當行銷遇到了困難，卻不適用傳統的測試方法時該怎麼辦？來看看Netflix所採取的方法。
即使你試圖使你的各方行銷數據驅動化(Data Driven)，仍可能遇到傳統測試無法解決的情況；也許你正在使用不可尋址(non-addressable)的媒體，但也因此你將無法隔離和隨機化你的受眾；又或者，你大動作的重新設計了你網站，但卻有一半是不切實際的。
這些就是Netflix會採用的「準實驗」的狀況—而這些測試並不容易實施，然而產生了可操作的商業智能。
資深產品經理Mike Pow分享公司如何進行「準實驗」以及如何更廣泛地推廣它們；通常情況下，尋求前進方向指導的行銷人員將採用A / B測試—將變數歸類到一個組，同時保持第二個定數；但要取得成功，測試中的A和B組必須是相似的和隨機的，有時候這是不可能或不實際的。
「有幾種類型的問題需要使用準實驗！」Pow提及：「一個是當你無法控制用戶層時。」舉個例子，如果你購買無線電或其他媒體時，你無法精確控制你的消息。
「另一類是當你不想控制用戶層時，」他繼續說道：「假設你試圖衡量口耳相傳的效果，那麼你必須試著看一群人如何接收你的策略，然後互動並談論你的產品；因此，你必須在場域面提供媒體，然後你可以看到購買模式如何因為你的策略而改變。」
Pow解釋說，無論如何，準實驗通常是隨機的，但仍然會依據兩個總體受眾相似的地理區域，然後使用一個作為對照組而另一個作為實驗組。
Pow說：「這只是公司學習的另一種技術，這是Netflix所做的核心。」Netflix以擁有非常實驗性的公司文化而著稱，它使用數據來推動推薦以及創建原始內容。
「Netflix告訴了我們一件事，幾乎任何事情都可以以令人難以置信的準確度預測 — 即使是那些以前認為不可能的事情！」 《Big Data and Big Data in Practice》的作者Bernard Marr在書中寫道。Netflix的準實驗開始於幾年前；當時，這些項目是通過臨時的獨立電子表格進行管理的，Pow說：「這使得媒體購買通信，以及隨後的分析，但超級混亂，而且很難重複執行。」
這就是為什麼Netflix開始設計軟體，以便在設計、運作和分析準實驗結果時獲得的學習能夠得到保存和建立。Pow說：「隨著我們的準實驗量的增加，我們決定構建一個具有特定功能的平台。」該平台允許團隊在規劃、設計、執行和分析整個測試生命週期。
推薦閱讀：