A/B测试中，为何要避免“赢家通吃”？
刘珊 · 2020-07-16 11:38
【摘要】本文转载自『Morketing』，作者：Morketing，Morketing经授权发布，转载或内容合作请点击版权说明，违规转载法律必究。
对于即将到来的美国大选，有一个预测是可以保证正确的，那就是最后的结果一定会让一部分人不满意。不过就像其他任何一场只能产生一名胜利者的比赛一样，高兴与否，少数总要服从多数。根据民意调查，这次大选的结果将非常接近，所以也就是说，将有一大部分人希望落空。
但假设有这么一个社会，在那里，各党派候选人都可以得到他们的选民——共和党政府就由特朗普去领导，民主党政府有希拉里做总统，甚至还有可能会出现由加里·约翰逊或者吉尔·斯坦领导的第三个政府。在这个虚构的世界中，每个群体都能生活在各自的美国中，在那里他们的政府能满足他们的需求和价值观。
当然，这样的事在政治上不可能实现。这样做会将美国分裂成几个政见分明的小国。不过，并不是所有领域都是“零和游戏”。比如市场营销中，比起赢家通吃，最好的结果应该是所有人共赢。
目前，大数据驱动下的营销发展得相当成熟，特别是在B2C领域。我们了解了凡事都要先做测试，而不是凭冲动去创造或传递内容。但是多数时候，我们的测试得出的是一个赢家通吃的结果。换句话说，假设说在A/B测试中得到的结果是A以51％的结果获胜，那么A内容就会传达给所有受众。
这就出现了一个弊端，另外49％的受众群体获取的内容并不是他们想要的，另外49％的庞大潜在客户被忽视。
而且在真正的营销场景中，情况要比上面的例子复杂得多。你测试的内容不仅仅只是两个，而是很多变量。这些变量对应很多可能性。举例来说，假如你测试的到的结果如图所示，那么您提供的内容将投放给每个细分受众，实现共赢。这样，喜欢喝咖啡的会得到绿色按钮，喜欢喝果汁会得到红色按钮，喜欢喝茶会得到蓝色按钮。
现在你就可以最大化地把内容发送给每个受众，而不是把某些人撇开。
但这要求很大的工程量。营销人员在没有数据团队在的帮助下是很难有时间和经历去完成
要解决这个困难的关键就在于自动化。比如建立一个能够做到在后台区分和筛选受众的后台，就可以帮助营销人员完成细分工作，并且这个后台还能够识别某些被营销人员忽视的群体。 事实上，它还应该能够做到识别数据库中存在的每种可能出现的情况，然后据此提供与之对应的最有意义的结果。此外它也应该对所有出现的样本内容可能出现的变化进行分析，以此预测对各种变量应该使用什么对策。这样营销人员就可以完成尽可能最优化的结果。
这可能听起来像天方夜谭，不过我们可以再想想，事实上通过机器深度学习技术和人工智能预测是可以让品牌营销人员做到这点的。所以，虽然我们不能让每个美国人都得到一个他们心目中的总统，但我们可以让每个移动营销者都有信心将所有人转化他们的受众，而不再是多数人。这一点是非常出色的！
本文转载自『Morketing』，作者：Morketing，Morketing经授权发布，转载或内容合作请点击版权说明，违规转载法律必究。
已有0人收藏
已有0人点赞
发表评论
请先注册/登录后参与评论