ЧТО ТАКОЕ КОРРЕЛЯЦИЯ VS. ПРИЧИНА-ЕФФЕКТ

Представьте, что вы увеличили количество отправляемых продажных писем в прошлом квартале. Вы перешли от отправки 1,000 писем в месяц до 3,000. В то же время ваш доход от продаж увеличился. Это означает ли, что отправка большего количества писем привела к увеличению продаж? Не совсем. Мы можем увидеть, что между этими двумя метриками существует связь, то есть корреляция. Когда одна из них растет, другая также растет. Однако у нас недостаточно данных, чтобы понять, что именно привело к увеличению дохода. Возможно, количество отправляемых писем увеличилось из-за того, что другие каналы маркетинга принесли значительно больше целевых лидов, что и привело к увеличению общего количества отправляемых писем. Это может быть и внешний фактор, например, увеличение узнаваемости бренда, которое приводит к увеличению числа лидов и облегчает их закрытие. Поэтому важно понимать, как отличить корреляцию от причинно-следственной связи. Без этого понимания можно оказаться в ситуации, когда вы инвестируете в неправильные области своих кампаний.

ЧТО ТАКОЕ КОРРЕЛЯЦИЯ

Корреляция означает, что между двумя переменными существует значимая связь. Переменная — это то, что можно измерить. В маркетинге это могут быть такие вещи, как доход, трафик, социальные репосты, количество email-кампаний или рекламный бюджет. В приведенном выше примере переменные — это количество отправляемых писем и доход от продаж. Корреляция может быть как положительной, так и отрицательной. Положительная корреляция означает, что оба переменных увеличиваются или уменьшаются вместе. В других словах, если одна переменная увеличивается, увеличивается и другая, и если одна переменная уменьшается, уменьшается и другая. Если на графике этих двух переменных поставить точки, они будут образовывать восходящую линию. Отрицательная корреляция означает, что когда одна переменная увеличивается, другая уменьшается. Если на графике этих двух переменных поставить точки, они будут образовывать нисходящую линию.

ЧТО ТАКОЕ ПРИЧИНА-ЕФФЕКТ

Как и корреляция, причинно-следственная связь — это связь между двумя переменными, но более специфическая. В причинно-следственной связи одна переменная вызывает изменение в другой переменной. Например, если один домино падает и ударяет другой, он заставляет его упасть. Причинно-следственная связь имеет причину и следствие. Причинно-следственная связь может быть как положительной, так и отрицательной. В положительной причинно-следственной связи увеличение или уменьшение одной переменной вызывает то же изменение в другой переменной. Например, если A увеличивается, увеличивается и B. Если A уменьшается, уменьшается и B. Например, большее количество осадков вызывает увеличение уровня воды в местной реке. В отрицательной причинно-следственной связи изменение одной переменной вызывает противоположное изменение другой. Например, если больше людей приезжают в город и паркуют свои машины, это приводит к уменьшению числа свободных парковочных мест.

ПОЧЕМУ КОРРЕЛЯЦИЯ НЕ РАВНА ПРИЧИНА-ЕФФЕКТУ

Как мы уже обсудили, корреляция просто означает, что существует какая-то связь между двумя переменными. В отличие от этого, причинно-следственная связь означает, что изменение одной переменной вызывает изменение другой. Люди часто путают эти два понятия, предполагая, что если две переменные имеют связь (как положительную, так и отрицательную), то одна из них вызвала изменение другой. Два лежащих рядом домино. Корреляция не равна причинно-следственной связи. Маркетологи особенно часто совершают эту ошибку. «Смотрите, мы сделали X, и наши продажи увеличились!» И начинают вкладывать время, усилия и ресурсы в то же самое. Через два месяца команда чешет в затылке, пытаясь понять, почему новая кампания не приносит значительных результатов. На самом деле, существует множество других причин, по которым две переменные могут демонстрировать определенный паттерн изменения. Понимание этих причин помогает избежать предположения о причинно-следственной связи, когда это на самом деле просто корреляция.

