有效還是沒效？

電視的藥品廣告經常在最後加上一句「有效！」的台詞（而且還要用台語發音）。現代的藥品在上市前都要經過實驗和審核的過程，所以應該都是有效的，那些吃了沒效的狀況多半是沒有對症下藥。行銷人其實也會用「藥」，這些「藥」往往含有DM、型錄、簡訊、EDM、或廣告的成分，景氣好或買氣高的時期可能用得較少，遇到景氣變差、消費低迷、業績下滑、會員流失這些重症時就用得很兇。只不過行銷人常用的這些「藥」不像真正的藥品有公正單位的審查驗證，所以它們到底有效還是沒效？

之前我在零售業服務時，行銷主管就想知道每年花幾千萬寄發的型錄是不是有效。我採用的方法是在每個檔期從郵寄的對象名單隨機抽出若干顧客當作對照組，不寄那一檔的型錄給他們。這樣的「實驗」在同一家公司持續作了兩年十幾個檔期，結果都是有寄型錄的實驗組和不寄的對照組在回應率上相差無幾（嚴格說來，「回應率」這個名詞在這裡是不太恰當的，因為對照組在回應什麼啊？）。換句話說，我們寄出去的型錄就像藥物實驗裡的Placebo（安慰劑），吃跟沒吃的效果差不多，只是寄了之後會比較心安。

所以要知道寄型錄（或EDM或簡訊）是不是有效並不難，有足夠的對照組樣本就可以驗證，真正難的是找出那些寄了有效（收到後會真的回應）的顧客。這個問題困擾我好一段時間，因為沒有找到解決的辦法。最近發現我現在的公司所提供的分析軟體含有Incremental Response Modeling的功能，可以找出因為收到行銷訊息後而提高回應率的一群顧客，可惜我已經不在零售業服務，沒有機會實際測試這個功能。

然而這個功能也不是天下無敵，它的原理是找出實驗組裡回應率比對照組高出最多的一群顧客，這裡的Keyword就是「回應率」這三個字。回應率本身就是一個除法的式子，所以只適用於一群人，不能用於單一的個人。因此雖然Incremental Response Modeling可以幫我找到實驗組裡的1000人，這1000人的回應率比對照組的回應率高出最多，我還是不知道這1000人裡面真正受到型錄刺激而回來消費的是哪幾個人（除非他們的回應率等於100%）。也就是說，我只能知道寄型錄給這1000人的incremental效果最好，但是我無法在郵寄之前從這1000人挑出會回應的人來「對症下藥」。

（這個老外的部落格說Incremental Response Modeling是個「很難敲破的核桃」。）