Vrijednost Marcoma: alternativa A / B testiranju

dimenzionalna sfera

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:

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

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 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

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

q_3 q_2 q_1 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

q_3 q_2 q_1 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.

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

2 Komentari

  1. 1

    Lijepa alternativa praktičnom pitanju, Mike.
    Na način na koji ste to učinili, pretpostavljam da nema preklapanja ciljnih komunikatora u neposredno prethodnim tjednima. U suprotnom biste imali auto-regresivnu i/ili komponentu s vremenskim odmakom?

  2. 2

Što vi mislite?

Ova web stranica koristi Akismet za smanjenje neželjene pošte. Saznajte kako se podaci vašeg komentara obrađuju.