Marcom Valuation: A / B စမ်းသပ်ခြင်းအတွက်အခြားရွေးချယ်စရာတစ်ခု

ရှုထောင်နယ်ပယ်

ဒါကြောင့်ငါတို့ဘယ်လိုအမြဲသိရန်လိုခငျြ marcom (စျေးကွက်ရှာဖွေရေးဆက်သွယ်ရေး) သည်မော်တော်ယာဉ်တစ်ခုအနေနှင့်သာမကလူပုဂ္ဂိုလ်တစ် ဦး ချင်းစီအတွက်ပါဖျော်ဖြေနေသည်။ marcom ကိုအကဲဖြတ်ရာတွင်ရိုးရှင်းသော A / B စစ်ဆေးခြင်းကိုပြုလုပ်လေ့ရှိသည်။ ဤနည်းသည်ကျပန်းနမူနာများကိုမဲဆွယ်စည်းရုံးရေးကုသမှုအတွက်ဆဲလ် ၂ ခုကိုစုဆောင်းပေးသောနည်းလမ်းဖြစ်သည်။

ဆဲလ်တစ်ခုသည်စစ်ဆေးမှုကိုခံယူရပြီးအခြားဆဲလ်တစ်ခုမှာမူစစ်ဆေးမှုမခံရပါ။ ထိုအခါတုံ့ပြန်မှုနှုန်းသို့မဟုတ်အသားတင်ဝင်ငွေဆဲလ်နှစ်ခုအကြားနှိုင်းယှဉ်သည်။ အကယ်၍ စမ်းသပ်ဆဲလ်သည်ထိန်းချုပ်မှုဆဲလ်ကိုကျော်လွန်ပါက (စမ်းသပ်မှု၏ဓာတ်သတ္တုစစ်ဆေးမှုအရ၊ ယုံကြည်မှုအစရှိသဖြင့်) ကင်ပိန်းသည်သိသာထင်ရှားပြီးအပြုသဘောဆောင်သည်ဟုမှတ်ယူနိုင်သည်။

အဘယ်ကြောင့်အခြားအရာတစ်ခုခုလုပ်ပါ?

သို့သော်ဤလုပ်ထုံးလုပ်နည်းထိုးထွင်းသိမြင်မှုမျိုးဆက်ကင်းမဲ့နေသည်။ ဒါဟာဘာမျှမပိုကောင်းအောင်, တစ် ဦး လေဟာနယ်ထဲမှာဖျော်ဖြေသည်မဟာဗျူဟာအဘို့အဘယ်သူမျှမသက်ရောက်မှုပေးသည်နှင့်အခြားလှုံ့ဆော်မှုအဘို့အဘယ်သူမျှမထိန်းချုပ်မှုရှိပါတယ်။

ဒုတိယအချက်မှာမကြာခဏဆိုသလိုပင်စမ်းသပ်မှုသည်ညစ်ညမ်းမှုဖြစ်စေသည်။ အနည်းဆုံးဆဲလ်တစ်ခုသည်အခြားကမ်းလှမ်းချက်များ၊ အမှတ်တံဆိပ်မက်ဆေ့ခ်ျများ၊ ဆက်သွယ်ရေးစသည်တို့ကိုမတော်တဆလက်ခံရရှိခြင်းကြောင့်ဖြစ်သည်။ စမ်းသပ်မှုရလဒ်များကိုမသေချာမှု၊ ဒါကြောင့်သူတို့ကထပ်ခါတလဲလဲစမ်းသပ်။ သူတို့ဘာမှမသင်ယူကြဘူး၊

ဒါကြောင့်ငါကအခြားလှုံ့ဆော်မှုအားလုံးကိုထိန်းချုပ်ရန်သာမာန်регрессကိုအသုံးပြုရန်အကြံပြုသည်။ Regression မော်ဒယ်လ် ထို့အပြင် ROI ကိုထုတ်လုပ်နိုင်သည့် marcom ၏တန်ဖိုးသတ်မှတ်ချက်ကိုထိုးထွင်းသိမြင်စေသည်။ ၎င်းကိုလေဟာနယ်ထဲတွင်မပြုလုပ်သော်လည်းဘတ်ဂျက်အားအကောင်းဆုံးဖြစ်စေရန်အစုစုတစ်ခုအနေဖြင့်ရွေးချယ်စရာများကိုပေးသည်။

