ความสำคัญทางสถิติสนับสนุนการตลาดดิจิทัลอย่างไร

อย่าตัดสินใจเรื่องสำคัญโดยไม่ตรวจสอบข้อเท็จจริงล่วงหน้า

คุณจะกระโดดบันจี้จัมพ์โดยไม่ตรวจสายก่อนหรือไม่? ข้ามถนนโดยไม่ได้มองหาการจราจรก่อน? หรือเปลี่ยนฟิวส์สดโดยไม่เช็คว่าไฟดับหรือไม่?

การตัดสินใจโดยไม่ตรวจสอบข้อเท็จจริงก่อนอาจมีค่าใช้จ่ายสูง แต่เรามักเห็นสิ่งนี้เกิดขึ้นในภาคการตลาดดิจิทัล

สถิติสามารถโกหกคุณได้อย่างไร

เมื่อพิจารณาความแตกต่างทางสถิติ แนวโน้ม และสาเหตุ หากคุณไม่มีข้อมูลเพียงพอ จะทำให้เข้าใจผิดได้ง่าย

พิจารณาการโยนเหรียญง่ายๆ: การพลิกเหรียญสิบครั้งอาจทำให้เหรียญตกที่หัวหกครั้งและที่ก้อยสี่ครั้ง นี่หมายความว่าการโยนเหรียญจะได้หัว 60% ของเวลาทั้งหมดหรือไม่? คุณจะต้องพลิกเหรียญอีกหลายๆ ครั้งเพื่อให้ได้ภาพที่ชัดเจนว่ามีโอกาสพลิกหัวได้มากน้อยเพียงใด

การพล็อตการจำลองการโยนเหรียญสองสามอย่างบนแผนภูมิแสดงให้เห็นว่าแม้หลังจากการโยนเหรียญ 50 ครั้ง คุณอาจอยู่ห่างไกลจากคำตอบที่แท้จริงของความน่าจะเป็น 50%:

แม้หลังจากโยนเหรียญ 1,000 เหรียญแล้ว คำตอบก็มักจะพบได้ระหว่าง 48%-52% ซึ่งเท่ากับ ±2% รอบคำตอบจริง:

หากไม่มีการทดสอบจำนวนมาก ไม่มีทางที่คุณจะบอกได้ว่าคำตอบที่แท้จริงคืออะไร และคงจะเป็นเรื่องโง่ที่จะสรุปโดยปราศจากความรู้ทางวิทยาศาสตร์และได้ข้อเท็จจริงที่เพียงพอก่อนสรุป

หนังสือพิมพ์แท็บลอยด์มักใช้สถิติที่สรุปไม่ได้หรือเบ้เพื่อสำรองคำกล่าวอ้างที่ซับซ้อน เช่น “ การดื่ม X รักษามะเร็ง! “ , “ วิตามิน X กลับหัวล้าน! ” หรือ “ การกิน X จะทำให้คุณลดน้ำหนักได้! “. คุณสามารถอ้างสิทธิ์เหล่านี้ได้ง่ายๆ ผ่านการมีกลุ่มทดสอบเล็กๆ ที่คุณมีข้อมูล "ที่น่ารำคาญ" สถิติที่สรุปไม่ได้มากจนอาจแกว่งไปในทางใดทางหนึ่ง และพิสูจน์สิ่งที่คุณต้องการพิสูจน์ว่าคุณโชคดีพอหรือไม่ กรณีที่มีชื่อเสียงของเรื่องนี้มาจาก John Bohannon ซึ่งหลอกผู้คนนับล้านและสิ่งพิมพ์สำคัญๆ ให้คิดว่าช็อกโกแลตช่วยลดน้ำหนักได้

