Оцінка Marcom: альтернатива тестуванню A / B

розмірна сфера

Тому ми завжди хочемо знати, як це зробити Марком (маркетингові комунікації) виступає як як транспортний засіб, так і для окремої кампанії. При оцінці marcom прийнято застосовувати просте A / B тестування. Це техніка, при якій випадкова вибірка заповнює дві клітини для передвиборчого лікування.

Одна клітина отримує тест, а інша клітина - ні. Потім коефіцієнт відповіді або чистий дохід порівнюється між двома клітинами. Якщо тестова комірка перевершує контрольну (в межах параметрів тесту підйому, впевненості тощо), кампанія вважається значною та позитивною.

Чому робити щось інше?

Однак у цій процедурі бракує розуміння. Він нічого не оптимізує, виконується у вакуумі, не впливає на стратегію і не існує контролю за іншими подразниками.

По-друге, занадто часто тест забруднюється тим, що принаймні одна з камер випадково отримує інші пропозиції, повідомлення про бренд, комунікації тощо. Скільки разів результати тесту вважалися безрезультатними, навіть нечутливими? Тож вони тестують знову і знову. Вони нічого не дізнаються, крім того, що тестування не працює.

Ось чому я рекомендую використовувати звичайну регресію для контролю всіх інших подразників. Моделювання регресії також дає уявлення про оцінку торгової марки, яка може призвести до рентабельності інвестицій. Це робиться не у вакуумі, а надає варіанти як портфель для оптимізації бюджету.

Приклад

Скажімо, ми тестували два електронні листи, тест проти контролю, і результати повернулись нечутливими. Потім ми з’ясували, що наш відділ брендів випадково надіслав пряму пошту до (переважно) контрольної групи. Цей фрагмент не планувався (нами) і не враховувався при випадковому виборі тестових комірок. Тобто група, як зазвичай, діставала звичайну пряму пошту, але тестова група, яка протрималася, ні. Це дуже характерно для корпорації, де одна група не працює і не спілкується з іншою бізнес-одиницею.

Тому замість тестування, в якому кожен рядок є замовником, ми зводимо дані за періодом часу, скажімо щотижня. Ми складаємо за тижнями кількість тестових електронних листів, контрольних електронних листів та прямих електронних листів, що розсилаються. Ми також включаємо двійкові змінні для обліку сезону, в даному випадку щокварталу. У ТАБЛИЦІ 1 наведено частковий перелік сукупностей з тестом електронної пошти, що починається з 10 тижня. Тепер ми робимо модель:

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

Звичайна модель регресії, сформульована вище, дає ТАБЛИЦЮ 2 вихідних даних. Включіть будь-які інші незалежні змінні, що представляють інтерес. Особливо слід зазначити, що (чиста) ціна виключається як незалежна змінна. Це пояснюється тим, що чистий дохід є залежною змінною і обчислюється як (нетто) ціна * кількість.

ТАБЛИЦЯ 1

тиждень 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

Включити ціну як незалежну змінну означає наявність ціни на обох сторонах рівняння, що є недоречним. (Моя книга, Маркетингова аналітика: практичний посібник із справжньої маркетингової науки, надає великі приклади та аналіз цієї аналітичної проблеми.) Скоригований R2 для цієї моделі становить 64%. (Я кинув q4, щоб уникнути манекена.) Emc = контрольна електронна пошта та emt = тестова електронна пошта. Усі змінні є значущими на рівні 95%.

ТАБЛИЦЯ 2

q_3 q_2 q_1 dm emc EMTs сопзЬ
коеф -949 -1,402 -2,294 12 44 77 5,039
st err 474.1 487.2 828.1 2.5 22.4 30.8
коефіцієнт t -2 -2.88 -2.77 4.85 1.97 2.49

Що стосується тесту електронної пошти, тестовий електронний лист перевершив контрольний електронний лист на 77 проти 44 і був набагато більш значним. Таким чином, враховуючи інші речі, тестовий електронний лист спрацював. Ці відомості з’являються навіть тоді, коли дані забруднені. Тест A / B не дав би такого результату.

У ТАБЛИЦІ 3 беруться коефіцієнти для розрахунку оцінки товарної вартості, внеску кожного транспортного засобу з точки зору чистого доходу. Тобто для обчислення вартості прямої пошти коефіцієнт 12 множиться на середню кількість прямих листів, надісланих 109, щоб отримати $ 1,305. Клієнти витрачають в середньому 4,057 доларів. Таким чином 1,305 дол. США / 4,057 дол. США = 26.8%. Це означає, що пряма пошта приносила майже 27% загального чистого доходу. Що стосується рентабельності інвестицій, 109 прямих листів приносять $ 1,305. Якщо каталог коштує 45 доларів, тоді Рентабельність інвестицій = ($ 1,305 - $ 55) / $ 55 = 2300%!

Оскільки ціна не була незалежною змінною, зазвичай роблять висновок, що вплив ціни захований у константі. У цьому випадку константа 5039 включає ціну, будь-які інші відсутні змінні та випадкову помилку, або близько 83% чистого доходу.

ТАБЛИЦЯ 3

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

Висновок

Звичайна регресія пропонувала альтернативу для отримання уявлень про брудні дані, як це часто буває у схемі корпоративного тестування. Регресія також забезпечує внесок у чистий дохід, а також бізнес-підґрунтя для рентабельності інвестицій. Звичайна регресія є альтернативним методом з точки зору оцінки маркомма.

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

2 Коментарі

  1. 1

    Приємна альтернатива практичному питанню, Майк.
    Таким чином, як ви це зробили, я думаю, що не було перекриття цільових комунікаторів безпосередньо за попередні тижні. Інакше у вас був би авторегресивний та / або з відставанням компонент?

  2. 2

Що ви думаєте?

Цей сайт використовує Akismet для зменшення спаму. Дізнайтеся, як обробляються ваші дані коментарів.