ဥပမာတခု

ကျွန်တော်တို့ဟာအီးမေး (လ်) ၂ ခုကိုစမ်းသပ်နေတယ်ဆိုပါစို့။ စမ်းသပ်မှု vs. ထိန်းချုပ်မှုနဲ့ရလဒ်တွေကမသေချာဘူး။ ထိုအခါကျွန်ုပ်တို့၏ကုန်အမှတ်တံဆိပ်ဌာနသည်ထိန်းချုပ်ထားသည့်အဖွဲ့ (သို့) တိုက်ရိုက်စာတိုက်မှတစ်ဆင့်မတော်တဆပို့မိကြောင်းတွေ့ရှိခဲ့သည်။ ဤအပိုင်းအစသည်ကျွန်ုပ်တို့အားစီစဉ်ထားခြင်းမဟုတ်ပါ၊ စမ်းသပ်ဆဲလ်များကိုကျပန်းရွေးချယ်ရာတွင်လည်းပါ ၀ င်ခြင်းမရှိခဲ့ပါ။ ဆိုလိုသည်မှာပုံမှန်အားဖြင့်စီးပွားရေးလုပ်ငန်းကဲ့သို့သောအုပ်စုသည်ပုံမှန်စာတိုက်သို့ရောက်ရှိသော်လည်းစမ်းသပ်မှုပြုလုပ်သည့်အုပ်စုမှာမူမရခဲ့ပါ။ ၎င်းသည်ကော်ပိုရေးရှင်းတစ်ခုတွင်အလွန်ပုံမှန်ဖြစ်သည်၊ အုပ်စုတစ်ခုသည်အခြားစီးပွားရေးဌာနတစ်ခုနှင့်အလုပ်လုပ်ခြင်းမရှိသလိုဆက်သွယ်ခြင်းလည်းမရှိပါ။

ထို့ကြောင့်အတန်းတစ်ခုချင်းစီသည်ဖောက်သည်များဖြစ်ကြောင်းစစ်ဆေးမည့်အစားအချက်အလက်များကိုအချိန်ကာလအလိုက်မြှင့်တင်သည်ဟုအပတ်စဉ်ဆိုသည်။ ရက်သတ္တပတ်အလိုက်စမ်းသပ်အီးမေးလ်အရေအတွက်၊ ထိန်းချုပ်ထားသည့်အီးမေးလ်များနှင့်ပေးပို့သောတိုက်ရိုက်မေးလ်အရေအတွက်ကိုကျွန်ုပ်တို့ပေါင်းထည့်သည်။ ရာသီဥတုကိုတွက်ချက်ရန် binary variable များကိုလည်းဤကိစ္စတွင်သုံးလတစ်ကြိမ်ထည့်သွင်းထားသည်။ ဇယား ၁ တွင်အပတ် ၁၀ တွင်စတင်သည့်အီးမေးလ်စမ်းသပ်မှုနှင့်အတူစုစုပေါင်း၏တစ်စိတ်တစ်ပိုင်းကိုဖော်ပြထားသည်။ ယခုကျွန်ုပ်တို့သည်မော်ဒယ်တစ်ခုကိုပြုလုပ်သည်။

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

အပေါ်တွင်ရေးဆွဲထားသည့်အတိုင်းသာမန်ဆုတ်ယုတ်မှုပုံစံသည် TABLE 2 output ကိုထုတ်လုပ်သည်။ အခြားအကျိုးစီးပွားအခြားလွတ်လပ်သော variable တွေကိုထည့်သွင်းပါ။ အထူးသတိပြုသင့်သည်မှာ (အသားတင်) စျေးနှုန်းကိုလွတ်လပ်သောတန်ဖိုးတစ်ခုအဖြစ်ဖယ်ထုတ်ထားခြင်းဖြစ်သည်။ အဘယ်ကြောင့်ဆိုသော်အသားတင် ၀ င်ငွေသည်မှီခိုနိုင်သော variable တစ်ခုဖြစ်ပြီးတွက်ချက်ခြင်းကြောင့်ဖြစ်သည် (အသားတင်) စျေးနှုန်း * အရေအတွက်.

TABLE 1

တနင်္ဂနွေ 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

စျေးနှုန်းကိုလွတ်လပ်သော variable တစ်ခုအဖြစ်ထည့်သွင်းခြင်းသည်မသင့်လျော်သောညီမျှခြင်း၏နှစ်ဖက်စလုံးတွင်စျေးနှုန်းရှိခြင်းကိုဆိုလိုသည်။ (ငါ့စာအုပ်, Marketing Analytics: စျေးကွက်ရှာဖွေရေးသိပ္ပံကိုလက်တွေ့ကျတဲ့လမ်းညွှန်, ကျယ်ပြန့်ဥပမာများနှင့်ဤသရုပ်ခွဲပြproblemနာ၏ခွဲခြမ်းစိတ်ဖြာပေးပါသည်။ ) ဒီမော်ဒယ်များအတွက်ညှိ R2 64% ဖြစ်ပါတယ်။ (ငါအတုထောင်ချောက်မှရှောင်ရှားရန် q4 ကျဆင်းသွားသည်။ ) emc = control email နှင့် emt = test email ။ အဆိုပါ variable တွေကိုအားလုံး 95% အဆင့်မှာသိသာဖြစ်ကြသည်။