การกรองผู้ทดสอบออกยังสามารถบิดเบือนสถิติได้อย่างมาก ตัวอย่างเช่น นักการตลาดผลิตภัณฑ์ดูแลเส้นผมจำนวนมากจะสัมภาษณ์ลูกค้าที่ซื้อผลิตภัณฑ์ไปแล้ว ได้รับผลิตภัณฑ์ฟรี หรือผู้ที่เคยแบ่งปันความสนใจในผลิตภัณฑ์ในอดีต จากนั้นพวกเขาจะถูกถามว่าพวกเขาจะแนะนำผลิตภัณฑ์ให้กับเพื่อนหรือครอบครัวของพวกเขาหรือไม่ ผลลัพธ์เป็นไปในเชิงบวกอย่างน่าประหลาดใจ โดยผลลัพธ์โดยทั่วไปมีคะแนนการอนุมัติมากกว่า 80% ซึ่งสามารถเพิ่มลงในสื่อการตลาดด้วยจำนวนวิชาทดสอบที่น่าประทับใจ

ความสำคัญทางสถิติที่ต่ำสามารถส่งผลให้เกิดการตัดสินใจด้านการตลาดดิจิทัลที่ไม่ดีได้อย่างไร

งานด้านการตลาดดิจิทัลจำนวนมากเริ่มต้นด้วยการตัดสินใจขั้นพื้นฐาน – เราควรใช้เวลาในการทดสอบอะไร งานใดต้องดำเนินการก่อน จากนั้นเราจะระบุผลลัพธ์ที่เกิดจากการเปลี่ยนแปลงใดๆ ที่เกิดขึ้น

มาดูสามด้านของการตลาดดิจิทัลที่มีนัยสำคัญทางสถิติต่ำสามารถส่งผลกระทบโดยรวม แม้ว่านักการตลาดจะพยายามปรับปรุงสิ่งต่างๆ อย่างเต็มที่:

การเปลี่ยนแปลงที่ไม่ถูกต้องในบัญชีโฆษณาแบบชำระเงินออนไลน์

ด้วยการโฆษณาแบบเสียเงิน คุณกำลังวางเงินของคุณเองล่วงหน้าเพื่อรับผลตอบแทนจากการลงทุน ความเสี่ยงในการสูญเสียเงินโดยรวมเป็นสาเหตุของความกังวลสำหรับเจ้าของธุรกิจออนไลน์ส่วนใหญ่ ซึ่งอาจนำไปสู่การตัดสินใจที่ผิดพลาดภายในบัญชีโฆษณาที่ชำระเงินออนไลน์

ตัวอย่างเช่น ง่ายมากที่จะดูสถิติของแคมเปญ คิดว่ามีประสิทธิภาพไม่ดีเท่าที่ควร และลบแคมเปญนั้นเพื่อไม่ให้ 'เปลือง' ค่าโฆษณาอีกต่อไป แต่ถ้าแคมเปญถูกกำหนดขึ้นเพื่อกำหนดเป้าหมายไปยังบุคคลที่เหมาะสมอย่างถูกต้อง ก็ไม่น่าจะไร้ค่ามากนัก บ่อยครั้งมีการคลิกไม่เพียงพอที่จะดูว่าจะทำยอดขายได้หรือไม่ หากมีการลดราคาหนึ่งครั้งสำหรับทุกๆ ห้าสิบคลิก จะเป็นการตัดสินใจที่ฉับไวที่จะเลิกใช้แคมเปญที่มีคลิกน้อยกว่า 100 ครั้ง เนื่องจากอาจโชคไม่ดีที่ไม่ได้ทำการขาย

ก่อนตัดสินใจในการโฆษณาแบบเสียค่าใช้จ่าย คุณต้องพิจารณาสามสิ่ง:

1. มีการเข้าชมเพียงพอหรือไม่ (วิชาทดสอบเพียงพอ) หรือไม่?
2. มี Conversion เพียงพอ (เป้าหมายการทดสอบเพียงพอ) หรือไม่
3. ข้อมูลเบ้ในทางใดทางหนึ่งหรือไม่?

