理夫斯“UP”評估模型(轉載)
理夫斯“UP”評估模型
理夫斯“UP”評估模型
UP評估模型,實際上是一種大樣本抽象調查模式。
其基本原理是:在全國範圍廣泛的領域抽樣,把所得大樣本分為兩類:一類是未受廣告影響者,調查出那些不知廣告卻使用產品者,即對目前所實施的廣告一無所知但卻正在使用該產品的人,計算出該類人所佔比例(如記為X%);
另一類是受廣告影響者,調查出那些知廣告而使用該產品者,即對所實施廣告有深刻記憶而目前也正使用該產品的人,計算出該類人所佔比例(如記為Y%)。這樣,顯而易見:如不做廣告,只有X%的人購買商品,;若做廣告,則有Y%的人購買商品,其差額即(Y-X)%的人是被廣告影響或引導而購買使用該產品的,這個差值就稱作“使用牽引率”。
按照理夫斯的說法,此模型是判斷廣告促銷效果最為簡便的算術計演算法。
[編輯]
UP評估模型計算方法
UP=(A/A+C)-(B/B+D)
其中
- A是看過廣告而購買的人數
- B是未看過廣告而購買的人數
- C是看過廣告而未購買的人數
- D是未看過也未購買者人數
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/7942439/viewspace-18318/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 迴歸模型-評估指標模型指標
- 如何評估大語言模型模型
- 機器學習之模型評估機器學習模型
- 如何評估RPA需求,RPA需求的模型模型
- GNN 模型評估的一些陷阱GNN模型
- GNN模型評估的一些陷阱GNN模型
- 模型評估與改進:交叉驗證模型
- 資料庫效能需求分析及評估模型資料庫模型
- 手搓大模型Task04:如果評估你的大模型大模型
- 【模型評估與選擇】sklearn.model_selection.KFold模型
- MIS607網路安全評估威脅模型模型
- 多通道負載測試和效能評估?負載
- 如何開發和評估Vanilla LSTM模型?(附程式碼)模型
- 一文詳盡系列之模型評估指標模型指標
- 長上下文語言模型評估體系探析模型
- 1、擬合、預測、估算器、管道與模型評估模型
- 模型評估過程中:命中率/覆蓋率模型
- 說說你對RAIL效能評估模型的瞭解AI模型
- 自我評估
- 通過貝葉斯公式來評估功能難度和返工率公式
- dBright&知乎:“EXACT”廣告潛力評估模型和應用報告(附下載)模型
- 可用於資料庫對比評估的FURPS+模型資料庫模型
- kafka容量評估Kafka
- 一文解碼語言模型:語言模型的原理、實戰與評估模型
- 語音識別 (ASR) 模型測試 之 評估指標探索模型指標
- 【轉載】Encoder-decoder模型模型
- 系統效能評價---效能評估
- 貝葉斯統計和因果推斷在轉轉估價中的落地實踐
- Linux效能評估工具Linux
- 前端工時評估前端
- 缺陷評估規範
- RAG應用評估
- JuiceFS 效能評估指南UI
- 音訊質量評估及音訊處理常用功能音訊
- 【模型評估與選擇】交叉驗證Cross-validation: evaluating estimator performance模型ROSORM
- 機器學習-學習筆記(二) --> 模型評估與選擇機器學習筆記模型
- 如何更好評估信用貸風險?看這場評分卡模型直播就可以了模型
- 六種GAN評估指標的綜合評估實驗,邁向定量評估GAN的重要一步指標
- 「轉載」成功的 Git 分支模型Git模型