JMP 社区您好，
我是一名数据分析师，尝试使用 JMP DOE 功能来支持营销合作伙伴开展营销活动。 活动详情如下，我的问题是：
问题：
- 根据活动细节，我对 DOE 的理解是否错误？ 我希望超越简单的基本 A/B 测试，也许对于像这样的活动，A/B 测试是可行的方法，而 DOE 则适用于更复杂的情况。
- 如果 DOE 可以应用于这个现实生活中的业务问题，我应该如何成功实施它？ 如果有更多详细信息，我将不胜感激，因为我是 JMP DOE 功能的新手，同时也试图快速学习它。
活动详情： （所有这些都在附件“测试计划”中得到了很好的体现。）
- 旨在激励非忠诚会员加入忠诚计划的营销活动。
- 一封电子邮件将发送给近 200 万客户。 电子邮件的内容具有教育意义，并附有 $ 优惠券。
- 测试的目的是看看哪种电子邮件创意效果更好。 广告素材的长版本或短版本。 在简短的版本中，还有一个额外的测试层，即 CTA。
- 我还决定设立一个 10% 的坚持小组，以了解该活动的总体影响。
活动的成功取决于：
- 加入忠诚度计划的会员数量最多（使用保留组）
- 哪个创意版本做得更好？ 然后在未来的沟通中使用该创意
- 哪个 CTA 做得更好？ 然后在以后的沟通中使用 CTA。
非常感谢您的帮助和指导。
这是一个比较大的话题。 不知道您目前对实验设计的理解程度如何？ 您研究过联合分析和选择设计吗？ 有很多案例研究在营销中成功应用 DOE！
我的想法：
1. 它看起来像单因素实验 (OFAT)，其中因素是广告素材的长度。 您所附的图表似乎是一个嵌套研究。 通常，DOE 用于调查许多因素 (2≤#≤15) 及其可能的相互作用。 其目的是创造通过在大胆的水平设置下操纵因素来改变响应的可变性。 将变量设置为粗体会夸大因素影响，从而更容易确定因素与响应之间的关系。
2. 其他人可能会争论，但在实验中，不需要“坚持”小组。 只要研究中包含当前水平，就没有必要这样做，因为研究中已包含与当前水平的比较。
3. 你提出了一个巨大的样本量。 这也不是典型的实验。 在实验中，您可以通过操纵因子和阻止（或其他类似技术）噪声来增加推理空间。 我建议你从较小的规模开始了解更多影响加入决定的因素任何忠诚计划。 作为顺序策略的一部分，首先从大量潜在因素中进行筛选，然后迭代这些因素以确定最佳设置。
4. 建议包括针对什么会影响和不会影响加入忠诚度计划的人员制定更具体的假设。 似乎有很多可能性（例如，优惠券金额、其他经济利益、其他福利/促销/激励、电子邮件设计（字体、图形、颜色、动画、声音）等）。
5. 还有您可能感兴趣的其他回复。 您关心他们在忠诚度计划中停留多久吗？ 您是否担心那些已经加入忠诚度计划的人可能会产生负面反应（我的优惠券在哪里？）。 提议的指标似乎是分类的（名义上的）。 创建响应的序数尺度。
6.也许你应该从以下开始：
- 查看忠诚度计划会员资格的历史数据（回归在这里可能非常有用）以生成更多假设
- 抽样计划。 如果您将拥有如此庞大的数据集，为什么不进行采样以获取一些关于推动人类行为加入忠诚度计划的线索。 这也可能有助于确定测量系统是否足够，并提供如何处理无答复的线索。