การดูสถิติการโฆษณาที่เสียค่าใช้จ่ายโดยไม่มีการเข้าชมเพียงพออาจทำให้คุณเชื่อว่ามีบางอย่างดีกว่าที่เป็นจริงมาก ตัวอย่างเช่น ข้อมูลที่แสดงด้านล่างคือข้อมูลจากแคมเปญต่างๆ โดยที่แคมเปญหนึ่งโชคดีพอที่จะได้รับ Conversion หกครั้งภายใน 20 คลิกเท่านั้น การทำเช่นนี้อาจทำให้ผู้จัดการบัญชีคิดว่าแคมเปญนี้คุ้มค่าที่จะใช้เงินมากขึ้น โดยที่จริงแล้วอาจทำงานคล้ายกับแคมเปญอื่นๆ ที่มีการเข้าชมมากกว่า:

ด้วยจำนวน Conversion ที่น้อย คุณหลายคนจึงไม่ทราบว่าโฆษณาที่ได้รับค่าตอบแทนนั้นมีประสิทธิภาพดีเพียงใด เว้นแต่คุณจะได้รับการเข้าชมเพิ่มขึ้นอย่างมากอีกครั้ง อาจเป็นเพราะมีเวลาไม่เพียงพอที่จะรับข้อมูลเพียงพอหรืออัตรา Conversion ต่ำ ซึ่งต้องมีผู้เข้าชมจำนวนมากจึงจะได้รับหนึ่ง Conversion โดยเฉลี่ย:

การพิจารณาครั้งสุดท้ายคือการคิดว่าสถิติจะบิดเบือนอย่างไรในช่วงวันที่ต่างๆ หรือกับกลุ่มคนที่โฆษณาต่างกันไป อาจมีการเปลี่ยนแปลงตามฤดูกาลครั้งใหญ่ซึ่งอาจบิดเบือนสถิติ ตัวอย่างเช่น ดูจำนวนการค้นหาของ Google สำหรับ "แว่นกันแดด" กับ "เสื้อโค้ท" ในสหราชอาณาจักรในปีที่แล้ว:

ด้านล่างนี้คือข้อมูลการเข้าชมจริงสำหรับเว็บไซต์ที่ขายดอกไม้ที่จัดส่งทางออนไลน์ โปรดทราบว่าจำนวนคลิกเพิ่มขึ้นเช่นเดียวกับอัตราการแปลง – โอกาสในการขาย – สองสามวันก่อนวันแม่ของปีที่แล้ว ซึ่งเกิดขึ้นในวันอาทิตย์ที่ 15 มีนาคม:

ดังนั้น เพื่อแก้ไขปัญหาเหล่านี้เมื่อเพิ่มประสิทธิภาพบัญชีโฆษณาที่เสียค่าใช้จ่าย คุณต้องมีการเข้าชมและ Conversion ที่เพียงพอ ก่อนที่คุณจะตัดสินใจครั้งใหญ่ พึงระลึกไว้เสมอว่าคุณอาจกำลังดูข้อมูลที่บิดเบี้ยว

หากคุณมีการเข้าชมหรือ Conversion ไม่เพียงพอ คุณสามารถดูเมตริกเว็บไซต์แทน เช่น หน้าต่อเซสชันหรือระยะเวลาเซสชันเฉลี่ย เพื่อดูว่าผู้เยี่ยมชมมีส่วนร่วมผ่านช่องทางต่างๆ มากน้อยเพียงใด วิธีนี้ช่วยให้คุณตัดสินใจได้เร็วขึ้น แต่คุณยังต้องการสัดส่วนการคลิกที่ดีก่อนจึงจะเริ่มเห็นภาพที่ชัดเจน

หากมีแนวโน้มตามฤดูกาลในเชิงบวกหรือเชิงลบ ให้ลองดูสถิติรอบช่วงเวลานั้นหรือนำสถิติจากช่วงเวลาเดียวกันของปีที่แล้วหากคุณมีในมือ

สมมติฐานที่ไม่ถูกต้องเกี่ยวกับการจัดอันดับของเครื่องมือค้นหา

การเพิ่มประสิทธิภาพกลไกค้นหา (SEO) เป็นหัวข้อที่ซับซ้อนโดยมีคนจำนวนมากที่เชื่อในตำนาน SEO มากมาย และใช้แนวทางปฏิบัติที่ไม่ดีเพื่อพยายามเอาชนะคู่แข่งในเครื่องมือค้นหา

