Beruflich Dokumente
Kultur Dokumente
1. War die Werbekampagne effektiv? Haben zusätzliche Verbraucher als Ergebnis der
Werbekampagne konvertiert?
Die Kampagne von TaskaBella mit Rocket Fuel kann als effektiv angesehen werden. Aufgrund
des Fehlens eines strengen Referenzrahmens verweisen wir jedoch auf die folgenden Daten,
um den Erfolg der Kampagne zu messen.
Benutzerbedingung Konversionsrate
Ausgesetzt gegenüber Werbung 2.55%
Nicht der Werbung ausgesetzt (Baseline) 1.79%
Die Kampagne führte zu einer Conversion-Rate von 2,55 % für Nutzer, die den
Anzeigenimpressionen ausgesetzt waren. Die Kontrollgruppe, die den Anzeigen nicht ausgesetzt
war, hatte eine Conversion-Rate von 1,79 %, was bedeutet, dass 1,79 % des Marktes für die
sozialen Medien und andere Kampagnen von TaskaBella zu diesem Zeitpunkt empfänglich
waren. Der Raketentreibstoff weist somit eine Verbesserung von 0,76 % gegenüber den
vorherigen Kampagnen auf.
Um die Signifikanz der Ergebnisse der Umfrage zu testen, wurden zwei Stichproben-T-Tests
durchgeführt, um festzustellen, ob es statistische Beweise dafür gibt, dass die zugehörigen
Ergebnisse zweier Gruppen signifikant unterschiedlich sind. Die Nullhypothese besagt, dass es
keinen signifikanten Unterschied zwischen zwei Gruppen gibt, während die Alternativhypothese
besagt, dass es eine statistische Signifikanz zwischen den beiden Gruppen gibt. Nach der
Simulation in Python ergab sich ein p-Wert von 1,70 e-13. Daher lehnen wir die Nullhypothese
ab, da der Anstieg der konvertierten Nutzer um 0,76 % einen erheblichen Einfluss auf den
Umsatz von TaskaBella hat.
2. War die Kampagne profitabel?
a. Wie viel mehr Geld hat TaskaBella mit der Durchführung der Kampagne verdient
(ohne Werbekosten)?
Vertrieb $ 1,500,000
Abzüglich:
Umsatzkosten -900,000
Werbeaufwand -130,500
Gewinn $ 469,500
Anmerkungen:
15.000 gekaufte Handtaschen * 100 $ pro Handtasche = 1.500.000 $ Umsatz
15.000 gekaufte Handtaschen * 60 $ pro Handtasche = 900.000 $ Warenkosten
14.500.000 Impressionen * 9 $ pro 1.000 Impressionen = 130.000 $ Kosten der
Kampagne
Mit etwa 15.000 Handtaschen, die nach der Durchführung der Kampagne gekauft
wurden, beträgt der resultierende Gewinn nach Abzug der Warenkosten und der
Kosten der Kampagne 469.500 USD. Die Annahme hier ist, dass 15.000 gekaufte
Handtaschen 15.000 Benutzern entsprechen (d. h. jeder Benutzer kaufte nur 1
Handtasche). Somit repräsentierten die 15.000 Nutzer 2,55% der gesamten Nutzer,
die der Kampagne ausgesetzt waren.
c. Berechnen Sie den ROI der Kampagne. War die Kampagne profitabel?
Um den ROI der Kampagne zu erhalten, werden die Gesamtkosten der Kampagne
durch die Einheitskosten der Conversion geteilt, die auf 40 $ geschätzt werden, um
die Break-Even-Zahl der zu konvertierenden Benutzer zu erhalten.
Da 3.952 Benutzer konvertiert wurden, übertraf sie die erwartete Anzahl der
Benutzer, die die Gewinnschwelle überschritten, was die Kampagne profitabel
machte.
Durch die Durchführung der Kampagne geht Rocket Fuel davon aus, dass der Umsatz
von TaskaBella um 0,76 % steigen wird. 0,76 % entsprechen 4.471 Benutzern oder
neuen gekauften Handtaschen. Daher beträgt der Gewinn, der direkt der Kampagne
zugerechnet werden kann, aus dem Gesamtgewinn von 470.000 $ rund 140.000,00
$.
15,000 handbags
× 0.76 %=4,471handbags
2.55 %
$ 469,500 profit
×0.76 %=$ 139,929
2.55 %
d. Wie hoch waren die Opportunitätskosten für die Einbeziehung einer Kontrollgruppe;
wie viel mehr konnte TaskaBella mit einer kleineren Kontrollgruppe oder überhaupt
ohne Kontrollgruppe machen?
Einer der Vorteile einer Kontrollgruppe besteht darin, dass TaskaBella Basisdaten
darüber hat, wie viele Kunden die neue Handtasche ohne digitale Werbung kaufen
werden. Die Ergebnisse der Kontrollgruppe dienen auch als Maß für die Wirksamkeit
der aktuellen Marketingbemühungen von TaskaBella.
Eine Möglichkeit, sich zu verbessern, ist die Größe der Kontrollgruppe. Aus
statistischer Sicht ist die Anzahl der Stichprobenpopulation zu groß, was den CPM
erhöht. Idealerweise wird für eine Studie mit einer Fehlermarge von 1% und 99%
Konfidenzintervall eine Stichprobengröße von 17.000 benötigt.
