交叉行销的负效应 (The Dark Side of the Cross Selling)

老马丁

感谢老酒分享重磅一手案例。

2 e! B9 r# t. n% W9 L9 V$ H8 t我觉得这个组间差别统计不显著吧，如果field experiment 步骤正确，只能说cross sale 促销对retention rate 无影响

老马丁

煮酒正熟 发表于 2013-12-19 13:42
教授说的是内行话，只不过... 主流思维一直是：假如对照组的业绩优于实验组，那么就推在样板太小、噪音过 ...

一般用专业软件就行。这种two sample t很多都能做，计算器也行啊。

) Y7 [9 K; q& }7 b8 p7 C话说回来，忙乎半天没效果也够急人的。是有点意思。等下文

老马丁

刚到LV. 冒个泡，表达我对此贴的高度关注。
0 m# {" u7 J/ ~" t! x老酒要去印度啊, 记得留点胡子显得粗旷点。印度那地方饥渴的人太多了，要当心ji不择食啊

老马丁

煮酒正熟 发表于 2013-12-22 12:18
继续说这第一个关键点。这里我们引入一个词 --- 睡狗 / sleeping dogs.

. u1 Q3 Y; V5 w( S7 d! F6 K2 f这个词源于英语中的一个成语 --- ...

这四个分类挺有意思的。当年Tirole也对企业有个动物名字的分类， top dog, fat cat 啥的。

你的对照组和试验组如果都是随机选的，理论上来说睡狗在两个组的分布是均匀的，那么这个差别就主要出现在睡狗的比例上了。但是逻辑上呢，我觉得有点儿问题：
1. 为啥咱们的促销backfire? 因为客户里有睡狗。
5 Q, b/ R, S- w' X0 d2.什么是睡狗？就是那些我们一促销就退订的家伙。
9 v( C( B: N9 l0 }- f) s. {' H
4 s5 n' V3 e2 W4 w7 C+ Z是不是有点套套逻辑？
+ @+ p' ~! {7 R  g8 W) E, C9 ?
那么呢，下一步是什么？ 我觉得有些方面值得考虑，
1. 在识别睡狗统计模型发展后，然后检验这个模型的预测有效性。
- I8 N" T$ S# Z8 J5 X, \9 }2. 什么因素能够加强或者减弱睡狗的效应？

老马丁

煮酒正熟 发表于 2013-12-22 23:07
' j% u. E  T: Y  y# Y师妹记得p值，不简单啊。判断两组差异是否显著，当然可以用 p value，这样你就可以知道 exactly 在哪个信 ...

你说得很有意思。我需要时间想一想这两个分析。
  b6 ?: d) ~& N( j5 i* e! [
另外，我前面说的用t来测试是错的。随口想当然啊
这是一个典型Contingency table，比较percentage, 应该用Chi-sq.
) u. L" d0 t) @% @! n6 M我回头用你给你数据算一下。

老马丁

煮酒正熟 发表于 2013-12-23 00:41
5 E8 S. p( ^, U1 Y这个“睡狗”现象不太常见，尤其是在一手交钱一手拿货的世界里，根本就不存在(即使存在也很难找到直接证 ...

# G+ W4 i( S$ r( h/ e9 ?1 E6 w
又看了一遍老酒的全部帖子，说说理解和感想。
, m4 v) e2 L$ U9 e  p* r
两个实验。第一个实验，续约促销，结果是正效果
第二个实验，交叉促销，结果是副效果
6 U$ H2 B- S8 |9 G9 x' U# i& B

解释：睡狗比率在两个实验中的不同。
我觉得这个解释比较存疑。随机抽样应该保证睡狗比例在两个实验中大致相当。如果这些效果在统计意义上很小，那么也不必为此烦恼。

老酒关于睡狗产生的机制是非常有道理的。这个促销相当于一个attention trigger，让客户有时间去其他保险公司询价。我觉得两个实验的差别，如果有的话，恰恰和促销内容相关。 续约促销有个惰性养成问题，如果价差不大，客户就不想折腾了。而牙医保险是全新的，同时可以和基本险形成bundle, 这样看起来saving就很多了，跳槽的概率会更大。

+ e( h' T+ \- X/ ^! f下一步应该找出睡狗，建立一个睡狗识别模型。弄个logisitic 模型，分别应用在续约促销和交叉促销中, 看看两个实验里的不续约公司有什么共同因素，比如说，人数，行业，tenure时间等。