บางครั้งเราได้ยินคำพูดว่าการเปลี่ยนแปลงบางอย่างในเว็บไซต์หรือลิงก์ภายนอกบางอย่างที่นำไปสู่เว็บไซต์ ส่งผลดีหรือไม่ดีต่อ SEO ข้อความเช่น "เราได้รับลิงก์จากเว็บไซต์ X และเห็นยอดขายเพิ่มขึ้น X%" หรือ "เราเปลี่ยน X บนเว็บไซต์แล้วสูญเสียปริมาณการเข้าชม X ในแต่ละเดือน" สามารถนำไปสู่ความเชื่อที่แข็งแกร่งว่ากลยุทธ์ SEO บางอย่างจะต้องดี หรือส่งผลเสียต่อการเข้าชมหรือการขายโดยรวม

การจัดอันดับของเสิร์ชเอ็นจิ้นขึ้นอยู่กับปัจจัยหลายร้อยประการ การรวมกันของสัญญาณที่ถ่วงน้ำหนักต่างกันจำนวนมากเพื่อกำหนดว่าหน้าใดจากจำนวนหน้าที่อาจมีความเกี่ยวข้องออนไลน์หลายล้านหน้าควรจัดวางไว้ที่ด้านบนของผลลัพธ์ การเพิ่มหรือลดอันดับอาจเกิดจากหลายสาเหตุ ซึ่งอาจไม่เกี่ยวข้องกับกิจกรรม SEO ใดๆ เช่น:

• เว็บไซต์ที่มีประสิทธิภาพที่ถูกลบออกจากอินเทอร์เน็ตสามารถเพิ่มอันดับให้กับเว็บไซต์ที่อยู่ด้านล่างได้
• คู่แข่งที่ทรงพลังรายใหม่สามารถลดอันดับของทุกคนด้วยการขึ้นอันดับหนึ่ง
• Google อาจถือว่าปัจจัยการจัดอันดับ SEO บางอย่างมีความสำคัญมากกว่าหรือน้อยกว่าเมื่อก่อน
• คู่แข่งอาจได้รับหรือสูญเสียลิงก์ย้อนกลับภายนอก ซึ่งมีบทบาทสำคัญใน SEO
• ข่าวหรือวิดีโอที่ได้รับความนิยมในหัวข้ออาจปรากฏเหนือรายการเครื่องมือค้นหาทั่วไปในวันหนึ่ง

นี่เป็นเพียงวิธีบางส่วนที่กองกำลังภายนอกอาจส่งผลต่อการจัดอันดับของเว็บไซต์โดยไม่ทำการเปลี่ยนแปลงใดๆ กับเว็บไซต์ ดังนั้นจึงอาจเป็นเรื่องบังเอิญโดยสมบูรณ์ที่การเปลี่ยนแปลงบางอย่างมีผลกระทบที่ดีหรือไม่ดีต่อ SEO เว้นแต่จะมีข้อมูลสำรองเป็นจำนวนมาก

สิ่งสำคัญคือต้องทราบความแตกต่างระหว่างสาเหตุและความสัมพันธ์ในสถิติ หากคุณมีเว็บไซต์ที่มีการเข้าชมสูง เพียงแค่ดูกราฟที่แสดงจำนวนเซสชันออร์แกนิกสามารถเปิดเผยการเปลี่ยนแปลงครั้งใหญ่ได้:

หากคุณมีปริมาณการใช้งานไม่มากนัก ให้ใช้แนวทางปฏิบัติด้าน SEO และความสามารถในการใช้งานที่ดีที่สุดบนเว็บไซต์ของคุณและให้ผู้เชี่ยวชาญตรวจสอบเว็บไซต์อย่างเต็มรูปแบบเพื่อตรวจสอบอีกครั้งว่าทุกอย่างพร้อมแล้ว

การสิ้นสุดการทดสอบแบบแยกส่วนก่อนการทดสอบจะเริ่มต้นขึ้นในหลักสูตร

การทดสอบการแยก A/B หรือหลายตัวแปรอาจต้องใช้การเข้าชมจำนวนมากอีกครั้งก่อนที่จะพบรูปแบบที่ชนะ โชคดีที่คณิตศาสตร์ที่ซับซ้อนที่อยู่เบื้องหลังนัยสำคัญทางสถิติได้รับการคำนวณโดยอัตโนมัติในซอฟต์แวร์ทดสอบแยกหลักทั้งหมด:

