הערכת מרקום: אלטרנטיבה לבדיקת A / B

כדור ממדי

אז אנחנו תמיד רוצים לדעת איך מרקום (תקשורת שיווקית) מבצעת, הן ככלי רכב והן עבור קמפיין פרטני. בהערכת מרקום נהוג להשתמש בבדיקות A / B פשוטות. זוהי טכניקה שבה דגימה אקראית מאכלסת שני תאים לטיפול בקמפיין.

תא אחד מקבל את הבדיקה והתא השני לא. ואז משווים את שיעור התגובה או הכנסות נטו בין שני התאים. אם תא המבחן עולה על תא הבקרה (בתוך פרמטרי בדיקה של עלייה, ביטחון וכו ') הקמפיין נחשב למשמעותי וחיובי.

למה לעשות משהו אחר?

עם זאת, הליך זה חסר יצירת תובנות. זה לא מייעל שום דבר, מבוצע בחלל ריק, לא נותן שום השלכה על האסטרטגיה ואין בקרות לגירויים אחרים.

שנית, לעתים קרובות מדי, המבחן מזוהם בכך שלפחות אחד התאים קיבל בטעות הצעות אחרות, הודעות מותג, תקשורת וכו '. כמה פעמים תוצאות הבדיקה נחשבו לא חד משמעיות, אפילו לא חושניות? אז הם בודקים שוב ושוב. הם לא לומדים כלום, אלא שהבדיקה לא עובדת.

לכן אני ממליץ להשתמש ברגרסיה רגילה כדי לשלוט בכל הגירויים האחרים. דוגמנות רגרסיה נותן תובנות לגבי הערכת שווי מרקום שיכולה ליצור החזר השקעה. זה לא נעשה בחלל ריק, אלא מספק אפשרויות כתיק לייעול התקציב.

דוגמה

נניח שבדקנו שני אימיילים, בדיקה לעומת בקרה והתוצאות חזרו להיות לא חושניות. ואז גילינו שמחלקת המותגים שלנו שלחה בטעות חתיכת דואר ישיר לקבוצת הביקורת (בעיקר). היצירה הזו לא תוכננה (על ידינו) וגם לא נלקחה בחשבון בבחירה אקראית של תאי הבדיקה. כלומר, הקבוצה כרגיל קיבלה את הדיוור הישיר הרגיל אך קבוצת הבדיקה - שהוחזקה - לא קיבלה. זה מאוד אופייני בתאגיד, שבו קבוצה אחת לא עובדת ולא מתקשרת עם יחידה עסקית אחרת.

אז במקום לבדוק איפה שכל שורה היא לקוח, אנו מגדילים את הנתונים לפי פרק זמן, נניח שבועי. אנו מוסיפים, לפי שבוע, את מספר הודעות הדוא"ל לבדיקה, דוא"ל בקרה ודואר ישיר שנשלח. אנו כוללים גם משתנים בינאריים לחשבון העונה, במקרה זה רבעוני. לוח 1 מציג רשימה חלקית של האגרגטים עם מבחן הדוא"ל החל משבוע 10. כעת אנו עושים מודל:

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

מודל הרגרסיה הרגיל כפי שנוסח לעיל מייצר פלט TABLE 2. כלול כל משתנה עצמאי אחר של עניין. יש לשים לב במיוחד שמחיר (נטו) אינו נכלל כמשתנה עצמאי. הסיבה לכך היא שהכנסות נטו הן המשתנה התלוי ומחושבות כ- (נטו) מחיר * כמות.

לוח 1

שבוע em_test em_cntrl dir_mail ש_1 ש_2 ש_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

לכלול מחיר כמשתנה עצמאי פירושו שיהיה מחיר משני צידי המשוואה, שאינו ראוי. (הספר שלי, ניתוח שיווקי: מדריך מעשי למדעי שיווק אמיתיים, מספק דוגמאות וניתוח מקיף לבעיה אנליטית זו.) R2 המותאם למודל זה הוא 64%. (הורדתי את q4 כדי להימנע ממלכודת הדמה.) Emc = דוא"ל שליטה ו- emt = דוא"ל בדיקה. כל המשתנים משמעותיים ברמה של 95%.

לוח 2

ש_3 ש_2 ש_1 dm Emc EMT const
מקדם -949 -1,402 -2,294 12 44 77 5,039
שגיאה 474.1 487.2 828.1 2.5 22.4 30.8
יחס t -2 -2.88 -2.77 4.85 1.97 2.49

מבחינת מבחן הדוא"ל, דוא"ל הבדיקה גבר על דוא"ל הבקרה על ידי 77 לעומת 44 והיה משמעותי בהרבה. לפיכך, בהתחשב בדברים אחרים, דוא"ל הבדיקה עבד. תובנות אלו מגיעות גם כאשר הנתונים מזוהמים. מבחן A / B לא היה מייצר זאת.

לוח 3 לוקח את המקדמים לחישוב הערכת שווי מרקום, תרומה של כל רכב במונחי הכנסות נטו. כלומר, כדי לחשב את ערך הדיוור הישיר, מקדם 12 מוכפל במספר הממוצע של הודעות דואר ישירות שנשלחו 109 כדי לקבל 1,305 $. לקוחות מוציאים סכום ממוצע של 4,057 דולר. לכן 1,305 $ / 4,057 $ = 26.8%. כלומר, דיוור ישיר תרם כמעט 27% מסך ההכנסות נטו. מבחינת החזר ה- ROI, 109 מיילים ישירים מייצרים 1,305 דולר. אם קטלוג עולה 45 $ אז ROI = (1,305 $ - 55 $) / 55 $ = 2300%!

מכיוון שהמחיר לא היה משתנה עצמאי, בדרך כלל מסיקים כי השפעת המחיר קבורה בקבוע. במקרה זה הקבוע של 5039 כולל מחיר, כל משתנה חסר אחר ושגיאה אקראית, או כ -83% מההכנסות נטו.

לוח 3

ש_3 ש_2 ש_1 dm Emc EMT const
מקף -949 -1,402 -2,294 12 44 77 5,039
אומר 0.37 0.37 0.11 109.23 6.11 4.94 1
₪4,875 - 352 $ - 521 $ - 262 $ ₪1,305 ₪269 ₪379 ₪4,057
ערך -7.20% -10.70% -5.40% 26.80% 5.50% 7.80% 83.20%

סיכום

רגרסיה רגילה הציעה אלטרנטיבה לספק תובנות מול נתונים מלוכלכים, כפי שקורה לרוב בתכנית בדיקות ארגונית. רגרסיה גם מספקת תרומה להכנסות נטו, כמו גם מקרה עסקי עבור החזר ROI. רגרסיה רגילה היא טכניקה חלופית מבחינת הערכת מרקום.

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

תגובות 2

  1. 1

    אלטרנטיבה נחמדה לנושא מעשי, מייק.
    באופן שעשית, אני מניח שאין חפיפה של מתקני היעד בשבועות המוקדמים. אחרת יהיה לך רכיב רגרסיבי אוטומטי ו / או פיגור בזמן?

  2. 2

    אם לוקחים את הביקורות שלך לגבי אופטימיזציה ללב, איך אפשר להשתמש במודל זה כדי לייעל את הוצאות הערוץ?

מה אתה חושב?

אתר זה משתמש Akismet כדי להפחית דואר זבל. למד כיצד הנתונים שלך מעובדים.