ТРЕТИЯ ПЕРЕМЕННАЯ (ИЛИ ПУТЕВОДНАЯ ПЕРЕМЕННАЯ)

Вместо того чтобы одна переменная вызывала изменение другой, может быть третья переменная, влияющая на обе. Классический пример — это увеличение продаж мороженого при увеличении случаев солнечных ожогов. Вместо того чтобы предполагать, что одно вызывает другое, стоит рассмотреть третью переменную, влияющую на обе: погоду. Более высокая температура и большее количество солнечных дней влияют как на продажи мороженого, так и на количество случаев солнечных ожогов.

ВОПРОСЫ НАПРАВЛЕННОСТИ

Вопрос направленности касается того, когда неясно, вызывает ли переменная A изменение переменной B или переменная B вызывает изменение переменной A. Например, пьете ли вы больше кофе из-за того, что плохо спали, или плохо спите из-за того, что пьете больше кофе? Это типичная проблема для маркетинга и продаж, так как каждая из команд будет с радостью брать на себя заслугу за увеличение дохода и приводить какие-то метрики, которые, кажется, подтверждают, что «мы это сделали».

ЦЕПНАЯ РЕАКЦИЯ

Аналогично вопросу третьей переменной, цепные реакции происходят, когда одна или несколько других переменных действуют как посредники между A и B. Вместо того чтобы A вызывало B, возможно, A вызывает изменение переменной C, и изменение C влияет на B. Если бы вы что-то изменили в переменной C, корреляция между A и B могла бы исчезнуть.

КАК КОРРЕЛЯЦИЯ VS. ПРИЧИНА-ЕФФЕКТ ВЛИЯЕТ НА ВАШ БИЗНЕС

Современные продажи и маркетинговые кампании основаны на данных, поэтому важно понимать паттерны в данных и то, какие отношения они указывают. Когда вы понимаете, где в вашем бизнесе проявляются корреляция и причинно-следственная связь, вы лучше подготовлены к их идентификации.

КОРРЕЛЯЦИЯ VS. ПРИЧИНА-ЕФФЕКТ В МАРКЕТИНГЕ

В любой эффективной цифровой маркетинговой кампании вы постоянно вносите изменения и корректировки на ходу. И с таким количеством переменных может быть сложно определить, что именно вызывает определенный эффект. Это не означает, что нечего учиться, просто нужно быть осторожным. Email-маркетинг — это важная часть цифрового маркетинга, и маркетологи часто тестируют множество различных способов для потенциального улучшения результатов. Вы можете изменить заголовок и увидеть лучший показатель открытий. Но что, если этот показатель открытий зависит от времени суток, дня недели или даже от того, какие подписчики получили это письмо в тот день? Поэтому важно контролировать другие переменные и тестировать одну вещь за раз (и с достаточным объемом для получения статистически значимого результата).

КОРРЕЛЯЦИЯ VS. ПРИЧИНА-ЕФФЕКТ В ПРОДАЖАХ

Команды продаж также все больше стремятся оптимизировать свои процессы и практики с помощью «больших данных». Поиск внешних факторов, влияющих на продажи, также может быть ключевым для планирования и стратегии. Рассмотрим простой пример, когда изменение цены кажется связанным с изменением продаж. Например, ваша компания продает зимние сапоги. Увеличение затрат заставляет вас повысить цены. И продажи увеличиваются месяц за месяцем! Может показаться, что увеличение цен привело к увеличению продаж, но нужно учитывать другие факторы, такие как сезонность и то, оставались ли ваши маркетинговые усилия и наличие продукции постоянными. Возможно, в то время, когда вы были вынуждены повысить цены, вы также смогли разместить свои зимние сапоги в новом магазине. Или, может быть, это поздняя осень, и приближающаяся зима приводит к росту спроса на зимние сапоги.