คุณสามารถสิ้นสุดการทดสอบด้วยความแน่นอน 80%-90% ว่าตัวแปรหนึ่งดีกว่าอีกตัวเลือกหนึ่งตามสถิติที่แสดง เราได้เห็นการทดสอบแบบแยกส่วนระบุว่ารูปแบบหนึ่งมีมากกว่า 90% ที่จะชนะ แต่จะสูญเสียโดยรวมเมื่อรวบรวมข้อมูลเพียงพอเท่านั้น:

ฉันมักจะแนะนำให้รอจนกว่าผลลัพธ์จะมีนัยสำคัญมากกว่า 99% ก่อนที่จะได้ข้อสรุปที่อาจผิดพลาด หากเว็บไซต์เปลี่ยนไปใช้รูปแบบที่แย่กว่านั้น อาจเป็นการย้อนกลับอย่างถาวรในแง่ของความสามารถในการแปลง

คุณสามารถเสี่ยงที่จะมั่นใจได้เพียง 95% หากระดับการเข้าชมต่ำ แต่จำไว้ว่ามีความเสี่ยง 5% ที่คุณกำลังดูเชิงลบที่ผิดพลาด - 1 ใน 20 ครั้งที่ผลลัพธ์จะตรงกันข้ามกับที่รายงาน

ด้านล่างนี้คือเคล็ดลับสั้นๆ บางส่วนสำหรับการทดสอบแยกส่วนที่มีปริมาณการใช้งานต่ำ

• ทดสอบการเปลี่ยนแปลงครั้งใหญ่ก่อน เนื่องจากสิ่งเหล่านี้มีแนวโน้มที่จะสร้างอัตรา Conversion ที่แตกต่างกัน และสิ้นสุดการทดสอบโดยรวมเร็วขึ้น quick
• เริ่มการทดสอบแยกหน้าเว็บให้เร็วที่สุด อาจใช้เวลาไม่ถึงชั่วโมงในการตั้งค่าโดยใช้เครื่องมือต่างๆ เช่น Visual Website Optimizer (ใช้งานง่าย จ่ายต่อการใช้งาน) หรือ Google Content Experiments (ต้องมีการพัฒนา เฉพาะการทดสอบ A/B/N ใช้งานได้ฟรี)
• ทดสอบขั้นตอนต่างๆ ของเว็บไซต์ของคุณพร้อมกัน – สำหรับเว็บไซต์อีคอมเมิร์ซ คุณสามารถทดสอบหน้าแรก หน้าหมวดหมู่ หน้าผลิตภัณฑ์ หน้าตะกร้าสินค้า หน้าชำระเงิน และหน้าความสำเร็จได้พร้อมกันและมีการปรับปรุงอัตรา Conversion แบบทบต้น

หากระดับการเข้าชมของคุณมากพอ ทำไมไม่ลองทดสอบความแน่นอน 99.9% ล่ะ คุณยังสามารถแบ่งกลุ่มผู้เข้าชมเป็นเปอร์เซ็นต์เล็กๆ เพื่อทดสอบได้ เพื่อให้ผลลัพธ์โดยรวมไม่ส่งผลกระทบมากนักหากการทดสอบให้ผลลัพธ์ที่แย่กว่าตัวแปรเดิม

บทสรุป

รวบรวมข้อมูลให้ได้มากที่สุดก่อนทำการตัดสินใจด้านการตลาดดิจิทัลโดยอิงจากสถิติ ซึ่งมักจะต้องใช้วิชาทดสอบ (ผู้เยี่ยมชม) จำนวนมาก ขยะส่งผลให้เกิดขยะเมื่อพูดถึงสถิติ ดังนั้นอย่าหลอกตัวเองให้ดำเนินการที่อาจเป็นอันตราย เว้นแต่ว่าคุณจะมีบางสิ่งที่เปลี่ยนแปลงไปในทางที่ดีขึ้นหรือแย่ลง

ความสำคัญทางสถิติสนับสนุนการตลาดดิจิทัลอย่างไร – https://t.co/0xhxsqHJNl #ppcchat

— Jonathan Ellins (@Jonathan_Ellins) 25 กุมภาพันธ์ 2559