrollisähköpostien ja suorien sähköpostien määrän. Mukana on myös binaarimuuttujia kauden laskemiseksi, tässä tapauksessa neljännesvuosittain. TAULUKKO 1 näyttää osittaisen luettelon aggregaateista sähköpostiviestillä, joka alkaa viikolla 10. Nyt teemme mallin:

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

Edellä muotoiltu tavallinen regressiomalli tuottaa taulukon 2 ulostulon. Sisällytä kaikki muut kiinnostavat muuttujat. Erityisen huomionarvoista on, että (netto) hinta jätetään pois itsenäisenä muuttujana. Tämä johtuu siitä, että nettotuotot ovat riippuvainen muuttuja ja ne lasketaan (netto) hinta * määrä.

TAULUKKO 1

viikko 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

Hinnan sisällyttäminen itsenäiseksi muuttujaksi tarkoittaa hintaa yhtälön molemmin puolin, mikä ei ole asianmukaista. (Minun kirjani, Markkinointianalytiikka: käytännön opas todelliseen markkinointitieteeseen, tarjoaa kattavia esimerkkejä ja analyysin tästä analyyttisestä ongelmasta.) Tämän mallin mukautettu R2 on 64%. (Pudotin q4 välttääksesi nuken ansaan.) Emc = kontrollisähköposti ja emt = testisähköposti. Kaikki muuttujat ovat merkittäviä 95 prosentin tasolla.

TAULUKKO 2

q_3 q_2 q_1 dm emc EMT 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
t-suhde -2 -2.88 -2.77 4.85 1.97 2.49

Sähköpostitestin osalta testiviesti ylitti vertailusähköpostin 77 vs. 44 ja oli paljon merkittävämpi. Siten testisähköposti toimi muiden asioiden huomioon ottamiseksi. Nämä oivallukset tulevat myös silloin, kun tiedot ovat saastuneita. A / B-testi ei olisi tuottanut tätä.

TAULUKKO 3 käyttää kertoimia markkinointiarvon laskemiseksi, kunkin ajoneuvon osuus nettotulona. Toisin sanoen suorapostin arvon laskemiseksi kerroin 12 kerrotaan lähetettyjen suorien sähköpostien keskimääräisellä lukumäärällä 109 saaden 1,305 dollaria. Asiakkaat käyttävät keskimäärin 4,057 dollaria. Täten 1,305 dollaria / 4,057 dollaria = 26.8%. Se tarkoittaa, että suoramainonnan osuus oli lähes 27% kokonaistuotoista. Sijoitetun pääoman tuottoprosentin kannalta 109 suoraa sähköpostia tuottaa 1,305 dollaria. Jos luettelo maksaa 45 dollaria sitten ROI = (1,305 dollaria - 55 dollaria) / 55 dollaria = 2300%!

Koska hinta ei ollut riippumaton muuttuja, päätellään yleensä, että hinnan vaikutus haudataan vakioon. Tässä tapauksessa vakio 5039 sisältää hinnan, muut puuttuvat muuttujat ja satunnaisvirheen eli noin 83% nettotuloista.

TAULUKKO 3

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

Yhteenveto

Tavallinen regressio tarjosi vaihtoehdon oivallusten antamiselle likaisen datan edessä, kuten usein tapahtuu yrityksen testausjärjestelmässä. Regressio antaa myös panoksen nettotuloihin sekä liiketoiminnan perusteen sijoitetun pääoman tuottoprosentille. Tavallinen regressio on vaihtoehtoinen tekniikka markkinointiarvioinnin kannalta.

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

2 Kommentit

  1. 1

    Hyvä vaihtoehto käytännön kysymykselle, Mike.
    Tavallaan olet tehnyt, ettei kohdeviestintäjärjestelmissä ole päällekkäisyyksiä välittöminä viikkoina. Muussa tapauksessa sinulla olisi auto-regressiivinen ja / tai viivästynyt komponentti?

  2. 2

Mitä mieltä olet?

Tämä sivusto käyttää Akismetiä roskapostin vähentämiseksi. Lue, miten kommenttitietosi käsitellään.