郵購損益預估

在喬伊上次分享了客戶價值試算表後, 很多朋友詢問我是否有郵購檔期計算的工具, 因為在郵購檔期規劃時, 會遇到很多狀況:

到底應該投遞多少份型錄? 那些成本在運營時應該注意? 投資報酬率如何計算？是否可以在規劃時就避免虧損?

為了解答這個困惑, 我做了這張計算表,你可以在藍色區塊輸入五種不同的規劃方案, 馬上就可知道那個郵購檔期方案可以讓你有最大的利潤!

郵購損益預估表 點此下載

客戶終身價值試算

投入成本經營客戶，到底是否合算？

經營的郵購網購事業, 何時能賺錢?

花促銷費用累積郵購名單, 到底有沒有用?

是否需要一張簡易報表, 讓你對客戶經營績效一目了然?

為了解決這個問題, 喬伊趁假日做了這張表單,

你只要填入藍色區塊, 馬上就可知道你的郵購網購客戶經營是賺是賠!

客戶價值試算表 點此下載

常用營運指標

在直效行銷的經營當中, 我們會計算出許多營運指標
觀察數值的變化, 來瞭解營運狀況,
所有的行銷決策都有數據的支持,
因此直效行銷也成為最合乎科學的行銷模式

下面是喬伊常用的營運指標, 提供給各位參考：

類別：

以行銷活動分析
以刊登媒體分析
以刊登版面大小分析
以地區分析
以訂單回應管道分析
以訂單金額分析
以付款方式分析
以客戶來源分析
以新舊客戶分析
以20/80客戶分析
以FRM客層分析
以產品類別分析
以產品價格帶分析

數值指標

發放份數
預估回應率
預估營業額
行銷活動成本
損益平衡點
回應客戶數
回應訂單數
平均訂單金額
平均訂單件數
回應時間分佈狀況
訂單金額分佈狀況
最高訂單金額
最低訂單金額
退貨件數
退貨訂單數
退貨金額
退貨客戶數
終身貢獻額 life time value
新客戶獲取成本
客戶流失分佈

聯邦快遞如何分析客戶資料

許多朋友在分析客戶資料庫時，經常遇到一個問題，就是看著一大堆的統計數字，卻無法將統計數字轉換為行銷活動，這裡有個聯邦快遞的範例，可以供大家參考：

首先聯邦快遞利用RFM的變化來評斷客戶的貢獻額，計分的方法是:

將單一客戶過去三個月內消費金額乘上兩倍，再加上過去3至6個月間該客戶的消費金額，

接下來聯邦快遞利用DataMining中的Cluster分析，將所有客戶分為七大族群，每個族群再依貢獻額細分為十等分，這七大族群分別是:

˙貢獻額最高的10%穩定客群
˙過去六個月流失的中貢獻額客群
˙低貢獻額的季節性客群
˙高貢獻額的成長客群
˙中貢獻額的穩定客群
˙低貢獻額且在過去六個月內的流失客群
˙低貢獻額但剛回復交易的客群

聯邦快遞觀察在過去的兩年內，客戶如何在七個族群中移動，以及客戶如何在十等分內上下移動，一旦有任何的行為模式被分析出來，聯邦快遞便針對每一個族群發展一套客戶策略.

舉例來說:

最頂尖的10%穩定客群，是最佳而且是最有價值的客戶，聯邦快遞的策略就是想盡辦法留住他們，對他們提供最好的服務，以避免這群客戶的流失。

高貢獻額的成長客群是指消費金額成長超過15倍的客戶們，聯邦快遞投入行銷預算找出導致他們成長的原因，以協助其它客戶提高貢獻額。

過去六個月流失的中貢獻額客群，是指在過去六個月貢獻額降低90%的用戶，這群轉身而去的客戶，讓聯邦快遞損失許多應得的利潤，因此必須找出什麼地方出錯？聯邦快遞透過電話行銷與客戶溝通來調查原因，以挽回客戶的心。

