Analytics at PagsubokEmail Marketing at AutomationMga Libro sa Marketing

Pagpapahalaga sa Marcom: Isang Kahalili sa Pagsubok ng A / B

Kaya lagi naming nais malaman kung paano marcom Ang (mga komunikasyon sa marketing) ay gumaganap, kapwa bilang isang sasakyan at para sa isang indibidwal na kampanya. Sa pagsusuri ng marcom karaniwang gamitin ang simpleng A / B na pagsubok. Ito ay isang pamamaraan kung saan ang random sampling ay namamalagi ng dalawang mga cell para sa paggamot sa kampanya.

Ang isang cell ay nakakakuha ng pagsubok at ang iba pang cell ay hindi. Pagkatapos ang rate ng tugon o net na kita ay inihambing sa pagitan ng dalawang mga cell. Kung ang test cell ay mas mahusay kaysa sa control cell (sa loob ng mga parameter ng pagsubok ng pagtaas, kumpiyansa, atbp.) Ang kampanya ay ituring na makabuluhan at positibo.

Bakit May Iba Pa?

Gayunpaman, ang pamamaraang ito ay kulang sa pagbuo ng pananaw. Wala itong na-optimize, ginaganap sa isang vacuum, hindi nagbibigay ng mga implikasyon para sa diskarte at walang mga kontrol para sa iba pang mga stimuli.

Pangalawa, madalas, ang pagsubok ay nadumhan sa hindi bababa sa isa sa mga cell ay hindi sinasadyang nakatanggap ng iba pang mga alok, mga mensahe sa tatak, komunikasyon, atbp Gaano karaming beses na ang mga resulta ng pagsubok ay itinuring na hindi tiyak, kahit na hindi sensikal? Kaya paulit-ulit silang sumusubok. Wala silang natutunan, maliban na ang pagsubok ay hindi gagana.

Iyon ang dahilan kung bakit inirerekumenda ko ang paggamit ng ordinaryong pagbabalik upang makontrol para sa lahat ng iba pang mga stimuli. Pagmomodelo sa pag-urong nagbibigay din ng mga pananaw sa pagpapahalaga sa marcom na maaaring makabuo ng isang ROI. Hindi ito ginagawa sa isang vacuum, ngunit nagbibigay ng mga pagpipilian bilang isang portfolio upang ma-optimize ang badyet.

Isang Halimbawa

Sabihin nating sinusubukan namin ang dalawang email, pagsubok kumpara sa kontrol at ang mga resulta ay bumalik na hindi sensical. Pagkatapos ay nalaman namin na ang aming departamento ng tatak ay hindi sinasadyang nagpadala ng isang direktang piraso ng mail sa (karamihan) sa control group. Ang piraso na ito ay hindi binalak (sa amin) o inako para sa sapalarang pagpili ng mga test cell. Iyon ay, nakakuha ang karaniwang pangkat ng negosyo ng karaniwang direktang mail ngunit ang pangkat ng pagsubok – na ginampanan – ay hindi. Ito ay napaka-tipikal sa isang korporasyon, kung saan ang isang pangkat ay hindi gumagana o makipag-usap sa ibang yunit ng negosyo.

Kaya sa halip na subukan kung saan ang bawat hilera ay isang customer, isinasara namin ang data ayon sa tagal ng panahon, sabihin lingguhan. Nagdagdag kami, sa linggo, ang bilang ng mga email sa pagsubok, kontrolin ang mga email at direktang mail na naipadala. Nagsasama rin kami ng mga variable ng binary upang mag-account para sa panahon, sa kasong ito sa bawat buwan. Ipinapakita ng TABLE 1 ang isang bahagyang listahan ng mga pinagsama-samang pagsubok sa email na nagsisimula sa linggo 10. Ngayon ay gumagawa kami ng isang modelo:

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

Ang ordinaryong modelo ng pagbabalik na binalangkas sa itaas ay gumagawa ng TABLE 2 output. Isama ang anumang iba pang mga independiyenteng variable ng interes. Ang partikular na paunawa ay dapat na (net) presyo ay hindi kasama bilang isang independiyenteng variable. Ito ay sapagkat ang netong kita ay nakasalalay na variable at kinakalkula bilang (net) presyo * dami.

