जियो लिफ्ट टेस्ट: परिभाषा और इसे कैसे चलाया जाता है

एक जियो लिफ्ट टेस्ट एक वृद्धिशीलता प्रयोग है जो कुछ भौगोलिक क्षेत्रों में एक विज्ञापन चैनल को चालू करता है और मिलान किए गए नियंत्रण क्षेत्रों में बंद, या कम स्तर पर रखता है, फिर चैनल के वास्तविक, कारणात्मक प्रभाव को मापने के लिए दोनों समूहों के बीच रूपांतरण या बिक्री के अंतर की तुलना करता है। यह किसी चैनल पर वृद्धिशील लिफ्ट का परीक्षण करने का सबसे आम तरीका है जहां आप व्यक्तिगत उपयोगकर्ता स्तर पर साफ-सुथरे ढंग से यादृच्छिक नहीं कर सकते।

परीक्षण कैसे डिज़ाइन किया जाता है#

आप अपने लक्षित क्षेत्रों, राज्यों, DMAs, या देशों को, पैमाने के आधार पर, एक परीक्षण समूह और एक नियंत्रण समूह में विभाजित करके शुरू करते हैं, जिन्हें जनसंख्या, ऐतिहासिक बिक्री मात्रा, जियो टारगेटिंग के लिए पिछली प्रतिक्रिया, और मौसमी जैसी विशेषताओं पर यथासंभव निकटता से मिलाया जाता है। परीक्षण समूह को विज्ञापन खर्च मिलता है; नियंत्रण समूह को नहीं मिलता, या एक निश्चित आधारभूत स्तर मिलता है जबकि परीक्षण समूह को वृद्धि मिलती है। एक निर्धारित अवधि, आमतौर पर बिक्री चक्र के आधार पर 4 से 8 सप्ताह, चलाने के बाद, आप दोनों समूहों के बीच परिणाम मीट्रिक में प्रतिशत परिवर्तन की तुलना करते हैं। क्षेत्रों के बीच किसी भी पूर्व-मौजूदा अंतर के लिए समायोजित अंतर, आपकी अनुमानित लिफ्ट है।

उपयोगकर्ता-स्तर के बजाय जियो-स्तर क्यों#

जियो टेस्ट्स को किसी भी व्यक्तिगत-स्तर के पहचानकर्ता की आवश्यकता से बचते हैं, क्योंकि आप किसी एक व्यक्ति के पथ को ट्रैक करने के बजाय पूरे क्षेत्र के लिए समग्र परिणामों की तुलना कर रहे होते हैं। यह जियो टेस्ट्स को उन चैनलों के लिए उपयोगी बनाता है जहां व्यक्तिगत ट्रैकिंग अविश्वसनीय है, और उन चैनलों के लिए जैसे नेटिव एडवरटाइजिंग विजेट जो कई असंबंधित प्रकाशक साइटों पर दिखाई देते हैं जहां सत्र-स्तरीय ट्रैकिंग गड़बड़ा जाती है। यह उन चैनलों को मापने का मानक तरीका भी है जिन्हें आस-पास के हर किसी को प्रभावित किए बिना एकल उपयोगकर्ता के लिए बंद नहीं किया जा सकता, जैसे टीवी, रेडियो और कुछ प्रोग्रामेटिक खरीद जो एक डिमांड-साइड प्लेटफॉर्म के माध्यम से रखी जाती हैं।

क्या गलत हो सकता है#

खराब रूप से मिलान किए गए नियंत्रण क्षेत्र सबसे आम विफलता हैं। यदि आपके परीक्षण क्षेत्र में आपके नियंत्रण क्षेत्र से अलग मौसमी, एक अलग प्रतिस्पर्धी उपस्थिति, या एक अलग आधारभूत विकास प्रवृत्ति है, तो आपके द्वारा मापी गई "लिफ्ट" आपके विज्ञापन चैनल के प्रभाव के बजाय सिर्फ क्षेत्रीय शोर हो सकती है। परीक्षणों को प्रत्येक क्षेत्र में वास्तविक सिग्नल का पता लगाने के लिए पर्याप्त आधारभूत रूपांतरण मात्रा की भी आवश्यकता होती है; एक ऐसे बाजार में चलने वाला परीक्षण जहां सप्ताह में मुट्ठी भर बिक्री होती है, चाहे आप इसे कितनी भी देर तक चलाएं, सांख्यिकीय महत्व दिखाने के लिए संघर्ष करेगा। कंपनी-व्यापी प्रचार या एक प्रमुख मौसमी स्पाइक, जैसे ब्लैक फ्राइडे अवधि, के दौरान जियो टेस्ट चलाना दोनों समूहों के लिए समान रूप से रीड को दूषित करता है।

यह अन्य लिफ्ट माप से कैसे संबंधित है#

एक नरम साथी माप सर्वेक्षणों के माध्यम से जागरूकता या अनुकूलता में बदलाव के बारे में पूछता है न कि एक कठिन रूपांतरण संख्या के बारे में, और आमतौर पर जियो स्तर के बजाय इंप्रेशन स्तर पर चलता है। ऐतिहासिक विज्ञापन खर्च और रूपांतरण ट्रैकिंग डेटा पर बने सांख्यिकीय मॉडल, एक साथ हर चैनल पर लगातार चलते हुए, जियो टेस्ट के परिणामों को एक कैलिब्रेशन पॉइंट के रूप में शामिल कर सकते हैं, मॉडल को ऐतिहासिक सहसंबंण पर पूरी तरह निर्भर रहने के बजाय एक वास्तविक प्रायोगिक परिणाम से एंकर करते हुए।

एक नेटिव एड नेटवर्क पर बहु-सप्ताह के जियो टेस्ट के लिए बजट प्रतिबद्ध करने से पहले, यह जांचने लायक है कि आपके लक्षित क्षेत्रों में कितनी क्रिएटिव मात्रा पहले से सक्रिय है, और वह क्रिएटिव कितने समय तक चलती है, देखें एड लॉन्गेविटी. OpenAdLibrary के एड इंटेलिजेंस टूल्स नेटवर्क गतिविधि को जियो के अनुसार तोड़ते हैं, जो यथार्थवादी अपेक्षाएं निर्धारित करने में मदद करता है कि एक दिया गया बाजार वास्तव में कितनी लिफ्ट पैदा कर सकता है।