自动化|Martech 营销自动化从 AB 测试开始( 四 )

这时汤普森采样会从各素材的 Beta 分布中随机获取一个值，并选出随机值最大的素材进行流量分配。比如素材 1 随机得到 0.71，素材 2 随机得到 0.286，素材 3 随机得到 0.73，此时下一个用户就会命中素材 3，并根据用户点击数据的真实反馈，重绘素材 3 的 Beta 分布。选择汤普森采样的好处就是平衡了 EE ( Exploration& Exploitation) 的问题，总体上点击率越高，获得的流量越大，同时兼顾了探索新素材的可能；
5. 具有一定初始流量后，各素材绘制的 Beta 分布图逐渐产生差异，使用汤普森采样，平均值靠近 1 的素材会更容易获得新流量，而命中次数比较少的素材，因为集中度低，也有一定概率获得流量。随着真实流量的增加，最终收敛到某个最优素材；
6. 蒙特卡洛模拟是在已知各素材 Beta 分布的基础上，多次从各素材随机抽取，然后经验地计算出每一个素材的点击率，此方法可以模拟海量流量，最大趋近于全量发布方案效果。当真实流量放大到一定程度，与模拟收益相符最优素材胜出，实验收敛并结束。
三、总结Martech 营销自动化工具突出利用算法和大数据进行 AB 测试并自动化决策和执行，取得收益最大化。这与传统 AB 测试最大区别是时间短、灵活度高，在广告投放、营销活动推送等场景下，运营人员可以尝试更多营销方案同时尽快收敛最大收益方案，这平衡了 EE ( Exploration& Exploitation) 问题。

文章插图
传统 AB 测试，长时间稳定流量观察数据，得到具有统计意义的结论。

文章插图
营销自动化 AB 测试，根据实时数据反馈，流量倾斜到优质内容，迅速收敛。
本文由 @刘生原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议