Reklam Etkinliğinin Ölçülmesi

Grp(Gross rating point) ile yardımsız hatırlanmayı ilişkilendirmek kadar zulüm bir şey ben daha görmedim. Neyseki geçikmesi dağıtılmış modeller bir noktaya kadar bizi kurtarabiliyor. Keywords: otokorelasyon, çapraz korelasyon (cross correlation), doğrusal olmayan regresyon, adstock, carry over, lagged variables. Param boşa mı gidiyor? Reklamım başarılı oldu mu? Şunada anlam veremedim reklamım %15 hatırlanmış güzel başarılıyız. Neye göre %15, rakipleri modele katmayı unutmayalım lütfen !!! Birde kalitatifçiler için; reklam etkinliği ölçümünüzde Wilcoxon signed-rank test uygulayabilirsiniz. Nede olsa öncesi sonrası vereceksiniz.

Gecikmesi dağıtılmış modeller iktisadi teorilerin açıklanmasında oldukça yaygın bir şekilde kullanılmaktadır. Türkiye’de yapılan çalışmalar içinde, tarımsal üretim ve tarım sektöründe gecikmesi dağıtılmış Koyck modeli çalışmaları bulunmaktadır. Bu çalışmalara örnek olarak pamuk üretimi ve fiyat arasındaki ilişkiyi ortaya koymak amacıyla (Yurdakul,1998), tütün üretiminde fiyat arasındaki ilişkiyi ortaya koymak için (Dikmen,2005) ve doğrudan gelir desteği ve katma değer arasındaki ilişkiyi göstermek amacıyla (Eraktan ve ark. 2004) Koyck modelinden yararlanılan çalışmalardır.


İncelemenizi tavsiye ederim :

http://www.deu.edu.tr/userweb/hamdi.emec/bolum14.pdf
http://userweb.port.ac.uk/~judgeg/INEMET/U13783/koyck.pdf
http://www.buseco.monash.edu.au/ebs/pubs/wpapers/1999/wp6-99.pdf
http://www.belgeler.com/blg/1cpd/reklam-etkinliginin-olculmesinde-kullanilan-istatistiksel-yontemler-the-statistical-methods-used-for-measuring-the-advertising-efficiency

Keywords : Reklam nasıl ölçerim, Reklamım başarılı mı, GRP, Gross rating point, Reklam etkinliği

Statistica Paket Programı

Aşağıdaki linklerden Statistica 7 paket programını indirebilirsiniz.

http://hotfile.com/dl/115685822/16b1844/Statistica7.part1.rar.html

http://hotfile.com/dl/115765733/4c2ae87/Statistica7.part2.rar.html

http://hotfile.com/dl/115780093/e8c8625/Statistica7.part3.rar.html

Binom Dağılıma Uygunluk (Ki-Kare Algoritması C#.NET)

float a = count / (float)deger;

int d = 0;

if (a > 0.20 || sayi>0)

{

for (int k = 0; k < list.Count; k++)

{

if ((float)(list[k]) < 5 && a > 0.20)

{

if (k == 0)

{

k++;

}

count++;

a = list.Count / count;

list[k - 1] = (float)list[k] + (float)list[k - 1];

list.RemoveAt(k);

list2[k - 1] = (float)list2[k] + (float)list2[k - 1];

list2.RemoveAt(k);

k--;

d++;

}

else if ((float)(list[k]) < 1)

{

count++;

a = list.Count / count;

list[k - 1] = (float)list[k] + (float)list[k - 1];

list.RemoveAt(k);

list2[k - 1] = (float)list2[k] + (float)list2[k - 1];

list2.RemoveAt(k);

k--;

d++;

}

else

{

}

}

for (int j = 0; j < list.Count; j++)

{

m_Grid[6, j].Value = list[j];

m_Grid[7, j].Value = list2[j];

}

if (d > 0)

{

kikare = 0;

for (int j = 0; j < list.Count; j++)

{

kikare = ((((float)m_Grid[7, j].Value - (float)m_Grid[6, j].Value) * ((float)(m_Grid[7, j].Value) - (float)(m_Grid[6, j].Value))) / (float)m_Grid[6, j].Value) + kikare;

}

}

Yaklaşık 200 satırlık bir kod mevcut. Yukarıda ise kısaca 1 den küçük göze varsa birleştir. 5 ten küçükleri oranla %20den büyükse yine göze birleştirme işlemi yap vb..

Algoritma Statistica binom dağılıma uygunluk ile aynı mantıkla çalışmaktadır.

Akademik Bilgi Sistemi

Bitirme ödevim devam etmektedir. www.okanbircan.tk sitesinden en güncel halini takip edebilirsiniz.

One - Way ANOVA, SPSS

Kısaca tek yönlü varyans analizini, örnek bir soru üzerinde SPSS paket programı ile nasıl yapıldığını açıklamaya çalışacağım.

Varyans Analizi Varsayımları :

- Bağımlı değişken normal dağılım gösterir.
- Varyansların homojen olması gerekir.
- Ölçüm düzeyi eşit aralıklı veya oranlı.
- Rassallık

Dipnot :

- ANOVA, anakitle ortalamaları arasında farkın olup olmamasını sınar.
- ANOVA yapılabilmesi için en temel şart, ortalamaları incelenecek olan anakitlelerin varyanslarının aynı olmasıdır.

Örneğimiz : Bir fabrikada aynı işi yapmakta olan 3 işçi olsun. Rassal olarak belirlenen 5 gün içinde ürettikleri günlük parça sayıları aşağıda verilmiştir. İşçilerin günlük ortalama verimlilikleri arasında bir fark olup olmadığını %5 a.d. test edelim.

Günler / İşçiler 1 2 3

1 79 74 72

2 74 69 71

3 92 87 81

4 67 81 61

5 85 64 63

H0 : Mu1=Mu2=Mu3

H1 : Anakitle ort. en az ikisi eşit değildir.

SPSS Veri Girişi :

Menüden Analyze --> Compare Means --> One-Way Anova

Karşımıza çıkan ekranda dependent list bölümüne bağımlı değişkenimizi atıyoruz. Verimlilikler arasındaki farkı sınadığımız için 2.sütünumuzu bu kısma diğer kısma ise 1.sütunumuzu atıyoruz.

Post hoc kısmındanda ikili karşılaştırmaların yapılması için (fark yaratan hangisi?) tukey 'i işaretliyoruz.

SONUÇ :

Yorum :

Anova tablomuzdaki sig. = ,263 olduğu için hipotezimizi kabul ediyoruz. Yani sözü edilen verimlilikler arasında fark yoktur. Eğer, H0 red olsa idi bu sefer fark yaratan değişkeni tespit etmek için tukey sınamasında çıkan değerleri kontrol edicektik.

Örnek Soru Esogü İst. bölümü 2010-2011 yılı Pazarlama ders notlarından alıntıdır.