Beachten Sie auch, dass eine Erhöhung der Stichprobengröße den Fehler der
durchzuführenden Stichproben reduzieren würde. Es ist jedoch eine optimale
Stichprobengröße auszuwählen, da sich die Ergebnisse der Stichprobe oder des
Experiments mit zunehmender Stichprobengröße nicht ändern, wie in der folgenden
Abbildung gezeigt.
Für den Fall von TaskaBella wurden für die Kontrollgruppe mit einer
Stichprobengröße von 23.524 insgesamt 582, 481 Impressionen serviert. Aufgrund
der begrenzten verfügbaren Informationen wurde der durchschnittliche Eindruck
pro Mitglied der Kontrollgruppe erhalten, um eine Basislinie über die Kosten der
Überabtastung zu haben.
582,481impressions
=25 impressions per user
23 ,524 users
Cost of oversampling :
impressions $9
25 × ( 23,524−17,000 ) users × =$ 1,468
user 1000impressions
TaskaBella trug aufgrund der Überabtastung zusätzliche Kosten in Höhe von 1.468
USD.
3. Wie hat die Anzahl der von jedem Nutzer gesehenen Impressionen die Effektivität der
Werbung beeinflusst?
Aus der Korrelations-Heatmap, die die Korrelation zwischen den Variablen im Datensatz zeigt,
ergibt sich eine hohe Korrelation zwischen der Gesamtzahl der Impressionen, denen der
Benutzer ausgesetzt ist, und der Konversion des Benutzers. Je höher also die Gesamtzahl der
Impressionen, desto höher ist die Wahrscheinlichkeit für eine Conversion.
a. Erstellen Sie ein Diagramm der Conversion-Raten in Abhängigkeit von der Anzahl der
Anzeigen, die den Benutzern angezeigt werden. Zeichnen Sie die Konversionsraten für
diejenigen, die in der Kontrollgruppe waren, und für diejenigen, die der Anzeige
ausgesetzt waren. Anzahl der Impressionen in 10er gruppieren (1-10, 11-20...)
Umrech
nungsku
rs
Umrech
nungsku
rs
b. Was können Sie aus den Diagrammen ableiten? In welcher Region ist Werbung am
effektivsten?
Für diejenigen, die Anzeigen ausgesetzt sind, steigt die Conversion-Rate mit der Anzahl
der Impressionen. Die gleiche Logik gilt für diejenigen in der Kontrollgruppe, der einzige
Unterschied ist, dass bei einer bestimmten Anzahl von Impressionen die Conversion-
Rate bis auf null Prozent sinkt.
Für diejenigen, die Anzeigen ausgesetzt sind, liegt die effektivste Anzahl der
Impressionen zwischen 1320 und 1780 Impressionen pro Benutzer. Während das
Optimum für die Kontrollgruppe zwischen 560 und 570 Impressionen liegt. Wenn dieser
Bereich zu hoch wird, kann es sein, dass der Benutzer nicht konvertiert, was die Kosten
erhöht und keinen Gewinn erzielt.
c. Was bedeuten die obigen Zahlen für das Design der nächsten Kampagne unter der
Annahme, dass die Reaktion der Verbraucher ähnlich sein wird?
Erhöhen Sie die Anzahl der Impressionen, wenn Sie Anzeigen schalten, da dies
höchstens hundert Prozent der Conversion gewährleistet. Die optimale Anzahl der
Impressionen sollte jedoch sorgfältig berechnet werden, da die Gefahr besteht, dass
Benutzer überhaupt nicht wie in der Kontrollgruppe konvertiert werden.
4. Wie variiert die Reaktion der Verbraucher auf Werbung an verschiedenen Wochentagen und
zu verschiedenen Tageszeiten?
a. Erstellen Sie ein Diagramm mit Konversionsraten für die Kontrollgruppe und die
exponierte Gruppe als Funktion des Wochentags, an dem sie die meisten
Impressionen angezeigt bekommen
Wochentag
Wochentag
Für die Conversion-Rate haben diejenigen, die Anzeigen ausgesetzt sind, eine etwas
höhere Conversion-Rate von bis zu 30 %, während diejenigen in der Kontrollgruppe
maximal 25 % haben.
b. Erstellen Sie das gleiche Diagramm für Stunden innerhalb des Tages (ausgenommen
Zeitraum zwischen Mitternacht und 8 Uhr morgens)
Umrech
nungsku
rs
Uhrzeit
Umrech
nungsku
rs
Uhrzeit
Basierend auf den Ergebnissen der obigen Grafiken ist die Werbung montags und
sonntags sowie zwischen 15:00 und 22:00 Uhr wirksam. Die Freigabe von Eindrücken
außerhalb dieses optimalen Fensters kann aufgrund des aktuellen Verhaltens der
Kunden zu einer ineffektiven Kampagne und einer ineffizienten Zuweisung von Kosten
und Ressourcen führen. Die Ergebnisse dieser Studie können genutzt werden, um die
Ergebnisse zukünftiger Kampagnen durch die weitere Segmentierung von Websites und
anderen Kanälen zu verbessern, die angesichts der oben genannten Ergebnisse die
höchste Conversion-Rate bieten.