找出季節性的低貢獻額客群是非常有用的，因為這些客戶只在一年的某些季節交易，花費行銷預算去刺激他們在其他時期交易將是十足的浪費。

我們在資料庫分析的同時，可以參考聯邦快遞的作法，將客戶切割為不同特性的族群，並且針對族群特性，制訂相對應的行銷策略，這樣分析資料庫才能對企業的營運產生更多的效益。

RFM分析與易經

在 FRM 整合報告那篇文章中, 我們介紹了一種結合最後一次消費、消費頻率、消費金額等資料來作顧客檔案分類的報告。

這類報表是綜合RFM的指數，並以最近一次消費、消費頻率、消費金額的五等份報告為依據。最上層的第一等份編號為『A』，往下依序編到第五等份的『E』。如此一來，我們便可以將客戶分類為125種組合，每一群客戶會有不同的特色，我們可以針對不同的客戶給予不同的行銷活動。



但是有經驗的行銷人員都知道，我們是無法提供125種行銷活動給每個客戶族群，因此在實務上，我們會將客層濃縮，可以改用三等份的方式來建立27個客戶族群。以收入扣除郵寄成本，試寄結果的分析顯示，多少RFM的單位能達成收支平衡或是創造更好的結果。新產品問市時，只要郵寄給RFM中那些看起來會有利潤的回應單位即可。

但是台灣的市場實在不大，所以分為27個群組來經營，也略嫌複雜。

為解決這個問題，我思索了很久，後來在讀易經的時候，得到了答案，那就是改用二等份的方式來分層，無論是最近一次消費、消費頻率或消費金額(RFM)都簡單的分為兩層，將損益平衡點當做是及格的分數，客戶在RFM三項評估都分為及格(1)與不及格(0), 這樣我們就可得到類似下面的報表。



如此一來可以客戶族群便只剩下8類，更可以簡單的以總分來切割等級，一共只有ABCD四個等級，行銷人員在評估客戶族群價值時，就可以更容易，也可以簡化行銷活動的種類。

這是我認為在實務操作上可行的客戶分析模型，在此分享給各位行銷人，若還不清楚的可以留言，我會針對各位不清楚的地方，再做解釋。

FRM 整合報告

除了最近一次的消費(Recency) 、消費頻率(Frenquency) 、消費金額(Monetary) 三種獨立的分析報表外, 行銷人員可以利用一種結合最後一次消費、消費頻率、消費金額等資料來作顧客檔案分類的報告。

下表是綜合RFM的指數，並以最近一次消費、消費頻率、消費金額的五等份報告為依據。最上層的第一等份編號為『A』，往下依序編到第五等份的『E』。



行銷人員可以叫出可用的125個組合中的任一組合。在範例報告中，第一列表示顧客在三個報告中都被評等為A；第二列表示顧客再最近一次購買的報告中列名第二等份，在消費頻率及消費金額兩報告中則列名第一等份。這是提供行銷人員為檢視最近一次消費、消費頻率、消費金額等不同價值組合而進行區隔的捷徑。

行銷人員利用這項RFM分析工具來預測促銷結果。由於知道有些名單根本不會帶來任何的利潤，所以沒有寄發信函給名單上所有的人，而是從RFM的每一個單位中，再細分出一些有利潤的小單位，進行試寄。

如果公司的名單沒有大到可以發展出125個單位，可以改用三等份的方式來建立27個名單。以收入扣除郵寄成本，試寄結果的分析顯示，多少RFM的單位能達成收支平衡或是創造更好的結果。新產品問市時，只要郵寄給RFM中那些看起來會有利潤的回應單位即可。

該指數之所以要顯示上門的次數、每次交易的平均花費等數據，是因為如此一來可以讓行銷人員評估每一單位的價值。

舉例來說，雖然CCA單位的顧客最近一次購買隔很久，但是消費頻率及消費金額很高，因此還是有值得推銷的可能性；BCB單位的顧客最近一次消費不是隔很近，而且消費金額也不是最高，但若能說服他們來消費，他們還是能貢獻不少的價值。

