衡量你的重定目标活动的增量提升时需要考虑的5个挑战Niv Klein 2019年12月4日在我们的增量系列的第一部分中，我们介绍了测量增量提升的复杂性和重新参与活动的真实影响。通过测试不同的影响因素，广告商可以真正了解他们的再订婚金额的价值。这主要是通过精心设计的A/B测试来实现的。A/B测试不仅是一个科学的概念，而且已经成为21世纪数字营销人员的重要工具。这是最有力的方法之一，以获得竞争优势和宝贵的学习从你的重定目标活动。虽然从成功的a/B测试中获得的见解是营销人员做出明智的预算和优化决策的一种战略方法，但如果实施，也可能使他们面临成本高昂的误算风险不准确。什么时候对于增量提升的A/B测试，正确的测试过程至关重要。对于初学者来说，我们建议使用一个直观的工具（如AppsFlyer的受众）来确保成功，而不是从刮擦。那个数据管理的复杂性很难梳理，可能会耗尽您的资源和预算。首先，根据我们与各垂直领域顶级品牌的广泛合作经验，考虑以下几点。在当今的生态系统中，创建一个没有"噪音"的测试和控制组，每个客户都会受到影响其用户行为的许多营销信号的影响。这可以包括应用内消息、推送通知、电子邮件、离线和在线营销消息等。一旦你想在现有计划的基础上具体衡量一次重新参与活动的影响，挑战就出现了。为了做到这一点，你需要确保测试环境和控制环境都没有被外部影响因素污染（或者，或者，两者都受到相同的确切因素的均匀影响…稍后再详细介绍），营销人员不能停止播放他们的整个计划，只测试一个因素及其影响。那么，他们该怎么办？比如一个电子商务品牌为他们的测试确定了一个受众（在过去30天内注册但没有购买的人）。这一受众将在Facebook（a）上接触到重定目标的活动。利用AppsFlyer受众的维恩图，电子商务品牌发现所选的受众也与目前在其他重定目标中瞄准的其他两个受众群体重叠活动：B以最近安装的用户为目标（C）在过去的7天里处于休眠状态）让我们关注两个潜在的选择下：排除重叠受众选项1：品牌可以将其他受众中与重定目标活动（B和C）相关的用户从其目标测试组A（Facebook重定目标活动）中排除。通过这种方式，他们可以确保测试和控制组都被排除在与此同时运行的所有其他重定目标活动之外时间。包括另一种方法是：重叠测试，他们可以确保用于Facebook测试的测试和控制受众（A）也会被相同的两个重定目标活动（B+C）锁定。在这种情况下，电子商务品牌可以将提升归因于Facebook重定目标活动，假设结果产生了提升。受众重叠：使用AppsFlyer的分割测试功能为您的测试确定合适的受众，您可以单击一个按钮创建两个或多个随机组（测试和控制）；通过使用AppsFlyer的维恩图进行可视化，您可以看到目标受众的重叠。这将帮助您立即创建一个理想的测试场景！2。为每一项业务确定最佳的受众量和实验持续时间，用户量是不同的。因此，很难就测试最优结果的最佳分段大小以及这些结果是否具有足够的统计学显著性来进行进一步分析达成一致。在您对测试结果的信心程度和维护长时间测试的高成本之间有一个重要的权衡句号。记得吗，营销人员需要确定一个有资格重新定位的受众群体。如果目标组被细化到非常小的程度，那么请记住，控制组将更小，从而呈现结果无关紧要。如果每天应用程序用户的数量是有限的，测试的持续时间必须更长，才能捕捉到越来越多的参与度，并最好地了解用户的平均行为。增量测试需要多少时间才能得出有意义的见解？每天比较一下行吗？不太可能…随着用户漏斗的延长和接触点的扩大，可能需要更多的时间来理解完整的图片。为了一些商业案例，转换可能会在竞选结束后陆续出现。随着时间的推移，这会改变现在符合转换条件的用户数量。