मार्कॉम मूल्यमापन: ए / बी चाचणीला पर्यायी

मितीय क्षेत्र

म्हणून आम्हाला नेहमी हे कसे करायचे हे जाणून घ्यायचे आहे मार्कॉम (विपणन संप्रेषण) वाहन म्हणून आणि स्वतंत्र मोहिमेसाठी काम करत आहे. मार्कॉमचे मूल्यांकन करताना सामान्य ए / बी चाचणी वापरणे सामान्य आहे. हे असे तंत्र आहे ज्यात यादृच्छिक नमुने घेणे मोहिमेच्या उपचारासाठी दोन पेशी बनवते.

एका सेलची चाचणी होते आणि दुसर्‍या सेलमध्ये ती होणार नाही. तर प्रतिसाद दर किंवा निव्वळ कमाईची तुलना दोन पेशींमध्ये केली जाते. जर चाचणी कक्षाने नियंत्रण कक्ष (लिफ्ट, आत्मविश्वास इत्यादिच्या चाचणी पॅरामीटर्समध्ये) उत्कृष्ट प्रदर्शन केला तर ही मोहीम महत्त्वपूर्ण आणि सकारात्मक मानली जाईल.

दुसरे कशासाठी करावे?

तथापि, या प्रक्रियेमध्ये अंतर्दृष्टी निर्मितीची कमतरता आहे. हे काहीही अनुकूलित करते, व्हॅक्यूममध्ये केले जाते, रणनीतीसाठी कोणतेही परिणाम देत नाही आणि इतर उत्तेजनांसाठी कोणतीही नियंत्रणे नाहीत.

दुसरे म्हणजे, बर्‍याचदा, ही चाचणी प्रदूषित केली जाते की एखाद्या पेशीपैकी कमीतकमी एखाद्याला चुकून इतर ऑफर, ब्रँड मेसेजेस, संप्रेषण इत्यादी प्राप्त झाल्या आहेत. चाचणी परीक्षेचा निकाल किती वेळा अनिर्णायक मानला गेला आहे? म्हणून ते पुन्हा पुन्हा परीक्षा देतात. ते काही शिकत नाहीत, त्याशिवाय चाचणी कार्य करत नाही.

म्हणूनच मी इतर सर्व उत्तेजनांवर नियंत्रण ठेवण्यासाठी सामान्य रीग्रेशन वापरण्याची शिफारस करतो. रीग्रेशन मॉडेलिंग मार्क व्हॅल्युएशनमध्ये अंतर्दृष्टी देखील देते जे एक आरओआय तयार करू शकते. हे व्हॅक्यूममध्ये केले जात नाही, परंतु अर्थसंकल्प अनुकूल करण्यासाठी पोर्टफोलिओ म्हणून पर्याय प्रदान करते.

एक उदाहरण

समजा, आम्ही दोन ईमेलची चाचणी करीत आहोत, चाचणी विरुद्ध नियंत्रण आणि निकाल नॉन-सेन्सिकल परत आले. मग आम्हाला आढळले की आमच्या ब्रँड विभागाने चुकून नियंत्रण गटात (मुख्यतः) थेट मेल पीस पाठविला. हा तुकडा नियोजित (आमच्याद्वारे) नव्हता किंवा कसोटी सेल यादृच्छिकपणे निवडण्यात आला नाही. म्हणजेच, व्यवसायाप्रमाणे नेहमीच्या गटाला नेहमीची थेट मेल मिळाली परंतु चाचणी गट – जो बाहेर घेण्यात आला - तो आला नाही. हे महामंडळात अगदी वैशिष्ट्यपूर्ण आहे, ज्यामध्ये एक गट कार्य करत नाही किंवा दुसर्‍या व्यवसाय घटकांशी संवाद साधत नाही.

म्हणून प्रत्येक पंक्तीमध्ये ग्राहक असल्याची तपासणी करण्याऐवजी आम्ही वेळोवेळी डेटा रोल करतो, असे साप्ताहिक म्हणा. आम्ही आठवड्यातून, चाचणी ईमेल, नियंत्रण ईमेल आणि पाठविलेल्या थेट मेलची संख्या जोडतो. आम्ही तिमाही या प्रकरणात हंगामात खात्यात बायनरी चल समाविष्ट करतो. सारणी 1 आठवड्यात 10 मध्ये प्रारंभ होणार्‍या ईमेल चाचणीसहित एकत्रितांची आंशिक यादी दर्शविते. आता आम्ही एक मॉडेल करतो:

निव्वळ \ _रेव्ह = एफ (एएम \ _टेस्ट, इम \ _कंट्रिल, दिर \ _मेल, क्यू_१, क्यू,, क्यू_1, इत्यादी)

वरीलप्रमाणे बनविलेले सामान्य आक्षेपार्ह मॉडेल सारणी 2 आउटपुट तयार करते. आवडीची कोणतीही स्वतंत्र स्वतंत्र चल समाविष्ट करा. विशिष्ट नोटीस ही असावी की (निव्वळ) किंमत स्वतंत्र चल म्हणून वगळली गेली आहे. कारण निव्वळ महसूल हा अवलंबून चल आहे आणि म्हणून गणना केली जाते (निव्वळ) किंमत * प्रमाण.

