ඔබට නව ඇඩ් කම්පේන් එකක් පරීක්ෂා කරනවාද? එය සාර්ථකයිද නැද්ද කියලා ගණනක් දවස් ගත කරලා බලාගන්න බෑ. සැබෑවටම, බොහෝ පරීක්ෂණ “වෙනත් දෙයක් නොමැති” කියලා වාර්තා කරනවා, ඒත් ඒවා ආරම්භයේම ජයග්රාහක නොවෙයි. මෙහිදී, පළමුවම ඔබේ දත්ත මත පදනම්ව, අඩුම lift එකක් හඳුනාගැනීමට ක්රමයක් පෙන්වමු.
පියවර 1 – අඩුම lift එක ගණනය කිරීම
කොනවද කියන්නේ, 95% විශ්වාසය සහ 80% power යන ශරීරයක් සමඟ, ඔබේ conversion rate එකට හැකි අඩුම වෙනස (lift) ගණනය කරන්න. Python කේතයක් එකලින් එය සරලව කරගත හැක. උදාහරණයක් ලෙස, 3% conversion rate එකක් සහ එක් අත්පත් 20,000 ක්ලික් තිබේ නම්, 16% වර්තමාන lift එකක් පවා සත්ය තරම් දත්ත තුළ අඳුනාගත නොහැක.
එමගින්, 10% lift එකක් හඳුනාගැනීමට අවශ්ය clicks ගණන 51,000 ක් පමණ වේ. ඔබේ ගිණුම මාසිකව 8,000 clicks ලබා දෙනවා නම්, පරීක්ෂණය කාලය කෙතරම් දිගු කළ යුතුද කියලා තීරණය කළ හැක.
පියවර 2 – සම්පූර්ණ සමාන නොවන conversion ගණන
ඉහත සූත්රය සෑම click එකක්ම සමාන probability එකක් ඇති coin flip එකක් ලෙස ගනී. නමුත් ප්රායෝගිකව, ඔබේ ගිණුම තුළ conversion ගණනේ වැඩි කොටස few search terms වලින් එනවා. මාගේ විශ්ලේෂණයකින්, 62% conversion එක top 1% terms වලින් එනවා. මෙයින් effective sample size අඩු වෙයි, ඒත් සාමාන්ය calculator එක ඒ ගැන නොදනි.
එබැවින්, bootstrap method එකක් භාවිතා කර terms මත resampling කර empirical standard error ගණනය කර design effect ගණනය කළ යුතුයි. Design effect 2ක් නම්, 20,000 clicks-per-arm අවශ්යතාව 40,000 clicks බවට පත්වෙයි, සහ detectable lift 16% සිට 23% දක්වා වැඩිවේ.
පියවර 3 – baseline එක ස්ථිරදැයි පරීක්ෂා කිරීම
පරීක්ෂණයක් දෙකේ අයත් කාලය එකම වේලාවේ මැනේ. එහෙත් before‑and‑after පරීක්ෂණයකදී, target CPA වැනි මූලික අගය ගමන් කරමින් වෙනස් වෙයි. 34% campaigns පමණක් target CPA ±10% තුළ පවතිනවා, ඉතිරි 66% කම්පේන් target එක අඩු හෝ වැඩි කරයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ බොහෝ වෙළෙඳුන්, start‑ups, සහ digital marketers තම ඇඩ් ව්යාපාරය වර්ධනය කර ගැනීමට data‑driven decisions ගැන සලස්වයි. මේ තුන් පියවර අනුගමනය කරන්නේ නම්:
- වැඩි ROI – අඩුම lift එක හඳුනාගෙන, අනිසි පරීක්ෂණ වලට වියදම වැය නොකිරීම.
- කාලය ඉතිරි කිරීම – අවශ්ය clicks ගණන පෙරම ගණනය කර, campaigns කාලය සකස් කිරීම.
- වඩාත් නිවැරදි forecasting – design effect මත පදනම්ව, වඩාත් සැලකිලිමත් power analysis කිරීම.
ඒ නිසා, ශ්රී ලංකාවේ තාක්ෂණික ව්යාපාරිකයන්ට, පරීක්ෂණ අසාර්ථක බව මුලින්ම හඳුනාගැනීමෙන්, වසරක පිරිවැය මිලියනයක් අඩු කරගත හැක.
අවසන් වශයෙන්, ඔබේ ඇඩ් පරීක්ෂණය අරඹීමට පෙර, මේ සරල සූත්රය, bootstrap resampling, සහ baseline stability පරීක්ෂාවන් අත්හදා බලන්න. එවිට, “inconclusive” කියන වචනයට ඔබට තවත් බරක් නොවෙයි.
