मार्कम मान: A / B परीक्षणको एक विकल्प

आयामी क्षेत्र

त्यसोभए हामी कसरी जहिले पनि जान्न चाहन्छौं मार्कम (मार्केटिंग संचार) प्रदर्शन गर्दैछ, दुबै वाहनको रूपमा र व्यक्तिगत अभियानको लागि। मार्कमको मूल्या In्कन गर्दा साधारण A / B परीक्षण प्रयोग गर्न सामान्य छ। यो एक त्यस्तो प्रविधि हो जसमा अनियमित नमूनाकरणले अभियान उपचारको लागि दुई कक्षहरू बनाउँछ।

एउटा सेलले टेस्ट लिन्छ र अर्को सेल गर्दैन। तब प्रतिक्रिया दर वा शुद्ध राजस्व दुई कक्षहरू बीच तुलना गरिन्छ। यदि परीक्षण कक्षले नियन्त्रण कक्ष (लिफ्ट, आत्मविश्वास, आदि का परीक्षण प्यारामिटरहरू भित्र) प्रदर्शन गर्‍यो भने अभियान महत्वपूर्ण र सकरात्मक मानिन्छ।

किन अरू केहि गर्नुहुन्छ?

यद्यपि यस प्रक्रियामा अन्तरदृष्टि उत्पादनको कमी छ। यसले केहि पनि अनुकूलित गर्दैन, खाली अवस्थामा प्रदर्शन गर्दछ, रणनीतिको लागि कुनै प्रभाव प्रदान गर्दैन र त्यहाँ अन्य उत्तेजनाहरूको लागि कुनै नियन्त्रणहरू छैनन्।

दोस्रो, सबै धेरै चोटि, परीक्षण प्रदूषित हुन्छ कि कम्तिमा कोशिकामध्ये एउटाले गल्तीले अन्य अफरहरू, ब्रान्ड सन्देशहरू, संचारहरू, आदि प्राप्त गरेको छ। परीक्षण परिणामहरू कतिपटक असुविधाजनक, गैर-संवेदशील पनि मानिएको छ? त्यसैले उनीहरू फेरि र फेरि परीक्षण। तिनीहरूले केहि पनि सिक्दैनन्, बाहेक कि परीक्षणले काम गर्दैन।

म सबै अन्य उत्तेजनाहरूको लागि नियन्त्रण गर्न सामान्य रिग्रेसनको प्रयोग गर्न सिफारिश गर्दछु। प्रतिगमन मोडलिing मार्कको मूल्यांकनमा अन्तरदृष्टि पनि दिन्छ जसले एक आरओआई उत्पन्न गर्न सक्दछ। यो भ्याकुममा गरिदैन, तर बजेट अनुकूलन गर्न पोर्टफोलियोको रूपमा विकल्पहरू प्रदान गर्दछ।

एउटा उदाहरण

मानौं हामी दुई ईमेलको परीक्षण गर्दै थियौं, बनाम बनाम नियन्त्रण र नतिजा पुन: संवेदनशील भयो। त्यसोभए हामीले पत्ता लगायौं कि हाम्रो ब्रान्ड डिपार्टमेन्टले गल्तिले नियन्त्रण समूहमा एक सीधा मेल टुक्रा पठायो (प्राय:) नियन्त्रण समूहमा। यो टुक्रा योजना गरिएको थिएन (हामीद्वारा) वा अनियमित रूपमा परीक्षण कक्षहरू छनौटमा हिसाब गरिएको थिएन। त्यो हो, व्यापार-सामान्य समूहले सामान्य प्रत्यक्ष मेल प्राप्त गर्‍यो तर परिक्षण समूह – जुन बाहिर आयोजित गरियो - त्यो सफल भएन। यो कर्पोरेसनमा एकदम विशिष्ट हो, जहाँ एक समूहले काम गर्दैन र अर्को व्यवसाय एकाइसँग सञ्चार गर्दैन।

त्यसोभए प्रत्येक प row्क्ति एक ग्राहक हो जहाँ परीक्षणको सट्टा, हामी डेटालाई समय अवधिमा रोल अप गर्छौं, हप्तामा भन्नुहोस्। हामी हप्ता द्वारा परीक्षण ईमेल्स, नियन्त्रण ईमेल र बाहिर पठाइएको प्रत्यक्ष मेलहरूको संख्या थप्यौं। हामी बाइनरी भेरियबलहरू मौसमका लागि खातामा पनि समावेश गर्दछौं, यस अवस्थामा त्रैमासिकमा। तालिका १ ले हप्ता १० मा ईमेल परीक्षणको साथ सुरु भई समुहको आंशिक सूची देखाउँदछ। अब हामी मोडेल गर्छौं:

नेट \ _rev = f (em \ _ नवीनतम, em \ _cntrl, dir \ _mail, q_1, q_2, q_3, आदि)

माथि उल्लिखित सामान्य रिग्रेसन मोडेलले TABLE २ आउटपुट उत्पादन गर्दछ। ब्याज को कुनै अन्य स्वतन्त्र चर समावेश गर्नुहोस्। विशेष सूचनाको त्यस्तो हुनु पर्छ (शुद्ध) मूल्य स्वतन्त्र चलको रूपमा हटाइएको छ। यो किनभने शुद्ध राजस्व निर्भर चर हो र यसको रूपमा गणना गरिन्छ (नेट) मूल्य * मात्रा.