因此，可能需要更长的测试周期，这取决于用户完全转换为提供测试的理想音量和长度的良好指示，您可以在测试开始前测量观众的表现，以了解观众在预测试状态下的当前行为。这个基线和您对测试活动提升的期望可以帮助您估计将需要多少转换量才能使测试具有统计意义。排除异常值数据中的异常值总是异常值，因此检测并了解如何根据KPI使用正确的方法处理这些异常值非常重要。这些边缘情况可能会导致错误的数字，从而导致测试结果的错误计算。如上所述，在考虑如何处理数据中的异常值时，卷也很重要。你的观众群越大，你的离群者影响就越小。想想看，如果你有一个人购买了1000美元，那么每个用户的平均收入将受到更大的影响，如果你只看到20次购买，而不是2000次购买。不过从数据中排除顶部和底部的异常值是很常见的，这并不总是正确的做法。例如，如果KPI是每个用户的收入，则不能排除数据的后5%，因为这些"异常值"包括未购买的用户和购买的用户：（$100+$0）/2个用户对（$100）/1用户。另一个需要注意的是，您可能需要根据KPI选择正确的方法来"规范化"数据。一个例子是使用平均数法，以消除高交易量部门造成的通货膨胀。当简单地计算结果的平均值时，您没有考虑到分段。让比如说我们只有纽约和宾夕法尼亚两个州有订单。纽约的订单总额为10笔订单1000美元，2笔订单为100美元宾夕法尼亚州平均计算，平均采购订单为1100美元/12美元=91.67美元。这意味着，由于订单量和购买量较高，NY影响了此处的结果。因此，这不是PA平均阶数的一个很好的代表性例子金额。用平均值（$1000/10+100/2）/2的平均值=75美元，与平均计算值相差16美元上面。有处理数据中边缘情况的正确方法可能会严重影响测试结果的计算。这就是为什么没有"一刀切"而是根据每个品牌的业务精心设计的计算模型。识别数据中的异常值4。注意季节性选择合适的时间开始测试是至关重要的。在查看KPI时，请考虑用户的正常行为趋势。你会想到一个例子，如果你决定在假期期间进行测试，尤其是在黑色星期五和网络星期一的时候。在这种情况下，你的活动的结果将比控制组产生更大的提升，因为这不是一个正确的指标，说明如果在这段时间内没有任何特殊事件，活动将如何进行。当你想运行一个测试以防止不必要地改变数据时，请记住发生的其他重大事件或市场趋势。如果你不能正确地分析结果，那么建立一个正确的过程来吸收和审查你的努力的测试数据可能会浪费掉，那么立即采取行动。正确地分析和报告您的测试结果是一个漫长而昂贵的过程，并且可能会耗尽您的资源（特别是对于您的数据团队）。由于有些网络提供部分原始数据或根本不提供原始数据，AppsFlyer提供了一种简单的方法来获取您需要的原始数据，从而弥补了这一差距决定。以及我们不止于此。鉴于AppsFlyer在数据可视化方面的丰富经验，我们正致力于为您的A/B测试和报告需求提供一些强大的视觉效果。最终文字阅读公司将同意测试和学习心态的重要性。随着预算重定目标的不断增加，广告商也在尝试不同的位置、网络和广告格式，了解你重新定位目标的真正影响对于制定预算决策和证明规模是至关重要的。越来越多的品牌正在开发测试方法来优化他们的营销计划，AppsFlyer也在紧跟需求，为高级营销提供高端解决方案需要。订阅最新的移动营销提示趋势将发送到您的收件箱中。mktoButtonWrap.mkto简单.mktoButton{颜色：#fff；边框：1px实心#75ae4c；填料：0.4em 1em；字体-尺寸：1米；背景色：#99c47c；背景图片：-webkit渐变（线性，左上，左下，从（#99c47c），到（#75ae4c））；背景图片：-webkit线性渐变（顶部，#99c47c，#75ae4c）；背景图片：moz线性渐变（顶部，#99c47c，#75ae4c）；背景图像