成長マーケティング担当者は、あらゆる意思決定をデータに基づいて行い、高い投資収益率を生み出す必要があります。 マーケティング担当者として成功するには、チーム、特にクライアントに提示される情報の正当性を証明することが重要です。 漸進性 モバイル マーケティング戦略全体におけるリターゲティング キャンペーンの価値を理解するための指標です。 しかし、漸進的な結果が価値を高め続けることを保証するにはどうすればよいでしょうか? 次のように入力します。 統計的有意性。 

マーケティングにおける統計的有意性は、キャンペーンが存在しなかった場合でもキャンペーンの結果が発生する可能性が高かったかどうかを確率的に示すものです。 マーケターは望ましい結果をもたらさないキャンペーンにお金を無駄にしたくないため、結果が統計的に有意であることが重要です。 マーケティング担当者は多くの場合、キャンペーン開​​始後 XNUMX か月以内に統計的有意性テストを実行して、特定の変数が他の変数よりも結果を導くのに成功しているかどうかをテストします。

統計の専門家ではありませんか? 心配しないで。 統計的有意性の値、その計算方法、およびそれが重要な理由を詳しく説明します。 再標的化 キャンペーン。 

統計的有意性とは何ですか?

マーケティングにおける統計的有意性は、最も基本的なレベルで、テストしている変数間の関係がランダムではないことを証明します。 お互いに影響を与え合う。 リターゲティング キャンペーンに関して言えば、統計的有意性は、ユーザーのアクションがキャンペーンの直接の結果であったこと、またはキャンペーンが一度も実行されなかった場合でも同様の結果が観察された可能性があることを示すパラメーターです。 

キャンペーンのときは 計算された隆起 (治療群とランダム化対照群間の反応率の差)が統計的に有意であると判断された場合、キャンペーンがユーザーに望ましい行動をとらせたという強力な証拠が存在します。 つまり、キャンペーンが実施されているということです!

将来別のキャンペーンを実施するときにキャンペーンの結果を再現できるように、マーケティングにおける統計的有意性を理解することが重要です。 表示された結果の原因であるという証拠が示されないキャンペーンに貴重なマーケティング時間と予算を費やすのは意味がありません。 

統計的有意性の計算

キャンペーンの統計的有意性を測定するには、マーケティング担当者は増分テストを実施し、仮説を定義し、決定された有意性レベルを理解する必要があります。 キャンペーンの価値を証明できるように、このテストを完了するために必要な手順を以下に示します。 

1. 仮説を定義する 

仮説とは、間違っていると証明できる知識に基づいた推測です。 仮説には、帰無仮説と対立仮説の XNUMX 種類があります。

帰無仮説は、A/B テストにおけるテスト バリアント間の差が null であるか、まったくゼロであると仮定します。 つまり、テスト バージョン間に変換の違いはありません。 

例:あります 変わりはない コンバージョン結果では、ユーザーにリターゲティング広告を配信するのか、何も配信しないのかが決まります。 

対立仮説は文字通り、帰無仮説の逆です。 帰無仮説が間違っていることが証明されるということは、結果が統計的に有意であることが判明することを意味します。 データドリブンのマーケティング担当者の目標は、キャンペーンの結果が帰無仮説を棄却し、したがって統計的に有意であることを証明することです。 

例: そこに   ユーザーに広告を配信した場合と、広告を配信しなかった場合のコンバージョン率が大幅に高くなります。 

2. データの収集

適切なサンプル サイズを決定することは、実験の最初のステップです。 価値のあるテストを作成するには、実験に参加するユーザーのサンプルが十分に大きい必要があります。 実験に含まれるデータポイントが多いほど、分析の信頼性が高くなります。 ここから、どのグループをテストするか、キャンペーンをどれくらいの期間実行するかを決定できます。 

3. 有意水準 (α) の決定

有意性、つまりアルファ (α) は、タイプ I エラーのリスクを測定するのに役立ちます。 タイプ I エラーは偽陽性とも呼ばれ、キャンペーンがテスト グループ内の行動変化の原因であるという証拠があると思われるが、実際にはそうではなかった場合に発生します。 マーケティング担当者がキャンペーンを「勝者」と判断した場合、そうではない場合、収益やコンバージョンが損なわれる可能性があるため、タイプ I のエラーを回避することは非常に重要です。 

最も一般的に受け入れられているリスク レベルは 05 です。これは、タイプ I エラーの可能性が 5% であることを意味します。 有意性がゼロに近づくほど、タイプ I エラーの確率は低くなり、結果が正確である可能性が高くなります。