消費金額(Monetary) 分析

消費頻率若能與最近一次消費相結合，其參考價值及效益就比只有最近一次消費的資料來的高。但是這樣還是不夠的，因為消費的金額並沒有被量化出來。

消費金額讓我們知道每一個消費者在測量期間內的花費，它會大幅地改變我們從最近一次消費及消費頻率的資料的所得及所思。

明顯的例子是，當你看到一名一年內未做過最近一次購買，而前一年的消費頻率是一次，但卻花了10萬元。我們的顧客中，就有一個是如此。

在我們去拜訪他，以了解為何這麼久都沒有回來的時候，發現原來是業務人員沒有履行售後服務的承諾，當我們對他多用了一點心之後，他又回頭成為我們最佳的顧客之一。

若只看最近一次消費及消費頻率的資料，行銷人員可能不會將促銷資料寄給這位顧客，是消費金額的資料讓行銷人員救回了這名寶貴的消費者。

消費金額這個工具有許多運用的方式。下表示被稱作消費金額的十等份報告。49600名顧客係依據所花的金額來排名。



消費金額是所有資料庫報告的支柱，也可以檢驗『80/20法則』----公司80%營收來自20%顧客。它顯示出排名前10%的顧客所花費的金額較下一個等級者多出至少兩倍，占公司所有的營業額的40%以上。若看累計百分比的那一欄，我們會發現有40%的顧客貢獻公司營業額的80%；而有60%的客戶占營業額的90%以上。最右的一欄顯示每一等份顧客的平均消費，表現最好的10%顧客平均花費1195元，而最差的10%僅有18元。

如果行銷人員的預算不多，而且只能提供服務及產品資訊給2000或3000個顧客，你會將資訊郵寄給貢獻40%營收的顧客，還是那些不到1%的人呢？資料庫行銷有時候就是那麼簡單。企業主若以了解消費者差異為主軸進行企業再造，會發現業績與利潤都將創新高。

但也要記得，那些最近一次消費隔很久、消費頻率也很低的客戶，有可能也是花費最多的客戶，要找出這些超級買家的一個方法是，把最上層的這4960的客戶，從資料庫中區隔出來，再進行十等份分析。如此，每一等份僅剩496客戶，我們可以在接近上層的部分將這些黃金客戶找出來。

最近一次消費、消費頻率、消費金額等是測量消費者價值最初且最容易的方法，而其中，最近一次消費是最有利的指標。行銷人員稱這幾個元素為RFM。

由於這三個工具看起來簡單也很有效力，因此我要對使用顧客資料庫的新手提出警告。因為RFM運用簡單，因此在促銷時，很容易就會將RMF的下層的消費群給忽略了。新入行的資料庫行銷人員經常會只針對上層消費者促銷，而且這樣的促銷的確有效，但是這類針對同一群客戶的促銷越頻繁，消費群的反應會漸趨疲乏，而下層消費者由於長時間沒被照顧，便會變心而離去，最後的結果是，所有的客戶對你將不再忠誠。

RFM分析也可以品牌類別、品牌產品、零售商、所有店面或部門、等級或甚至於存貨量，來分析消費者的購買模式，也可以依據整個資料庫的生命週期或選定的期間來進行消費表現的分析。

另外一個找出超級買家的方法是，將同一份的消費金額資料再進行一次十等份的購買分析。消費金額的分析是將49600名顧客分成十等份，再看每一等份的花費是多少。而下面的消費金額十等份報告則是將總消費金額分成十等份，分析每一等份的消費人數有多少，再據此排名。



在此我們有足夠的證據讓人相信維繫客戶的價值何在。如果該公司失掉其最上層的357名顧客，至少要找到1400名一般消費的顧客才夠補足損失。換言之，該公司每流失一個上層的顧客，就要找到7個新顧客才能打平。僅1081個顧客，占顧客總數不到3%，就貢獻了該公司20%的營業額。

