Nova esploro de University of Notre Dame uzas datumojn de LG smart TV-oj por mezuri la efikon de televidaj reklamoj. Teamon gvidis Shijie Lu kun kunaŭtoroj Tsung-Yiou Hsieh kaj Rex Yuxing Du; ili analizis spektadon kaj aĉetajn agadojn por milionoj da homoj dum kvarmonata periodo. La studo fokusis al dissendo-retoj kaj ne sekvis streaming-aplikojn.
La metodo utiligas sekundon-post-sekundon hejmajn spektaddatumojn kaj naturajn tempodiferencojn dum vivaj programoj. Tio kreas naturan eksperimenton, kiu heligas apartigi verajn reklamajn efikojn de aliaj faktoroj.
La aŭtoroj trovas, ke tradiciaj mezurmetodoj trotaksiĝas pri reklamaj efikoj je 55% en studo pri manĝaĵliveraj servoj. Ili ankaŭ observis, ke promocioj por novaj aĉetantoj plibonigas retenadon kaj ke reagemo pintas en du tagoj post aĉeto.
Malfacilaj vortoj
- esploro — Sistema studo por trovi novajn informojn
- datumo — Unuopa informo kolektita por analizodatumojn
- dissendo-reto — Firmaoj kiuj dissendas televidajn programojndissendo-retoj
- metodo — Maniero aŭ procedo por fari esploron
- eksperimento — Kontrolita situacio por testi efikojneksperimenton
- trotaksiĝi — Subtaksi aŭ taksi malpli ol veratrotaksiĝas
- retenado — La ago restigi klientojn aŭ uzantojnretenadon
- reagemo — Rapida respondo aŭ klienta reago
- promocio — Oferto aŭ kampanjo por altiri aĉetantojnpromocioj
Konsilo: ŝovu la musmontrilon, fokusu aŭ tuŝu la reliefigitajn vortojn en la artikolo por vidi rapidajn difinojn dum legado aŭ aŭskultado.
Diskutaj demandoj
- Kiel kompanioj povus uzi la informon, ke reagemo pintas du tagojn post aĉeto?
- Ĉu vi opinias ke promocioj por novaj aĉetantoj estas bona strategio por retenado? Kial?
- Kial la aŭtoroj uzis naturajn tempodiferencojn por krei naturan eksperimenton?
Rilataj artikoloj
Artefarita inteligenteco por kontraŭi sekse bazitan perforton en Latin-Ameriko
Grupoj en Latin-Ameriko evoluigas malfermfontajn kaj lokajn AI-ilojn por studi sekse bazitan perforton, protekti sentemajn datumojn kaj doni pli bonan evidenton al registaroj kaj civila socio. Ekzemploj inkluzivas AymurAI kaj PIT Policy Lab.
