ए / बी परीक्षण पर्याप्त नहीं है

ए / बी परीक्षण पर्याप्त नहीं है

एक आम राय है कि ए / बी परीक्षण एक सार्वभौमिक, आधा-स्वचालित उपकरण है जो हमेशा रूपांतरण, वफादारी और यूएक्स को बढ़ाने में मदद करता है। हालांकि परिणामों की गलत व्याख्या या गलत नमूनाकरण से वफादार दर्शकों की हानि और मार्जिन में कमी होती है। क्यों? ए / बी मूल धारणा पर आधारित है कि यह नमूना सजातीय और प्रतिनिधि है, परिणामों की मापनीयता। वास्तव में, दर्शकों को विषम - आय के लिए "20/80" वितरण याद है। विषमता का मतलब है कि ए / बी के प्रति संवेदनशीलता नमूने के भीतर काफी भिन्न होती है।

ऑडियंस क्लस्टरिंग एक वास्तविक प्रभाव है (नियम, पेरेटो के अनुसार अपवाद नहीं), जिसका अर्थ है एक पूल में ग्राहकों के विभिन्न मनोवैज्ञानिक प्रोफाइल समूहों की उपस्थिति। रूपांतरण विश्वास अंतराल का मूल्यांकन एकरूपता का अर्थ है। इसलिए, इन मानदंडों का उल्लंघन करने का मतलब है कि परिणामों की सटीकता अथाह है। सटीकता के बिना परिणाम कचरा है। प्रत्येक अद्वितीय मनोवैज्ञानिक प्रोफ़ाइल अभियान या सुविधा के लिए अलग संवेदनशीलता के साथ प्रतिक्रिया करती है। हम मानते हैं कि एक प्रोफ़ाइल सुविधाओं का एक अनूठा सेट है। सादगी के लिए, दो प्रोफ़ाइल सेट X और Y पर विचार किया जा सकता है। कई प्रोफाइल की कुछ विशेषताएं अंतरंग हो सकती हैं - आपकी प्रेमिका कॉफी और चॉकलेट भी पसंद करती है। आइए हम तीन टोपोलॉजी के रूप में इस आशय का वर्णन करें:



डिफ़ॉल्ट रूप से, हम मानते हैं कि हम एक साथ सभी खंडों को कवर करते हैं - केस I। केस II और III में गैर-तुच्छ परिदृश्य शामिल हैं। केस II के विशिष्ट परिदृश्य पर विचार करें। रूपांतरण में काफी वृद्धि हुई - वाई सेट एक सकारात्मक प्रतिक्रिया दिखाता है, जबकि एक्स ने नकारात्मक प्रतिक्रिया और नकारात्मक एनपीएस परिवर्तन दिया। वाई सेट बिना किसी भार के यादृच्छिक नमूने में बड़ा है, इसलिए संचयी प्रभाव सकारात्मक है। दो बार रूपांतरण बढ़ा। अब कल्पना करें कि एक्स का औसत चेक 10 गुना अधिक है और सेगमेंट एक्स का रूपांतरण आधे से गिर गया है। अंत में: रूपांतरण में वृद्धि, दर्शकों की हानि, लाभ में गिरावट। समस्या सहज ज्ञान युक्त चाल से बढ़ जाती है। कभी-कभी मोटर वाहन मॉडल खंड X (केस III) की परिकल्पना का परीक्षण करते हैं और संघ (X + Y) के सामान्यीकरण का प्रयास करते हैं। क्या गलत है? नमूना तकनीक खाते के विभाजन में नहीं होती है। समाधान?

• रास्ता # 1 । के-साधन, अन्य एमएल मॉडल या RFM विश्लेषण का उपयोग करके दर्शकों को क्लस्टर करें। आपको हाइपरपरमीटर - इनपुट के रूप में समूहों की संख्या जानने की आवश्यकता है। इसकी परिभाषा तुच्छ नहीं है। अगला कदम सेगमेंट के व्यक्तिगत रूपांतरण को निर्धारित करना है। अभियान को निजीकृत करें - प्रोफ़ाइल के आधार पर A या B स्क्रिप्ट की पेशकश करें।
  
• रास्ता # 2 । उपाय ए / बी मार्जिन। याद रखें कि मार्जिन रूपांतरण, ट्रैफ़िक और औसत मूल्य का उत्पाद है। पिछले दो मापदंडों को सामानों की एक अलग श्रेणी का चयन करके और एक समान ट्रैफ़िक अवधि - धीमी मापदंडों का चयन करके तय किया जा सकता है। आप यादृच्छिक घटक को कम करने के लिए ट्रैफ़िक माप (एक महीने के लिए प्रत्येक सोमवार) की विसंगति को बढ़ा सकते हैं।
  
• रास्ता # 3 । स्थिरता विश्लेषण। प्रतिस्थापन के साथ नमूने का उपयोग इस मामले में किया जाता है। सभी खंडों पर विचार किया जाता है। नमूना का आकार धीरे-धीरे बढ़ाया जाता है। रूपांतरण उप नमूना आकार का लॉग-लॉग प्रतिनिधित्व प्रतिगमन ढलान (हर्स्ट कारक) देता है। यह एकरूपता और त्याग की स्थिरता की समझ प्रदान करता है।
  

हालांकि। कोई फर्क नहीं पड़ता कि आप क्या रास्ता चुनते हैं, दर्शक उच्च आवृत्ति के साथ बदलेंगे। इसका मतलब है कि ए / बी परीक्षण एक नियमित रूप से दोहराया प्रयोग है। एक प्रयोग जो एक अनुभवी विश्लेषक द्वारा वाणिज्यिक स्वचालित समाधानों की एक महत्वपूर्ण संख्या के बावजूद पर्यवेक्षण किया जाना चाहिए। यह मत भूलो कि सभी मॉडल गलत हैं, लेकिन कुछ अस्थायी रूप से उपयोगी हैं ... कुछ शर्तों के तहत।

मेरे पिता को समर्पित जिन्होंने मुझे सिखाया कि अंतर्ज्ञान गणित की तरह ही महत्वपूर्ण है