這樣的例子分布於相當多的產業，在台灣無論是大型賣場、配銷商、基金公司或是化妝品，都擁有相同戲劇性的差異，事實上在全球各類企業裏，這種消費者價值的區隔法呈現了令人訝異的一致性。

消費頻率(Frenquency) 分析

消費頻率是顧客在限定的期間內所購買的次數。我們可以說最常購買的顧客，也是滿意度最高的顧客。如果相信品牌及商品忠誠度的話，最常購買的消費者，忠誠度也就最高。增加顧客購買的次數，意味著由競爭對手處偷取市場佔有率，由別人的手中賺取營業額。

如果測量的時間是一年，在一年之中購買三次的消費者被稱為三次消費者，同『最近一次消費』報表相同，這也是一種變動性的測量。在一年的期限內，消費者在進行第四次購買的當天，就會被移到四次消費者的檔案當中。就像『最近一次消費』一樣，消費頻率也可以依十等份的方式進行分析。

下表是對同一群49600名消費者，依照個人總消費次數排序後，平均切為十等份族群。我們可以看到在同一時期，有60%的顧客僅與我們交易過一次。別懷疑這家公司的資料有問題，絕大多數的企業其消費頻率十等份報告，都再再顯示大多數的客戶消費次數沒有超過一次。



消費頻率十等份報告與其他十等份報表有一個非常不同之處。在其他的十等份報表中，平均消費金額會隨著族群排名遞增，尤其是消費金額十等份報告增加的更為明顯，然而在消費頻率報告卻是唯一的例外，在這份報告中，每等份的平均消費金額都是相當接近的。

當行銷人員預備以消費頻率為基礎，進行區隔以便進行促銷時，往往驚訝地發現，消費頻率最低的顧客(最末的10%)反應卻最好，怎麼會這樣呢？

原因出在最近一次消費。許多廠商最近往來的顧客大多是第一次購買者，他們被建入資料庫的時間還不夠久，不能構成消費頻率的紀錄。這更證明了『最近一次消費』的價值。

我們再看資料庫的資料時，首先要注意的是，所看到的東西往往不是表面的那個樣子。資料庫行銷的工具跟其他的工具依樣，需要訓練與經驗才能夠專業地運用。

把十等份分析當作是一個『忠誠度的階梯』，其訣竅在於讓消費者一直順著階梯往上爬，把銷售想像成是要將兩次購買的顧客往上推成三次的顧客，把一次購買者變成兩次。

在上面的十等份範例中，我們可以看到有六個等份的消費者僅作了一次購買。如果這29760名消費者有一半變成兩次消費者，行銷人員可增加超過40%的營業額。如果再加上顧客管理，我們可以做的就不只是這些而已。消費頻率可以被視為消費者產生游離變化的早期警示徵兆，對維繫客戶而言，這是個相當重要的工具。

很多行銷人員每月會替業務人員準備三份表單：

1. 依據最近一次消費及消費頻率的資料顯示，列出上個月即應購買顧客的表單。
2. 上個月確實有購買的顧客。
3. 沒有購買的顧客。

任何出現在流失顧客名單者，都是要採取立即行動的目標。

最近一次的消費(Recency) 分析

最近一次消費意指上一次購買的時候----顧客上一次是幾時來店裏、上一次從哪本型錄購買東西、何時買的車，或上一次在你的超市買牛奶是何時。在此，零售商及型錄商有其優勢，因為他們直接與顧客的互動關係，讓他們得以捕捉所有的訊息，而民生消費商品(Packaged goods)及品牌行銷人員才正開始要找尋將這些訊息加入資料庫的方法而已。

高價位的品牌可以由產品保證書的回函得到這樣的訊息，民生消費商品製造商則由條碼的折價券獲得一些幫助，但在不久的將來，他們會與便利商店，超市、大型賣場合作，以進一步地取得資料。

