Marcom Valuation: une alternative aux tests A / B

sphère dimensionnelle

Alors on veut toujours savoir comment marcom (communication marketing) est performante, à la fois en tant que véhicule et pour une campagne individuelle. Lors de l'évaluation de marcom, il est courant d'utiliser des tests A / B simples. Il s'agit d'une technique dans laquelle l'échantillonnage aléatoire remplit deux cellules pour le traitement de la campagne.

Une cellule obtient le test et l'autre ne le fera pas. Ensuite, le taux de réponse ou le revenu net est comparé entre les deux cellules. Si la cellule de test surpasse la cellule de contrôle (dans les paramètres de test de portance, de confiance, etc.), la campagne est considérée comme significative et positive.

Pourquoi faire autre chose?

Cependant, cette procédure manque de génération d'informations. Il n'optimise rien, est réalisé dans le vide, ne donne aucune implication pour la stratégie et il n'y a pas de contrôle pour les autres stimuli.

Deuxièmement, trop souvent, le test est pollué dans la mesure où au moins une des cellules a accidentellement reçu d'autres offres, messages de marque, communications, etc. Combien de fois les résultats du test ont-ils été jugés peu concluants, voire non sensés? Alors ils testent encore et encore. Ils n'apprennent rien, sauf que les tests ne fonctionnent pas.

C'est pourquoi je recommande d'utiliser la régression ordinaire pour contrôler tous les autres stimuli. Modélisation de régression donne également un aperçu de la valorisation marcom qui peut générer un retour sur investissement. Cela ne se fait pas dans le vide, mais offre des options sous forme de portefeuille pour optimiser le budget.

Un exemple

Disons que nous testions deux e-mails, test vs contrôle et les résultats sont revenus insensés. Ensuite, nous avons découvert que notre département de la marque avait accidentellement envoyé un article de publipostage au groupe de contrôle (principalement). Cette pièce n'a pas été planifiée (par nous) ni prise en compte dans le choix aléatoire des cellules de test. Autrement dit, le groupe des affaires comme d'habitude a reçu le publipostage habituel, mais le groupe de test - qui a été retenu - n'a pas. C'est très typique dans une entreprise, où un groupe ne travaille pas et ne communique pas avec une autre unité commerciale.

Ainsi, au lieu de tester où chaque ligne est un client, nous cumulons les données par période, disons chaque semaine. Nous additionnons, par semaine, le nombre d'e-mails de test, d'e-mails de contrôle et de mails directs envoyés. Nous incluons également des variables binaires pour tenir compte de la saison, dans ce cas chaque trimestre. Le TABLEAU 1 montre une liste partielle des agrégats avec le test des e-mails à partir de la semaine 10. Nous faisons maintenant un modèle:

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

Le modèle de régression ordinaire tel que formulé ci-dessus produit le résultat du TABLEAU 2. Incluez toutes les autres variables indépendantes d'intérêt. Il convient de noter en particulier que le prix (net) est exclu en tant que variable indépendante. En effet, le revenu net est la variable dépendante et est calculé comme suit prix (net) * quantité.

TABLEAU 1

semaine 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

Inclure le prix comme variable indépendante signifie avoir le prix des deux côtés de l'équation, ce qui est inapproprié. (Mon livre, Marketing Analytics: un guide pratique de la vraie science du marketing, fournit des exemples détaillés et une analyse de ce problème analytique.) Le R2 ajusté pour ce modèle est de 64%. (J'ai laissé tomber q4 pour éviter le piège factice.) Emc = email de contrôle et emt = email de test. Toutes les variables sont significatives au niveau de 95%.

TABLEAU 2

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

En termes de test de courrier électronique, le courrier électronique de test a surpassé le courrier électronique de contrôle de 77 contre 44 et était beaucoup plus significatif. Ainsi, en tenant compte d'autres choses, l'e-mail de test a fonctionné. Ces informations viennent même lorsque les données sont polluées. Un test A / B n'aurait pas produit cela.

Le TABLEAU 3 reprend les coefficients pour calculer la valorisation marcomm, une contribution de chaque véhicule en termes de revenus nets. Autrement dit, pour calculer la valeur du publipostage, le coefficient de 12 est multiplié par le nombre moyen de courriers électroniques envoyés de 109 pour obtenir 1,305 4,057 $. Les clients dépensent en moyenne XNUMX XNUMX $. Donc 1,305 4,057 USD / 26.8 XNUMX USD = XNUMX%. Cela signifie que le publipostage a contribué à près de 27% du revenu net total. En termes de ROI, 109 mails directs génèrent 1,305 45 $. Si un catalogue coûte XNUMX $, ROI = (1,305 $ - 55 $) / 55 $ = 2300%!

Le prix n'étant pas une variable indépendante, on conclut généralement que l'impact du prix est enfoui dans la constante. Dans ce cas, la constante de 5039 comprend le prix, toute autre variable manquante et une erreur aléatoire, soit environ 83% du revenu net.

TABLEAU 3

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

Conclusion

La régression ordinaire offrait une alternative pour fournir des informations sur les données sales, comme c'est souvent le cas dans un programme de test en entreprise. La régression fournit également une contribution au revenu net ainsi qu'une analyse de rentabilisation pour le retour sur investissement. La régression ordinaire est une technique alternative en termes de valorisation marcomm.

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

2 Commentaires

  1. 1

    Belle alternative à un problème pratique, Mike.
    Comme vous l'avez fait, je suppose qu'il n'y a pas de chevauchement des communicateurs cibles dans les semaines précédentes. Sinon, auriez-vous un composant auto-régressif et / ou retardé?

  2. 2

Que pensez-vous?

Ce site utilise Akismet pour réduire les spams. Découvrez comment sont traitées les données de vos commentaires..