Vrijednost Marcoma: alternativa A / B testiranju
Tako da uvijek želimo znati kako Marcom (marketinška komunikacija) nastupa, i kao sredstvo i za pojedinačnu kampanju. U procjeni marcoma uobičajeno je upotrijebiti jednostavno A / B testiranje. Ovo je tehnika kojom slučajno uzorkovanje popunjava dvije stanice za kampanju.
Jedna stanica dobiva test, a druga stanica neće. Tada se uspoređuje stopa odziva ili neto prihod između dviju ćelija. Ako ispitna stanica nadmaši kontrolnu ćeliju (unutar ispitnih parametara podizanja, pouzdanosti itd.), Kampanja se smatra značajnom i pozitivnom.
Zašto nešto drugo raditi?
Međutim, ovom postupku nedostaje generiranja uvida. Ništa ne optimizira, izvodi se u vakuumu, ne utječe na strategiju i ne postoje kontrole za druge podražaje.
Drugo, prečesto je test onečišćen time što je barem jedna od stanica slučajno dobila druge ponude, poruke o robnoj marki, komunikaciju itd. Koliko puta su rezultati ispitivanja smatrani neuvjerljivim, čak i nesenzibilnim? Pa testiraju opet i opet. Ništa ne uče, osim što testiranje ne djeluje.
Zato preporučujem uobičajenu regresiju za kontrolu svih ostalih podražaja. Modeliranje regresije također daje uvid u procjenu marcoma koja može generirati ROI. To se ne radi u vakuumu, već pruža mogućnosti kao portfelj za optimizaciju proračuna.
Primjer
Recimo da smo testirali dvije e-adrese, test u odnosu na kontrolu i rezultati su se vratili ne-senzibilno. Tada smo otkrili da je naš odjel za robne marke slučajno poslao izravnu poštu (uglavnom) kontrolnoj grupi. Ovaj dio nismo planirali (niti mi) niti smo uzeli u obzir slučajnim odabirom test stanica. Odnosno, grupa koja posluje kao i obično dobila je uobičajenu izravnu poštu, ali ispitna grupa - koja je zadržana - nije. To je vrlo tipično za korporaciju u kojoj jedna grupa ne radi niti komunicira s drugom poslovnom jedinicom.
Dakle, umjesto testiranja u kojem je svaki redak kupac, podatke sakupljamo prema vremenskom razdoblju, recimo tjedno. Zbrajamo po tjednima broj poslanih testnih, kontrolnih i izravnih poruka. Uključujemo i binarne varijable koje uzimaju u obzir sezonu, u ovom slučaju tromjesečno. TABLICA 1 prikazuje djelomični popis agregata s testom e-pošte koji počinje u 10. tjednu. Sada radimo model:
Uobičajeni regresijski model kako je gore formuliran daje TABELU 2 rezultata. Uključite bilo koje druge neovisne varijable od interesa. Posebno treba primijetiti da je (neto) cijena isključena kao neovisna varijabla. To je zato što je neto prihod ovisna varijabla i izračunava se kao (neto) cijena * količina.
TABLICA 1
tjedan | em_test | em_cntrl | dir_mail | neto_okret | |||
---|---|---|---|---|---|---|---|
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 |
Uključiti cijenu kao neovisnu varijablu znači imati cijenu na obje strane jednadžbe, što je neprikladno. (Moja knjiga, Marketinška analitika: Praktični vodič za stvarnu marketinšku znanost, daje opsežne primjere i analizu ovog analitičkog problema.) Prilagođeni R2 za ovaj model iznosi 64%. (Ispustio sam q4 da izbjegnem zamku.) Emc = kontrolna e-pošta i emt = testna e-pošta. Sve su varijable značajne na razini od 95%.
TABLICA 2
dm | emc | EMTs | const | ||||
---|---|---|---|---|---|---|---|
koef | -949 | -1,402 | -2,294 | 12 | 44 | 77 | 5,039 |
st. griješi | 474.1 | 487.2 | 828.1 | 2.5 | 22.4 | 30.8 | |
t-omjer | -2 | -2.88 | -2.77 | 4.85 | 1.97 | 2.49 |
Što se tiče testa e-pošte, testni e-mail nadmašio je kontrolni e-mail za 77 naspram 44 i bio je puno značajniji. Tako je, uzimajući u obzir druge stvari, testni e-mail uspio. Ta saznanja dolaze čak i kad su podaci zagađeni. A / B test to ne bi proizveo.
U TABLICI 3 uzimaju se koeficijenti za izračunavanje ocjene markom, doprinos svakog vozila u smislu neto prihoda. Odnosno, za izračunavanje vrijednosti izravne pošte, koeficijent 12 množi se srednjim brojem poslanih izravnih poruka od 109 da bi se dobilo 1,305 dolara. Kupci u prosjeku potroše 4,057 američkih dolara. Tako 1,305 USD / 4,057 USD = 26.8%. To znači da je izravna pošta donijela gotovo 27% ukupnog neto prihoda. Što se tiče ROI-ja, 109 izravnih mailova donosi 1,305 USD. Ako katalog tada košta 45 USD ROI = (1,305 USD - 55 USD) / 55 USD = 2300%!
Budući da cijena nije bila neovisna varijabla, obično se zaključuje da je utjecaj cijene zakopan u konstantu. U ovom slučaju konstanta od 5039 uključuje cijenu, bilo koje druge varijable koje nedostaju i slučajnu pogrešku ili oko 83% neto prihoda.
TABLICA 3
dm | emc | EMTs | const | ||||
---|---|---|---|---|---|---|---|
Coeff | -949 | -1,402 | -2,294 | 12 | 44 | 77 | 5,039 |
značiti | 0.37 | 0.37 | 0.11 | 109.23 | 6.11 | 4.94 | 1 |
$4,875 | - $ 352 | - $ 521 | - $ 262 | $1,305 | $269 | $379 | $4,057 |
vrijednost | -7.20% | -10.70% | -5.40% | 26.80% | 5.50% | 7.80% | 83.20% |
Zaključak
Uobičajena regresija nudila je alternativu za pružanje uvida u lice prljavih podataka, kao što je to često slučaj u korporacijskoj shemi testiranja. Regresija također daje doprinos neto prihodu, kao i poslovni slučaj za ROI. Uobičajena regresija alternativna je tehnika u smislu vrednovanja marcomma.