最近一次消費是相對的，也就是說，怎樣的最近一次消費才有意義係依產業不同而有所差異的。百貨公司及大部分的專門店要注意近兩三年的資料，且要知道最近一個月或是至多幾個月以內的最近一次消費是何時。電子商品零售商會保存客戶資料至多5年，且以3個月或6個月為一週期追蹤客戶動向，汽車經銷商可能以數年來計。

超級市場及民生消費商品的行銷人希望其客戶的最近一次消費是發生在上週。如果一名顧客超過12週未出現在超級市場，再見到他出現的機會可能只有10%；若超過24週，則降至5%。

我們可以利用最近一次消費來了解『顧客幾時該來，顧客幾時跟我說拜拜。』，理論上，上一次消費越近的顧客應該是比較好的顧客，對提供的商品或是服務也最有可能會有反應。或許我們都能同意，身處在成長極限這個時代的行銷人員若想有所成長，只能靠偷取競爭對手的市場佔有率，而如果要密切地注意消費者的購買行為，那麼最近一次消費就是行銷人員第一個要利用的工具。

歷史顯示，如果我們能讓消費者購買，他們就會持續購買。這也就是為什麼0至6個月的顧客收到行銷人員的溝通訊息多於31至36個月的顧客。

最近一次消費的時程是持續變動的。在顧客離上一次購買滿一個月之後，在資料庫裏就成為最近一次消費為兩個月的客戶。反之，同一天，最近一次消費為三個月年的客戶作了其下一次的購買，他就成為最近一次消費為一天前的顧客，也就有可能在很短的期間內就收到新的折價訊息。

最近一次消費的功用不僅在於提供即時的促銷訊息而已。行銷人員的最近一次消費報告(Recency report)可以監督事業的健全度。優秀的行銷人員會定期查看最近一次消費分析，以掌握趨勢。

月報告若顯示上一次購買很近的客戶(最近一次消費為一個月內)人數若增加，則表示該公司是個穩健成長的公司；反之，若上一次消費為一個月的客戶越來越少，則是該公司邁向不健全之路的指標。

最近一次消費報告是維繫顧客的一個重要指標。最近才買你的商品、服務或是逛你的商店的消費者，是最有可能再向你購買東西的顧客。再則，要吸引一個幾個月前才上門的顧客購買，比一個一年多以前來的顧客要容易的多了。行銷人員若接受這種強力的行銷哲學----與顧客建立長期的關係而不僅是賣東西，會讓顧客持續保持往來，並贏得他們的忠誠度。



上表是典型的最近一次消費分析報告。在資料庫裏，這種形式的報告通常被稱為『十等份報告』(Decile Report)。十等份報告的作用是將一整群的消費者分解，在本例中49600位消費者被分為十等份，每一等份有4960名消費者。本分析以消費者最近一次消費的時間來將消費者分等。

在註明是『上次消費是在幾個月內』的第四欄裏，從一、二、三個月往上遞增，代表著每一個等份的最近一次消費購買的時間。在最上面的等份(1個月)包含從昨天到29天以前的區間內購買的顧客。

這個報告可改為以日、星期甚至於以年為單位來計算。這樣的分析還有作為管理工具的附加價值，可以顯示每一個等份在被測量的期間裏所貢獻的營業額及其占公司營業額的百分比。在我們研究的產業中，最近一次消費的排名最高者幾乎都是公司營業額的最大貢獻者。因此，每一位行銷人員的目標就是盡可能地讓顧客成為最近常光臨的顧客。

就像我們之前提到的，時間久了之後，一個越的顧客會變成三個月的顧客，而有些三個月的顧客也可能會變成一個月的顧客，問題是，有多少一個月的顧客會一直保持都是一個月的顧客。在不同的時間點上，這種最近一次消費的分析看起來或許是很相似，但其內部的變動過程卻可能會相當地不同。

聰明的行銷人員會定期的檢閱這類的資料，並據此評估事業的發展趨勢----最近常往來的客戶基礎是否有擴大或是流失了？要讓正在改變心意的消費者回頭會是件很不容易的事，但最近一次消費的分析是行銷人員的一向參考指標。

