Taksado de Marcom: Alternativo al A / B-Testado

dimensia sfero

Do ni ĉiam volas scii kiel marcom (merkataj komunikadoj) funkcias, kiel veturilo kaj por individua kampanjo. Pri taksado de marcom estas ofte uzi simplan A / B-testadon. Ĉi tio estas tekniko, en kiu hazarda specimenado plenumas du ĉelojn por kampanja traktado.

Unu ĉelo ricevas la teston kaj la alia ĉelo ne. Tiam responda rapido aŭ neta enspezo estas komparitaj inter la du ĉeloj. Se la testĉelo superas la kontrolĉelon (ene de testaj parametroj de levo, fido, ktp.) La kampanjo estas konsiderata signifa kaj pozitiva.

Kial Io Alia?

Tamen al ĉi tiu proceduro mankas komprena generacio. Ĝi optimumigas nenion, estas farita en vakuo, ne donas implicojn por strategio kaj ne ekzistas kontroloj por aliaj stimuloj.

Due, tro ofte, la testo estas poluita per tio, ke almenaŭ unu el la ĉeloj hazarde ricevis aliajn ofertojn, markajn mesaĝojn, komunikadojn, ktp. Kiom da fojoj la testrezultoj estis konsideritaj nekonkludeblaj, eĉ sensencaj? Do ili ripetas denove. Ili lernas nenion, krom ke testado ne funkcias.

Tial mi rekomendas uzi ordinaran regreson por regi ĉiujn aliajn stimulojn. Regresa modelado ankaŭ donas sciojn pri takso de marcom, kiu povas produkti ROI. Ĉi tio ne fariĝas en vakuo, sed ofertas eblojn kiel biletujo por optimumigi buĝeton.

Ekzemplo

Ni diru, ke ni testis du retpoŝtojn, teston kontraŭ kontrolo, kaj la rezultoj revenis sensencaj. Poste ni eksciis, ke nia marka fako hazarde sendis rektpoŝtan pecon al (plejparte) la rega grupo. Ĉi tiu peco ne estis planita (de ni) nek enkalkulita hazarde elektante la testajn ĉelojn. Tio estas, ke la kutima grupo ricevis la kutiman rektan poŝton, sed la testgrupo - kiu estis eltenita - ne. Ĉi tio estas tre tipa en kompanio, en kiu unu grupo ne laboras nek komunikas kun alia komerca unuo.

Do anstataŭ provi, kie ĉiu vico estas kliento, ni amasigas la datumojn laŭ tempoperiodo, diru ĉiusemajne. Ni aldonas, de semajno, la nombron de testaj retpoŝtoj, kontrolaj retpoŝtoj kaj rektaj retpoŝtoj senditaj. Ni ankaŭ inkluzivas binarajn variablojn por kalkuli sezonon, ĉi-kaze trimonatan. TABELO 1 montras partan liston de la agregaĵoj kun la retpoŝta testo komenciĝanta en la semajno 10. Nun ni faras modelon:

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

La ordinara regresa modelo kiel formulita supre produktas TABON 2-rezulton. Inkluzivi iujn ajn aliajn sendependajn interesajn variablojn. Precipe rimarkindas, ke (neta) prezo estas ekskludita kiel sendependa variablo. Ĉi tio estas ĉar neta enspezo estas la dependa variablo kaj estas kalkulita kiel (neta) prezo * kvanto.

TABLEO 1

semajno em_testo 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

Inkluzivi prezon kiel sendependan variablon signifas havi prezon ambaŭflanke de la ekvacio, kio ne taŭgas. (Mia libro, Merkatika Analitiko: Praktika Gvidilo al Vera Merkatiga Scienco, donas ampleksajn ekzemplojn kaj analizon de ĉi tiu analitika problemo.) La ĝustigita R2 por ĉi tiu modelo estas 64%. (Mi faligis q4 por eviti la imitan kaptilon.) Emc = kontrola retpoŝto kaj emt = testa retpoŝto. Ĉiuj variabloj estas signifaj je 95%.

TABLEO 2

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

Koncerne al la retpoŝta testo, la testa retpoŝto superis la kontrolan retpoŝton per 77 kontraŭ 44 kaj estis multe pli signifa. Tiel, kalkulante aliajn aferojn, la testpoŝto funkciis. Ĉi tiuj komprenoj venas eĉ kiam la datumoj estas poluitaj. A / B-testo ne produktus ĉi tion.

TABELO 3 prenas la koeficientojn por kalkuli markom-taksadon, kontribuon de ĉiu veturilo laŭ neta enspezo. Tio estas, por kalkuli la valoron de rekta retpoŝto, la koeficiento 12 multiplikiĝas per la averaĝa nombro de rektaj retpoŝtoj senditaj de 109 por akiri 1,305 USD. Klientoj elspezas averaĝan kvanton de $ 4,057. Tiel 1,305 $ / 4,057 $ = 26.8%. Tio signifas, ke rekta poŝto kontribuis preskaŭ 27% de la tuta neta enspezo. Pri ROI, 109 rektaj retpoŝtoj generas $ 1,305. Se katalogo kostas $ 45 tiam ROI = ($ 1,305 - $ 55) / $ 55 = 2300%!

Ĉar prezo ne estis sendependa variablo, oni kutime konkludas, ke la efiko de prezo estas entombigita en la konstanto. Ĉi-kaze la konstanto de 5039 inkluzivas prezon, iujn ajn aliajn mankantajn variablojn kaj hazardan eraron, aŭ ĉirkaŭ 83% de neta enspezo.

TABLEO 3

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

konkludo

Ordinara regreso ofertis alternativon por doni komprenojn antaŭ malpuraj datumoj, kiel ofte okazas en kompania testskemo. Regreso ankaŭ provizas kontribuon al neta enspezo kaj ankaŭ komercan aferon por ROI. Ordinara regreso estas alternativa tekniko laŭ markom-taksado.

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

2 Komentoj

  1. 1

    Bela alternativo al praktika afero, Mike.
    Laŭ via maniero, mi supozas, ke ne estas interkovro de celaj komunikiloj en la tujaj antaŭaj semajnoj. Alie ĉu vi havus aŭtoregresan kaj / aŭ temp-malfruan eron?

  2. 2

Kion vi pensas?

Ĉi tiu retejo uzas Akismeton por redukti spamon. Lernu, kiel via komento datiĝas.