КАК ОПРЕДЕЛИТЬ КОРРЕЛЯЦИЮ ИЛИ ПРИЧИНА-ЕФФЕКТ

Ваш бизнес не происходит в идеально контролируемой лабораторной среде. Множество переменных и условий могут влиять на результаты ваших маркетинговых и продажных кампаний. Однако это не означает, что вы не можете изучать свои данные, чтобы оптимизировать свои процессы. Лучший способ установить причинно-следственную связь — изменить одну вещь и посмотреть, что произойдет. Вы можете представить это как тестирование вашей гипотезы. Гипотеза — это то, что вы думаете произойдет, если вы измените переменную или условие. Например, вы можете предположить, что отправка ежемесячного информационного письма раньше в день приведет к более высокому показателю открытий. Переменная, которую вы изменяете, — это время отправки информационного письма. Чтобы получить значимые доказательства того, что ваша гипотеза верна, вы должны оставить все остальные переменные неизменными: заголовок, имя отправителя и т.д. Если какие-либо другие детали изменятся, вы не сможете однозначно сказать, что время отправки повлияло на показатель открытий. Здесь и приходит на помощь A/B тестирование. Два письма с разными заголовками. A/B тестирование позволяет вам изменять и тестировать одну переменную в вашем маркетинге или опыте клиента за раз. Одним из самых распространенных применений A/B тестирования является определение лучшего заголовка для email. Вы отправляете одно и то же письмо в одно и то же время двум группам людей, каждая из которых получает заголовок. Если есть разница в показателе открытий или конверсии, можно с уверенностью предположить, что заголовок был причиной (если разница статистически значима).

ЛУЧШЕ ПОНИМАЙТЕ СВОЮ АУДИТОРИЮ С ПОМОЩЬЮ A/B ТЕСТИРОВАНИЯ

Начните оптимизировать свою email-маркетинговую кампанию с 14-дневной бесплатной пробной версией MautiBox. Email-адрес Начните

ЧАВО

КАК ОПРЕДЕЛИТЬ, ЧТО ОТНОШЕНИЕ ЯВЛЯЕТСЯ ПРИЧИНОЙ ИЛИ КОРРЕЛЯЦИЕЙ

Корреляция — это когда существует наблюдаемая связь между двумя переменными. Причинно-следственная связь — это более специфическая связь, в которой одна переменная вызывает изменение другой. Идеальный способ определить причинно-следственную связь — это провести контролируемый эксперимент. Оставив все остальное неизменным, вы измените переменную, которую считаете причиной, и наблюдаете, чтобы увидеть, вызывает ли это изменение в переменной, которую считаете зависящей. Если вы не можете провести такой контролируемый эксперимент, полезно искать внешние факторы, которые могут вызывать корреляцию.

ПРИМЕР ПРИЧИНО-СРЕДСТВЕННОЙ СВЯЗИ

Причинно-следственная связь означает, что одна переменная вызывает изменение другой — например, как количество продуктов в контейнере увеличивается, увеличивается и вес контейнера. Добавление продуктов добавляет дополнительный вес и, следовательно, вызывает увеличение веса контейнера.

ПРИМЕР КОРРЕЛЯЦИИ, НО НЕ ПРИЧИНО-СРЕДСТВЕННОЙ СВЯЗИ

Количество людей, покупающих календари, и количество людей, вступающих в фитнес-клубы, увеличивается в начале года. Люди не вступают в фитнес-клуб из-за того, что купили календарь, и не покупают календарь из-за того, что вступили в фитнес-клуб. Обе переменные зависят от времени года и культурных норм.

КОРРЕЛЯЦИЯ НЕ ИМПЛИЦИРУЕТ ПРИЧИНУ

Все хотят работать умнее. Все хотят быстро продвигаться вперед. Эти желания делают соблазнительным видеть связи там, где их нет, и предполагать причинно-следственную связь. В маркетинге и продажах это может привести к тому, что вы будете тратить время и ресурсы на изменения, которые не приводят к улучшению. Хорошая новость в том, что если вы осознаете различия между корреляцией и причинно-следственной связью, вы можете тестировать и анализировать свои данные, чтобы определить, когда изменения стоит внедрять. И с постоянно растущим количеством цифровых взаимодействий с клиентами вы можете собирать и учиться на данных больше, чем когда-либо. Чтобы получить доступ к полным данным о клиентах (и потенциальных клиентах) и начать использовать A/B тестирование в своих кампаниях для проверки гипотез, основанных на данных, воспользуйтесь бесплатной пробной версией MautiBox.