TALA 1

linggo 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

Upang maisama ang presyo bilang isang independiyenteng variable ay nangangahulugang pagkakaroon ng presyo sa magkabilang panig ng equation, na hindi naaangkop. (Ang aking libro, Marketing Analytics: Isang Praktikal na Patnubay sa Tunay na Agham sa Marketing, nagbibigay ng malawak na mga halimbawa at pagtatasa ng problemang analitiko na ito.) Ang naayos na R2 para sa modelong ito ay 64%. (Bumagsak ako ng q4 upang maiwasan ang dummy trap.) Emc = control email at emt = test email. Ang lahat ng mga variable ay makabuluhan sa antas na 95%.

TALA 2

q_3 q_2 q_1 dm emc emt const
koepisyent -949 -1,402 -2,294 12 44 77 5,039
st err 474.1 487.2 828.1 2.5 22.4 30.8
t-ratio -2 -2.88 -2.77 4.85 1.97 2.49

Sa mga tuntunin ng pagsubok sa email, nalampasan ng email ng pagsubok ang kontrol sa email ng 77 kumpara sa 44 at higit na mahalaga. Kaya, sa pagtutuos ng iba pang mga bagay, gumana ang email sa pagsubok. Ang mga pananaw na ito ay dumating kahit na ang data ay nadumhan. Ang isang pagsubok na A / B ay hindi makagawa nito.

Kinukuha ng TABLE 3 ang mga coefficients upang makalkula ang marcomm valuation, isang kontribusyon ng bawat sasakyan sa mga tuntunin ng netong kita. Iyon ay, upang makalkula ang halaga ng direktang mail, ang koepisyent ng 12 ay pinarami ng average na bilang ng mga direktang mail na ipinadala ng 109 upang makakuha ng $ 1,305. Gumastos ang mga customer ng isang average na halagang $ 4,057. Ganito $ 1,305 / $ 4,057 = 26.8%. Nangangahulugan iyon na ang direktang mail ay nag-ambag ng halos 27% ng kabuuang kita sa net. Sa mga tuntunin ng ROI, 109 na direktang mail ang nakakakuha ng $ 1,305. Kung ang isang katalogo ay nagkakahalaga ng $ 45 pagkatapos ROI = ($ 1,305 - $ 55) / $ 55 = 2300%!

Dahil ang presyo ay hindi independiyenteng variable, karaniwang napagpasyahan na ang epekto ng presyo ay inilibing sa pare-pareho. Sa kasong ito, ang pare-pareho ng 5039 ay may kasamang presyo, anumang iba pang nawawalang mga variable at isang random na error, o tungkol sa 83% ng net na kita.

TALA 3

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

Konklusyon

Ang ordinaryong pagbabalik ay nag-aalok ng isang kahalili upang magbigay ng mga pananaw sa harap ng maruming data, tulad ng madalas na kaso sa isang scheme ng pagsubok sa korporasyon. Nagbibigay din ang pag-urong ng isang kontribusyon sa kita sa net pati na rin isang kaso sa negosyo para sa ROI. Ang ordinaryong pagbabalik ay isang alternatibong pamamaraan sa mga tuntunin ng pagpapahalaga sa marcomm.

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

Michael Grigsby

Si Mike Grigsby ay nasangkot sa agham sa marketing sa loob ng higit sa 25 taon. Siya ay director ng pananaliksik sa marketing sa Millward Brown at mayroong mga posisyon sa pamumuno sa Hewlett-Packard at sa Gap. Gamit ang isang kayamanan ng karanasan ng praktiko na nangunguna sa marketing science at data analytics, pinuno niya ngayon ang madiskarteng kasanayan sa pag-analisa sa tingian sa Targetbase.

Kaugnay na Artikulo

Bumalik sa tuktok na pindutan
Pagsasara

Natukoy ang Adblock

Martech Zone ay kayang ibigay sa iyo ang nilalamang ito nang walang bayad dahil pinagkakakitaan namin ang aming site sa pamamagitan ng kita ng ad, mga link na kaakibat, at mga sponsorship. Ikinalulugod namin kung aalisin mo ang iyong ad blocker habang tinitingnan mo ang aming site.