तालिका 1

सप्ताह em_test em_cntrl dir_mail q_1 q_2 q_3 नेट_रेभ
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

मूल्यलाई स्वतन्त्र चरको रूपमा समावेश गर्नुको मतलब समीकरणको दुबै तिर मूल्य छ जुन अनुचित छ। (मेरो किताब, मार्केटिंग एनालिटिक्स: वास्तविक मार्केटिंग विज्ञानका लागि व्यावहारिक गाइड, यस विश्लेषणात्मक समस्याको विस्तृत उदाहरण र विश्लेषण प्रदान गर्दछ।) यस मोडेलको लागि समायोजित R2% 64% हो। (डमी जालबाट बच्न मैले Q4 छोडे।) emc = नियन्त्रण ईमेल र emt = परीक्षण ईमेल। सबै चरहरू%%% स्तरमा महत्त्वपूर्ण छन्।

तालिका 2

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

इ-मेल परीक्षणको सर्तमा, परीक्षण ईमेलले 77 email बनाम control email द्वारा नियन्त्रण ईमेललाई मात दियो र धेरै महत्त्वपूर्ण थियो। यसैले, अन्य चीजहरूको लागि लेखांकन, परीक्षण ईमेलले काम गर्‍यो। यी अन्तर्दृष्टि डेटा प्रदूषित भए पनि आउँदछ। A / B परीक्षणले यो उत्पादन गर्दैन।

तालिका ले मार्कम मूल्य निर्धारण गर्नका लागि गुणांकहरू लिन्छ, शुद्ध राजस्वको सर्तमा प्रत्येक गाडीको योगदान। त्यो हो, प्रत्यक्ष मेलको मूल्य गणना गर्न, १२ को गुणांक १० 3 पठाइएको प्रत्यक्ष मेलको औसत संख्याले गुणा गरिन्छ $ १12०109 प्राप्त गर्न। ग्राहकहरूले $ $,०1,305 को औसत रकम खर्च गर्छन्। यसैले $ १1,305०4,057 / $ ,,०26.8 = २.XNUMX..XNUMX%। यसको मतलब प्रत्यक्ष मेलले कुल शुद्ध राजस्वको लगभग २ nearly% योगदान पुर्‍यायो। ROI को सर्तमा, १० direct प्रत्यक्ष मेलहरूले $ १27०109 उत्पन्न गर्दछ। यदि एक क्याटलगको लागत $ then$ छ भने ROI = ($ १1,305०55 - $$) / $ =$ = २55००!

किनकि मूल्य स्वतन्त्र चर थिएन, सामान्यतया यो निष्कर्षमा पुग्दछ कि मूल्यको प्रभाव स्थिरमा पुरियो। यस अवस्थामा 5039० 83 of को स्थिरमा मूल्य, कुनै अन्य हराइरहेको चर र एक अनियमित त्रुटि, वा शुद्ध राजस्वको about XNUMX% समावेश छ।

तालिका 3

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

निष्कर्ष

सामान्य प्रतिगमनले फोहोर डाटाको अनुहारमा अन्तर्दृष्टि प्रदान गर्न एक विकल्प प्रस्ताव गर्‍यो, जस्तो प्राय जसो कर्पोरेट परीक्षण योजनामा ​​हुन्छ। रिग्रेसनले शुद्ध राजस्वका साथै आरओआई को लागी ब्यापार केसमा पनि योगदान पुर्‍याउँछ। सामान्य रिग्रेसन मार्कम मूल्यमा सर्त एक वैकल्पिक प्रविधि हो।

ईआर? टी = मार्केटिंग टचब्लॉग २० & l = as20 & o = १ & a = १2१1।

2 टिप्पणिहरु

  1. 1

    व्यावहारिक मुद्दाको लागि राम्रो विकल्प, माइक।
    तपाईंले गरेको तरिकाबाट, म अनुमान गर्दछु द्रुत अघिल्लो हप्ताहरूमा लक्षित सञ्चारकर्मीहरूको कुनै अधिव्यापन छैन। अन्यथा तपाईंसँग अटो-रिग्रेसिभ र / वा समय लाग्ने घटक छ?

  2. 2

    हृदयमा अप्टिमाइजेसनको बारेमा तपाईंको आलोचनाहरू लिदै, कसरी एक व्यक्तिले च्यानल खर्च अप्टिमाइज गर्न यो मोडेल प्रयोग गर्न सक्दछ?

तिम्रो के बिचार छ?

यो साइट स्प्याम कम गर्न Akismet को उपयोग गर्दछ। जान्नुहोस् कि तपाईंको डेटा कसरी संसाधित छ.