除了最近一次消費的十等份報告之外，在資料庫裏尚有許多以最近一次消費為基礎的資訊可供優秀的行銷人員利用。想要留住高消費顧客的行銷人員，可以先到資料庫裏去搜尋資料，例如，尋找去年一年裏在店裡消費超過10000元的顧客，或定期買某一品牌狗食的客人，及過去三個月都未曾消費的客戶。接著，就可以策劃適當的促銷活動。

回應的迷思

有一次, 我們的產品經理要求針對單一產品進行直接型錄寄發, 為了慎重起見, 我們先從完整的資料庫中隨機挑選了50000名客戶, 寄發測試性質的型錄給他們, 決定依實際回應狀況來篩選第二批的客戶群.

在某次的型錄寄出後, 經過兩週, 訂單的統計報表顯示, 北部的回應人數有 500人, 中部有 200人, 南部300人, 東部的回應人數是50人.

這時候, 該產品經理當下判斷台北的回應較高, 應該趁勝追擊, 將所有台北的客戶挑選出來, 寄發型錄給這些客戶.

親愛的讀者, 你認為這個決定對嗎?

基本上, 依照回應的數量來下判斷是有缺陷的.

因為這種判斷是在假設各地區所寄出的型錄份數相同的情況下才能成立, 如果北中南東四個地區都寄出了 12500份, 則產品經理的判斷就是正確的.

但是為求精準, 正確的作法應該是:求出各地區的原始寄發數量, 再來比較回應率, 選擇回應率較高的地區來寄發型錄.

所以我們把測試的資料庫先行分析得到下列的數據:

假設每份型錄印刷含郵資為10元

　　　寄發份數　 郵寄成本 　回應人數 　回應率 　回應成本
北部　27000份 　270000元 　　500人 　1.85% 　540元
中部　 8000份 　　80000元 　　200人　 2.5% 　 400元
南部　 12000份 　120000元 　　300人　 2.5% 　 400元
東部 　3000份 　　30000元 　　50人 　　1.6% 　600元

怎麼樣, 你還覺得寄給北部的客戶群是對的嗎? 事實上, 從回應率來看, 中南部的回應率均高於北部或東部, 想要得到一張訂單, 中南部只須花費400元, 但是北部卻要多花140元, 東部要花到600元才能得到一張訂單, 聰明的你當然知道中南部兩地區才是應該加強的部份.得到答案了嗎? 不要只看回應數量, 請重視回應率 !!

回應率的預測方法

本文作者是我們的好朋友劉玉惠, 劉小姐投身資料庫行銷有多年的經驗, 以下就是她為我們介紹統計在直效行銷上的應用:

做顧問時常有客戶會問到測試名單的方法。 多數人都明白直效行銷的特色在於凡事均可以透過測試後修正而做更精準的行銷。 問題是, 如何測試呢?

曾有一個略通直效行銷的客戶向我抱怨:「名單測試根本就不準!」為了力保直效行銷的聲譽。我立刻詢問什麼原因造成他如此的不信任。 原來這位客戶為遵循名單測試的原則, 在一次使用新名單前, 先隨機抽取了 200 份名單寄發做測試, 得到了一個他還算滿意的回應率 1.9 %。

事前他曾經計算過回應率只要高於1%以上, 就可以盈利。於是測試的 1.9 % 讓他很放心的接著寄發其餘的 5 萬份名單。 沒想到這5萬份名單郤只有0.6% 的回應率。賠了錢的他自然再不相信什麼名單測試了。

了解了他的情形後, 我當下拿了計算機算給他看, 顯示如果他先以統計公式計算一下測試的回應率的話, 也就不會冒然地寄發其餘的5萬份名單。 當然很多人對統計並沒有概念, 一時之間在解釋清楚也蠻不容易的。