4. 増分性テストを開始する

サンプル サイズとスケジュールを決定したので、増分テストを開始します。 リターゲティング キャンペーンの増分性は、ユーザーの再エンゲージメントに投資した費用が全体的な目標に貢献した追加的な上昇率を測定します。 

増分性テストは、テスト グループとコントロール グループをランダムに選択することから始まります。 通常、実験者と YouAppi では、ユーザーの 10% をコントロール グループに割り当て、残りの 90% をテスト グループに残します。 テスト グループは広告を受け取りますが、コントロール グループは広告を受け取りません。 

テストが完了したら (通常は 30 日のマークで)、結果を分析し、実験内の各グループの上昇率を計算できます。 この段階では、両方のグループに肯定的な結果が得られる可能性があります。ここで、マーケティング要素における統計的有意性が関係します。

統計的サイングラフィック

5. p値

統計的有意性を見つけるには、p 値を計算する必要があります。 P 値は、帰無仮説が真であると仮定して、データで観察された結果と同じレベルまたはそれ以上の観察結果が得られるテストの確率です。 言い換えれば、p 値が小さいほど、対立仮説を支持する強力な証拠があることを意味します。

↓ p 値 → ↑ 有意な発見

P 値は有意性 (α) と密接に関係しています。 p 値が α より小さい (p ≤ α) 場合、帰無仮説が間違っていることが証明されたことを意味します。 通常、有意性の値は 05 に設定されているため、p 値が 05 未満の場合、テストはマーケティングにおいて統計的に有意であると判断されます。 

より科学的な用語で言えば、検定は有意水準 (α) に基づいて統計的有意性を達成します。これは、帰無仮説を棄却でき、タイプ I がないことを示す 0.05% の信頼レベルでの p 値 ≤95 として表されます。エラー。 

p 値を見つけると、この実験は終了し、統計的有意性が達成されたかどうか、またはキャンペーンの結果が正確でないかどうかを確認するために必要な情報が得られます。 キャンペーンが統計的に有意であることが判明した場合、お客様はクライアントに強力な ROI を提供できると確信して、自信を持ってこれらの結果を生み出すためのプロセスを進めることができます。

マーケティングにおける統計的有意性の計算のポイント

マーケティング担当者として成功するには、チーム、特にクライアントに提示される情報の正当性を証明することが重要です。 その間 増分 リターゲティングキャンペーンの価値を理解するための指標であり、統計的有意性は結果が継続的に発生するかどうかを示します。 統計的有意性は、最も基本的なレベルで、テストしている変数間の関係がランダムではないことを証明します。 お互いに影響を与え合う

ここでキャンペーンの価値を証明できるように、このテストを完了するために必要な手順の概要を説明します。 

  • 仮説を定義します。 仮説とは、間違っていると証明できる知識に基づいた推測です。 仮説には、帰無仮説と対立仮説の XNUMX 種類があります。 帰無仮説が間違っていることが証明されるということは、結果が統計的に有意であることが判明することを意味します。 
  • データを収集します。 価値のあるテストを作成するには、実験に参加するユーザーのサンプルが十分に大きい必要があります。 実験に含まれるデータポイントが多いほど、分析の信頼性が高くなります。
  • 有意水準 (α) を決定する: 有意性、つまりアルファ (α) は、偽陽性とも呼ばれるタイプ I エラーのリスクを測定するのに役立ちます。 マーケティング担当者がキャンペーンを「勝者」と判断した場合、そうではない場合、収益やコンバージョンが損なわれる可能性があるため、タイプ I のエラーを回避することは非常に重要です。 最も一般的に受け入れられているリスク レベルは 05 で、有意性がゼロに近づくほど、結果が正確である可能性が高くなります。
  • 増分性テストを開始します。 リターゲティング キャンペーンの増分性は、ユーザーの再エンゲージメントに投資した費用が全体的な目標に貢献した追加的な上昇率を測定します。 このテストが完了したら、結果を分析し、実験内の各グループのリフトを計算できます。 
  • p値: マーケティングにおける統計的有意性を見つける最後のステップは、p 値を見つけることです。 p 値は、帰無仮説が真であると仮定して、データで観察された結果と同じレベル以上の観察結果が検定で得られる確率です。 言い換えれば、p 値が小さいほど、対立仮説を支持する強力な証拠があることを意味します。