Bonjour la communauté JMP,
Je suis un analyste de données et j'essaie d'utiliser la fonctionnalité JMP DOE pour soutenir les partenaires marketing avec une campagne marketing. Les détails de la campagne sont ci-dessous, et mes questions sont :
Des questions:
- D'après les détails de la campagne, ma compréhension du DOE est-elle erronée ? J'espère aller au-delà des simples tests A/B de base et peut-être que pour une campagne comme celle-ci, les tests A/B sont la voie à suivre tandis que le DOE est pour des situations plus complexes.
- Si le DOE peut être appliqué à ce problème commercial réel, comment dois-je procéder pour le mettre en œuvre avec succès ? J'apprécierais s'il y avait plus de détails car je suis nouveau dans la capacité JMP DOE tout en essayant de l'apprendre rapidement aussi.
Détails de la campagne : (Tout cela est joliment représenté dans la pièce jointe "Plan de test".)
- Une campagne de marketing pour inciter les membres non fidèles à rejoindre le programme de fidélité.
- Un e-mail sera envoyé à près de 2 millions de clients. Le contenu de l'email est pédagogique avec un coupon en $.
- Le test consiste à voir quelle création d'e-mail fonctionne le mieux. Une version longue ou une version courte de la création. Dans la version courte, il y a une couche de test supplémentaire, le CTA.
- J'ai également décidé d'avoir un groupe d'attente de 10 % pour voir l'impact global de la campagne.
Le succès de la campagne sera décidé par :
- Un maximum de membres rejoignent le programme de fidélité (en utilisant le groupe d'attente)
- Quelle version créative a été la meilleure ? Utilisez ensuite cette création dans vos futures communications
- Quel CTA a fait mieux ? Utilisez ensuite le CTA dans vos futures communications.
Merci beaucoup pour votre aide et direction.
C'est un sujet assez vaste. Je ne connais pas votre niveau actuel de compréhension de la conception expérimentale ? Avez-vous fait des recherches sur l'analyse conjointe et les conceptions de choix ? Il existe de NOMBREUSES études de cas appliquant avec succès le DOE en marketing !
Mes pensées:
1. Cela ressemble à une expérience à un facteur (OFAT) où le facteur est la longueur de la création. Le diagramme que vous avez joint semble être une étude imbriquée. Typiquement , DOE est utilisé pour étudier un certain nombre de facteurs (2≤#≤15) et leurs interactions possibles. L'intention est de créer variabilité de la réponse en manipulant les facteurs à des paramètres de niveau gras. Le fait de définir les variables à des niveaux en gras exagère les effets des facteurs, ce qui facilite la détermination des relations entre les facteurs et la ou les réponses.
2. D'autres peuvent argumenter, mais dans l'expérimentation, il n'y a pas besoin d'un groupe « résistant ». Tant que les niveaux de courant sont inclus dans l'étude, cela n'est pas nécessaire car une comparaison avec le courant est intégrée dans l'étude.
3. Vous proposez une taille d'échantillon énorme. Ce n'est pas non plus typique de l'expérimentation. Dans l'expérimentation, vous augmentez l'espace d'inférence en manipulant les facteurs et en bloquant (ou d'autres techniques similaires) pour le bruit. je te suggérerais commencer à une échelle beaucoup plus petite pour mieux comprendre ce qui affecte la décision d'adhérer n'importe quel programme de fidélité. Dans le cadre d'une stratégie séquentielle, filtrez d'abord un grand nombre de facteurs potentiels, puis itérez sur ces facteurs pour déterminer les paramètres optimaux.
4. Les suggestions comprennent l'élaboration d'hypothèses plus précises sur ce qui aurait et n'aurait pas d'impact sur les personnes rejoignant le programme de fidélisation. Il semble qu'il y ait beaucoup de possibilités (par exemple, montant du coupon en $, autres avantages financiers, autres avantages/promotions/incitatifs, conception de l'e-mail (police, graphiques, couleurs, animation, son), etc.).
5. Il existe également des réponses supplémentaires qui pourraient vous intéresser. Vous souciez-vous combien de temps ils restent dans le programme de fidélité ? Êtes-vous préoccupé par la possible réaction négative de ceux qui sont déjà dans le programme de fidélité (Où est mon coupon ?). La métrique proposée semble être catégorique (nominale). Créez une échelle ordinale pour la réponse.
6. Peut-être devriez-vous commencer par :
- Un regard sur les données historiques d'adhésion au programme de fidélité (la régression pourrait être très utile ici) pour générer plus d'hypothèses
- Un plan d'échantillonnage. Si vous allez avoir un ensemble de données aussi énorme, pourquoi ne pas échantillonner pour obtenir des indices sur ce qui pousse le comportement humain à rejoindre un programme de fidélité. Cela peut également aider à déterminer si les systèmes de mesure sont adéquats et des indices sur la façon de gérer la non-réponse.
