Lineáris kombináció

Csodaszép reggelen a kávéval és sütivel a kezében Mark Etman a mobilján a híreket olvasgatja. Hirtelen felugrik a Gmail app push notija. A head of marketing üzent …(már nem is biztos, hogy olyan csodaszép ez a reggel😂):

„Mark, a következő hírlevél-kampányunknál szeretném, ha 10%-kal nőne a profitunk. Egyáltalán jobb lenne ha 20% lenne és persze minden hónapban ekkora legyen a növekedés. A legutóbbi management meetingünk konklúziója az volt hogy rengeteget fektettünk a hírlevélkiküldő szoftverbe de a megtérülése évtizedekbe telik, ha ezt az irányt követjük. Szóval… találj ki valamit ASAP….”

Mark azzonnal felhörpinti a kávét, bekapja a sütit és az irodába siet. Töprengeni kezd. Már megint egy lehetetlen kérés. (Nem is értenek a hírlevél-szoftverhez, de elvárásaik is azok vannak..) Na de! Mark feladata az, hogy megoldja a problémát. Mi lenne ha rangsorolná a feliratkozókat egyetlen ‘Engagement Score’-ba, hogy a legértékesebb 20%-ra fókuszáljon. Lineáris kombinációval súlyozza az e-mail megnyitási, átkattintási és oldalon töltött idő mutatókat, és azonnal a legnagyobb profitú csoportot célozhatja meg.

Nézzük, hogyan gondolkodott Mark Etman, mi is az a lineáris kombináció (nem nagy trúváj, nem kell megijedni csak egyszerű súlyozás), és hogyan használhatod marketingben.

0. Mi a fene az a lineáris kombináció?

A lineáris kombináció a marketingben a legegyszerűbb és leggyorsabban implementálható matematikai módszer, ha több, jól körülhatárolható változót szeretnél egyetlen értékké összevonni. Általános bevezetése után azonnal működő Excel- vagy BI-képlettel dolgozhatsz, átláthatósága és rugalmassága pedig lehetővé teszi a gyors iterációt és finomhangolást.

• Definíció: változók súlyozott összeadása

• Használat: egyszerű scoring-feladatok megoldására, könnyen implementálható Excelben vagy bármely BI-eszközben.

1. Miért jó?

• Egyszerű és értelmezhető: egyetlen képlettel súlyozottan összevon több változót.

• Transzparens: könnyen kommunikálható a marketing-csapat és az üzleti döntéshozók felé.

• Gyorsan számítható: Excelben vagy bármely elemző-eszközben pillanatok alatt létrehozható.

• Rugalmas: a súlyokat (w₁, w₂, …) igény szerint módosítva finomhangolható a célzás.

2. Hogyan számíthatod ki?

Legyenek a jellemzők X1,X2,…,XnX_1, X_2, …, X_n és a hozzárendelt súlyok w1,w2,…,wnw_1, w_2, …, w_n. A lineáris kombináció képlete:

Score = w₁ × X₁ + w₂ × X₂ + ... + wₙ × Xₙ

3. Hol használhatod?

• Engagement scoring: több interakciós mutató összevonása egyetlen „elköteleződés” értékké.

• RFM-scoring: Recency, Frequency, Monetary pontszámok súlyozott összeadása.

• Kampány-attribúció: csatornák súlyozott creditjeinek összege.

• Lead scoring: vezető generálási pontszám előállítása különböző jellemzők alapján.

4. Marketing példák

1. EngagementScore

   0.5 × EmailOpenRate + 0.3 × ClickThroughRate + 0.2 × TimeOnSite

2. RFMScore

   0.4*RecencyRank + 0.4*FrequencyRank + 0.2*MonetaryRank

3. AttributionScore

   0.6*FirstTouch + 0.3*LastTouch + 0.1*AssistTouch

5. Case Study: EngagementScore kampánycélzáshoz

• Adatok: X₁=megnyitási arány, X₂=átkattintási arány, X₃=oldalon eltöltött idő

• Súlyok: w₁=0.5, w₂=0.3, w₃=0.2

• Számítás:

  • Marie változók : X₁=0.40, X₂=0.08, X₃=62/60

  • Sarah változók: X₁=0.60, X₂=0.35, X₃=62/60

  • EgagmentScoreMarie = 0.5*0.4+ 0.3*0.08 + 0.2*62/60 = 0,437

  • EngagmentScoreSarah = 0.5*0.6+ 0.3*0.1 + 0.2*62/60 = 0,537

• Küszöb: 0,5 → Marie (0,437) nem kap e-mailt; Sarah (0,537) igen

• Eredmény:

  • Kiküldés csökkent, megtérülés nőtt

  • Célzottabb, költséghatékony kampány (Arról nem szól a fáma hogy Marknak sikerült-e teljesíteni a főnöke elvárásait 🤪)

6. Case Study2: Egyszerű, lineáris attribúció

Minden touchpoint egyenlő súlyt kap. Ha egy vásárló 3 csatornán keresztül jutott el a konverzióig, mindegyiknek 1/3 a credit; ha 2 csatorna, mindkettő 1/2; ha csak egy, annak 1.

AttributionScore:

• Search: 0 +0.5 +0.333 +0 +1 +0.333 +0.5 +0 +0.5 +0 = 3.166

• Display:0.5 +0 +0.333 +1 +0 +0.333 +0.5 +0.5 +0 +0 = 3.166

• Social:0 +0 +0.333 +0 +0 +0.333 +0 +0.5 +0.5 +1 = 2.666

Megtérülés számítás:

Megtérülés = konverziók száma * átlagos kosárérték ÷ költség.

Tegyük fel, átlagos kosárérték = 10 000 Ft.

Értelmezés: a legjobb megtérülést a Social csatorna adja (2.67), ezért ide érdemes többet átcsoportosítani a költségvetésből.

7. Mikor ne használd?

• Ha a változók hatása nem additív (például e-mailkampány hatása és az oldalon töltött idő kölcsönhatásban van)

• Ha a változók korrelálnak (Recency és Frequency erősen függ egymástól)

• Ha a változók skálái eltérnek (%, Ft, darabszám), súlyozás előtt normalizálni kell

8. Milyen üzleti kérdésekre adhat választ a lineáris kombináció?

• Ha az e-mail megnyitás és webes idő alapján készítesz pontszámot, hogyan döntöd el, melyik tényező számítson többet?

• Mely mutatók egyesítésével kapod meg leggyorsabban a legjobb retarget-listát?

• Hogyan állítod be az RFM-súlyokat, hogy a legértékesebb ügyfeleket találjad meg?

• Ha a kuponfelhasználók előnyt kapnak, hol módosítod a képletet?

• Tudod-e úgy finomhangolni a súlyokat, hogy 20%-kal nőjön a kampány ROI-ja anélkül, hogy új adatot gyűjtenél?

Tanulság

A lineáris kombináció egyszerre gyors, egyértelmű, átlátható és rugalmas – a marketingesek, elemzők és vezetők legjobb barátja, ha jól érthető, üzleti értéket tolmácsoló mutatószámra van szükség. Ugyanakkor mindig tartsd szem előtt: nem minden helyzet lineáris. Ismerd a változók természetét, validáld az eredményeket, és csak akkor alkalmazd, ha a kapcsolat valóban összeadódik. Ezáltal nemcsak adatvezérelt döntéseket hozol, de a csapatodat is inspirálod, hogy a legegyszerűbb módszerek is hozhatnak maximalizált üzleti eredményt.