複数のプロモーションチャネルの長所と短所を評価するにはどうすればよいでしょうか?

私は、複数のプロモーション チャネルの長所と短所を評価する方法についてお話しするために、このような記事を書きたいと思っていました。

本日は、ある金融アプリのプロモーションを例に挙げて、皆様の参考までに議論を活発化させたいと思います。

1
入力データ

期間: 2週間

プラットフォーム:アプリストア、 SEM 、情報フロー、合計8

1日の予算: 150,000

2
データモデルのディメンションを選択する

私はトラフィック、コスト、安​​定性、潜在性の 4 つの側面を選択しました。これらを以下で 1 つずつ説明します。

流れ

価値：チャネルの顧客獲得能力を表し、事業者の中核KPIに直接関係し、大規模チャネルと小規模チャネルを区別する重要な指標でもあります。

データ: 顧客獲得量の算術平均。

料金

価値: チャネルの投資コストを表します。ユーザーの質が比較的安定している条件下では、顧客獲得コストは ROI に直接関係します。

データ: 顧客獲得コストの加重平均。

安定させる

価値: チャネルの長期にわたる安定した配信の可能性を表し、予算の消費と KPI 完了の進捗に対するオペレーターの制御に間接的に影響します。

データ: 現金消費量の変動係数、顧客獲得量の変動係数、顧客獲得コストの変動係数。

注: 変動係数 = (標準偏差/平均値) × 100%

潜在的

価値: 同等の競合製品とのギャップなど、チャネルの将来の成長余地を表します。将来の KPI 成長に向けた運用スタッフの計画に間接的に影響します。

データ: 同じプロモーション チャネル内のベンチマーク競合他社の予算またはトラフィック。

3
データの標準化、次元スコアの計算

ここでのデータ正規化は、最小最大正規化を採用しています。

minA と maxA をそれぞれ属性 A の最小値と最大値とします。最小最大正規化によって、A の元の値 x を区間 [0,1] 内の値 x' にマッピングします。式は次のようになります: 新しいデータ = (元のデータ - 最小値) / (最大値 - 最小値)。

流れ

料金

注: コストはトラフィックとは異なります。トラフィックが多いほど、スコアは高くなります。トラフィックが少ないほど、スコアは高くなります。したがって、Min-max に基づいて、Min-max の結果を 1 から減算して新しいスコアを取得するというさらなる処理が実行されます。

安定させる

注: コストと同様に、変動係数が小さいほど良いので、最小最大演算の結果を 1 から減算して新しいスコアを取得します。

潜在的

1) データが参照できるように、必ず競合製品を選択してください。

2) 競合他社の日々の予算データを比較します。エージェント、業界関係者、メディアに尋ねることも検討できます。特に正確な数字を求める必要はありません。

3) インストールからアクティベーションおよび登録までのコンバージョン率に大きな違いがないため、1 日あたりの平均新規インストール数はアプリ ストアにとって非常に貴重です。このデータは、QuestMobile などのサードパーティのデータ サービス プロバイダーから取得できます。

潜在的なディメンションに関するデータが不十分なため、現時点では最初の 3 つのディメンションのみを使用してデータ モデルを構築します。

ここで、追加の重量の問題について説明します。参考までに、3 つの解決策を示します。

ROI 指向を例にとると、次のスコアリング モデルが導出されます。

注: 総合スコア = トラフィックスコア + コストスコア + 安定性スコア

結論は明らかです。ROI ガイダンスに基づくと、全体的な効果が最も高いチャネルは App Store B であり、次に App Store A、Information Flow A、App Store D の順になります。

Q: チャネルの有効性を評価するには、数量とコストの 2 つの指標で十分ではないでしょうか。そんなに複雑にする必要はあるのでしょうか。

A: はい。実際のデリバリー業務では、一時的な目標にとらわれて本来の目的を忘れてしまいがちです。スコアリングモデルを確立することで、より合理的かつ客観的に効果を評価でき、思考が迷ったときに決定的に引き戻してくれます。 KPIに応じて異なる重み付けを設定できます。皆さんが自分に合ったスコアリングモデルを確立できることを願っています。

Q: 重みを付けるときに、単純に 1、2、3 だけを使用すると、恣意的すぎて信頼性が低くなりますか?

A: 私も長い間この問題に悩まされていました。その後、多くの情報を参考にして、最も単純な 123 を使用することにしました。最初にこれを行うことが重要です。1 は 0 よりもはるかに大きいです。

2017 年 4 月 19 日、ハーバード ビジネス レビューの Web サイトに「複雑な意思決定のためのシンプルなルールの作成」という記事が掲載されました。ダニエル・カーネマンも著書『ファスト＆スロー』の中でこの考えを具体的に論じています。簡単に言えば:

1. 結果に大きな影響を与えると思われる要因をいくつか（6 つ以内）選択します。
2. 満点 10 点などの統一基準に従って各要素にスコアを付けます。
3. スコアを合計して合計スコアを算出します。

この本で最も興味深い事実の 1 つは、より複雑なスコアリング方法を使用したり、重みを計算したり、ビッグ データの統計アルゴリズムを使用したりしても、得られる結果は単純な方法と比べてそれほど良くならないということです。