TABLE 2

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

အီးမေးလ်စမ်းသပ်မှု၏စည်းကမ်းချက်များအရစမ်းသပ်မှုအီးမေးလ်သည်ထိန်းချုပ်မှုအီးမေးကို ၇၇ နှင့် ၄၄ ထက်ကျော်လွန်ပြီး ပို၍ ထူးခြားသည်။ ထို့ကြောင့်အခြားအရာများအတွက်စာရင်းကိုင်, စမ်းသပ်အီးမေးလ်အလုပ်လုပ်ခဲ့ပါတယ်။ ဤထိုးထွင်းသိမြင်မှုသည်အချက်အလက်များကိုညစ်ညမ်းစေသည့်အချိန်၌ပင်ရောက်ရှိလာသည်။ A / B စစ်ဆေးမှုသည်၎င်းကိုထုတ်လုပ်လိမ့်မည်မဟုတ်ပါ။

ဇယား (၃) သည် marcomm တန်ဖိုးအားတွက်ချက်ရန်အတွက်ကိန်းပြည့်ကိုယူသည်။ ဆိုလိုသည်မှာ၊ တိုက်ရိုက်မေးလ်၏တန်ဖိုးကိုတွက်ချက်ရန်အတွက် ၁၂ ၏မြှောက်ဖော်ကိန်းကိုဒေါ်လာ ၁,၃၀၅ ရရန် ၁၀၉ စာသားပို့သောပျမ်းမျှအရေအတွက်ဖြင့်မြှောက်သည်။ ဖောက်သည်များသည်ပျမ်းမျှပမာဏကိုဒေါ်လာ ၄၀၇၇ သုံးစွဲသည်။ ထို့ကြောင့် $ 1,305 / $ 4,057 = 26.8%။ ဆိုလိုသည်မှာတိုက်ရိုက်မေးလ်သည်စုစုပေါင်းအသားတင်ဝင်ငွေ၏ ၂၇% နီးပါးမျှရှိသည်။ ROI ၏စည်းကမ်းချက်များအရတိုက်ရိုက်စာ ၁၀၉ စောင်သည်ဒေါ်လာ ၁,၃၀၅ ရရှိသည်။ ကက်တလောက်လျှင် $ 27 ကုန်ကျလျှင် ROI ကို = ($ 1,305 - $ 55) / $ 55 = 2300%!

ဈေးသည်လွတ်လပ်သောပြောင်းလဲမှုမဟုတ်သောကြောင့်စျေးနှုန်း၏သက်ရောက်မှုကိုစဉ်ဆက်မပြတ်မြှုပ်နှံထားသည်။ ဤကိစ္စတွင် 5039 ၏စဉ်ဆက်မပြတ်စျေးနှုန်း, အခြားပျောက်ဆုံးနေတဲ့ variable တွေကိုနှင့်ကျပန်းအမှား, ဒါမှမဟုတ်အသားတင်ဝင်ငွေ၏ 83% ပါဝင်သည်။

TABLE 3

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

ကောက်ချက်

သာမာန်ဆုတ်ယုတ်မှုသည်ညစ်ညမ်းသောအချက်အလက်များကိုရင်ဆိုင်နိုင်ရန်ထိုးထွင်းသိမြင်မှုကိုပေးသည့်အခြားရွေးချယ်စရာတစ်ခုဖြစ်သည်။ ကော်ပိုရိတ်စစ်ဆေးမှုအစီအစဉ်တွင်ဖြစ်လေ့ရှိသည်။ Regression သည်အသားတင် ၀ င်ငွေသာမက ROI အတွက်စီးပွားရေးလုပ်ငန်းတစ်ခုကိုလည်းပံ့ပိုးပေးသည်။ သာမန်ဆုတ်ယုတ်မှုသည် marcomm တန်ဖိုးကိုသတ်မှတ်ခြင်းအတွက်အခြားနည်းလမ်းတစ်ခုဖြစ်သည်။

ir? t = marketingtechblog 20 & ဌ = as2 & o = 1 & တစ် = 0749474173

2 မှတ်ချက်

  1. 1

    လက်တွေ့ကျတဲ့ကိစ္စအတွက် မိုက်ခ်
    သင်လုပ်ဆောင်ခဲ့သည့်နည်းလမ်းအရ၊ မကြာမီရက်သတ္တပတ်များအတွင်း ပစ်မှတ်ဆက်သွယ်ပြောဆိုသူများနှင့် ထပ်တူကျမှုမရှိဟု ကျွန်တော်ထင်ပါတယ်။ မဟုတ်ပါက သင့်တွင် အလိုအလျောက် ဆုတ်ယုတ်မှု နှင့် / သို့မဟုတ် အချိန်ဆွဲထားသော အစိတ်အပိုင်းတစ်ခု ရှိမလား။

  2. 2

    ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းနှင့်ပတ်သက်၍ သင့်ဝေဖန်ချက်များကို နှလုံးသွင်းကာ ချန်နယ်သုံးစွဲမှုကို အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ရန် ဤပုံစံကို မည်သို့အသုံးပြုနိုင်မည်နည်း။

သင်ဘယ်လိုထင်ပါလဲ?

ဤ site ကိုစပမ်လျှော့ချဖို့ Akismet ကိုအသုံးပြုသည်။ သင့်ရဲ့ comment ကိုဒေတာများကိုဆောင်ရွက်ပြီးဖြစ်ပါတယ်လေ့လာ.