टेबल 1

आठवडा em_test em_cntrl dir_mail q_1 q_2 q_3 नेट_रेव्ह
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

स्वतंत्र चल म्हणून किंमत समाविष्ट करणे म्हणजे समीकरणाच्या दोन्ही बाजूंच्या किंमती असणे अयोग्य आहे. (माझे पुस्तक, विपणन विश्लेषणे: वास्तविक विपणन विज्ञानाचे व्यावहारिक मार्गदर्शक, या विश्लेषक समस्येचे विस्तृत उदाहरणे आणि विश्लेषण प्रदान करते.) या मॉडेलसाठी समायोजित आर 2 64% आहे. (डमी सापळा टाळण्यासाठी मी क्यू 4 सोडला.) एमसी = कंट्रोल ईमेल आणि ईएमटी = चाचणी ईमेल. सर्व बदल 95% पातळीवर महत्त्वपूर्ण आहेत.

टेबल 2

q_3 q_2 q_1 dm इ.एम.सी. EMTs Const
कोफ -949 -1,402 -2,294 12 44 77 5,039
सेंट चूक 474.1 487.2 828.1 2.5 22.4 30.8
टी-प्रमाण -2 -2.88 -2.77 4.85 1.97 2.49

ईमेल चाचणीच्या दृष्टीने, चाचणी ईमेलने नियंत्रण ईमेलने vs 77 वि by 44 च्या गुणधर्मात मात केली आणि ती खूपच महत्त्वपूर्ण होती. अशा प्रकारे, इतर गोष्टींचा हिशेब ठेवत, चाचणी ईमेलने कार्य केले. डेटा प्रदूषित होतानाही हे अंतर्दृष्टी येतात. ए / बी चाचणीने ही निर्मिती केली नसती.

सारणी 3 मार्कॉम मूल्यांकनासाठी गुणांक घेते, निव्वळ उत्पन्नाच्या बाबतीत प्रत्येक वाहनाचे योगदान. म्हणजेच थेट मेलचे मूल्य मोजण्यासाठी, 12 चे गुणांक 109 वर पाठविलेल्या थेट मेलच्या सरासरी संख्येने गुणाकार केला जातो get 1,305 मिळविण्यासाठी. ग्राहक सरासरी 4,057 डॉलर खर्च करतात. अशा प्रकारे $ 1,305 / $ 4,057 = 26.8%. याचा अर्थ एकूण निव्वळ उत्पन्नाच्या जवळपास 27% थेट मेलचे योगदान आहे. आरओआयच्या बाबतीत, 109 थेट मेल $ 1,305 व्युत्पन्न करतात. जर कॅटलॉगची किंमत $ 45 असेल तर आरओआय = ($ 1,305 - $ 55) / $ 55 = 2300%!

कारण किंमत स्वतंत्र व्हेरिएबल नव्हती, सामान्यत: असा निष्कर्ष काढला जातो की किंमतीचा परिणाम स्थिरतेमध्ये दडलेला असतो. या प्रकरणात 5039 च्या स्थिरतेत किंमत, इतर कोणत्याही गहाळ चल आणि यादृच्छिक त्रुटी किंवा जवळपास 83% निव्वळ महसूल समाविष्ट असतो.

टेबल 3

q_3 q_2 q_1 dm इ.एम.सी. EMTs Const
कोफ -949 -1,402 -2,294 12 44 77 5,039
याचा अर्थ 0.37 0.37 0.11 109.23 6.11 4.94 1
$ 4,875 - $ 352 - $ 521 - $ 262 $ 1,305 $ 269 $ 379 $ 4,057
मूल्य -7.20% -10.70% -5.40% 26.80% 5.50% 7.80% 83.20%

निष्कर्ष

कॉर्पोरेट चाचणी योजनेतील बहुतेकदा सामान्य गोंधळामुळे घाणेरड्या डेटाच्या बाबतीत अंतर्दृष्टी प्रदान करण्याचा पर्याय उपलब्ध होता. निवृत्तीमुळे निव्वळ उत्पन्न तसेच आरओआयच्या व्यवसायाच्या बाबतीतही वाटा मिळतो. सामान्य प्रतिकार हे मार्कॉम मूल्यांकनाच्या दृष्टीने एक पर्यायी तंत्र आहे.

आयआर? टी = मार्केटिंग टेकब्लॉग 20 & एल = एएस 2 आणि ओ = 1 आणि ए = 0749474173

2 टिप्पणी

  1. 1

    व्यावहारिक समस्येस चांगला पर्याय, माइक.
    आपण ज्या प्रकारे केले त्या मार्गाने, मी अंदाज करतो की तत्पूर्वीच्या आठवड्यात लक्ष्य संप्रेषकांचे कोणतेही आच्छादन नाही. अन्यथा आपल्याकडे स्वयं-प्रतिरोधक आणि / किंवा वेळ-मागे असलेला घटक आहे?

  2. 2

    ऑप्टिमायझेशनबद्दल आपली टीका मनापासून घेत असताना, चॅनेलवरील खर्च अनुकूल करण्यासाठी हे मॉडेल कसे वापरू शकेल?

तुला काय वाटत?

ही साइट स्पॅम कमी करण्यासाठी अकिस्मेट वापरते आपल्या टिप्पणी डेटावर प्रक्रिया कशी केली जाते ते जाणून घ्या.