這裡我就不花時間在解釋統計原理上。倒是可以提供下列二個簡單的數學公式, 讓大家可以輕鬆的掌握名單測試的方法。



回應率測試公式(一) : 行銷DM測試:

如果你面臨的狀況與上述的情況相同, 有一份新名單要測試, 或是有一個新的行銷 DM 要寄發, 想以少量的部分名單測試後, 再決定是否全部寄發, 以減低一次全部寄發所造成的風險時, 你就可以利用下列公式, 輕鬆地算出如果全部發行的回應率。

E=1.96 (開更號(R(100-R)/N))

可能的回應率是: R-E ~ R+E

R=測試所得回應率

N=測試名單份數

以上述的情況為例:

E=1.96(開更號(R(100-R)/N))

E=1.96(開更號(1.9(100-1.9)/200))

E=1.89

可能的回應率是: R-E~R+E = 1.9-1.89~1.9+1.89 = 0.01~3.79

也就是說, 以 200 份測試得到 1.9% 的回應率時, 之後如果全部寄發的話, 有 95% 的機會回應率會在 0.01 ~ 3.79 之間。

這種狀況下, 自然不應冒然寄發後續的 5 萬份, 但由於預估的回應率範圍太大, 同時包含可接受及不可接受的回應率, 你根本無法決定是否該繼續寄發。

而預估的回應率範圍太大的原因主要是測試的名單份數太少, 解決的方法很簡單 - 增加測試的份數即可。

假設測試的名單份是 2000 份而非 200 份, 而測試回應率仍是 1.9% 的話,

E=1.96(開更號(R(100-R)/N))

E=1.96(開更號(1.9(100-1.9)/2000))

E=0.6 可能的回應率是: R-E~R+E = 1.9-0.6~1.9+0.6 = 1.3~2.5

由上計算可知, 在測試名單為2000份時, 全部名單寄發將有 95% 的機會回應率會落在 1.3% ~ 2.5% 之間。而你如果設定的可接受回應率是1% 時, 自然可以較放心的寄發其餘的名單了。

回應率測試公式(二) : 到底哪一份名單比較好?

除了測試單一的名單資料庫或行銷DM 之外。還有一種情形常發生的是, 你可能想比較的是兩種不同的名單或行銷 DM 中哪一個可以產生較好的回應率。

這時候, 你一樣隨機抽取部分名單分別寄發 DM , 再將獲得回應率套入下列公式中即可。

E=1.96(開更號(Ra(100-Ra)/Na+Rb(100-Rb)/Nb))

可能的回應率是:D-E ~ D+E

D=兩組兩組(名單或 行銷DM)回應率差異值

Ra= A 組測試回應率

Rb= B 組測試回應率

Na= A 組測試份數

Nb= B 組測試份數

舉例之, 假設你將兩種不同的DM 平均分配寄給你從資料庫中抽取出來的 4000 人, 也就是說, A組 DM 寄給抽出的其中 2000 人, B 組 DM 寄給另外的 2000 人時。

你得到的回應率分別 A 組DM 是 1.3%, 而 B組DM是 1.6%, 套入公式中後:

D=1.6 - 1.3 = 0.3

E=1.96(開更號(Ra(100-Ra)/Na+Rb(100-Rb)/Nb))

E=0.74

兩組名單差異性為: D-E ~ D+E = 0.3-0.74 ~ 0.3+0.74 = -0.44 ~1.04

由於所得的值落在 -0.44 ~ 1.04 之間, 其它包含了 0, 表示95% 的機會兩組名單的差異有可能是 0: 亦即沒有差異, 換言之, 很可能日後繼續寄發後會得到 A組高於 B 組的回應率。

測試的結果建議 A 組DM 及 B 組DM 之間在產生的回應率並沒有明顯地差異。所以要繼續寄 A 或 B 也就無所謂了。

雖然統計原理不是一兩天可以學得, 但如果能藉提供簡單的公式幫助大家更靈活地運用直效行銷在行銷的實戰中, 相信大家會更能體會直效行銷的優勢 。