Wie lässt sich Preiselastizität schätzen?
Vom Log-Log-Modell bis zum Unsicherheitsintervall: verstehen, was ein Koeffizient tatsächlich misst, bevor eine Preisänderung simuliert wird.
12 Min. · Datensatz MSC-001Werkzeug testen ↗
Research & Evidence · Lernen durch Anwenden.
Werkzeuge zum Analysieren,
Verstehen und Entscheiden im Marketing
Ein öffentliches Labor für Methoden, Daten und Evidenz, die Marketingentscheidungen fundieren.
01 Explizite Annahmen02 Herunterladbare Daten03 Explizite Grenzen
Unser Evidenzversprechen 01 / 04
Von der Frage zur Entscheidung
Eine Methode ist nur wertvoll, wenn sie verstanden, reproduziert und hinterfragt werden kann.
Das Labor verwendet für seine Referenzdossiers ein einheitliches Protokoll. Es zeigt, was sich aus den Daten ableiten lässt — und was nicht.
Ausgewählte Dossiers ansehen ↓- 01Frage
- 02Annahmen
- 03Daten
- 04Modell
- 05Berechnung
- 06Unsicherheit
- 07Grenzen
- 08Entscheidung
Wissenschaftliche Felder 02 / 04
Das wissenschaftliche und methodische Zentrum
Sechs Disziplinen.
Ein gemeinsamer Anspruch.
Sechs Felder, um Wirkungen zu messen, Modelle offenzulegen und abzugrenzen, was Daten für Entscheidungen leisten können.
01Δ
Marketingmessung
Marketingwirkungen messen und dabei Attribution, Inkrementalität und Kausalität trennen.
- MMM
- Inkrementalität
- Experimente
02ε
Preisforschung
Preis, Nachfrage und wahrgenommenen Wert mit expliziten Annahmen und Unsicherheiten verbinden.
- Elastizität
- Zahlungsbereitschaft
- Conjoint-Analyse
03C
Kundenforschung
Kundenwert, Bindung und Verhalten im Zeitverlauf analysieren, ohne Datengrenzen zu verschleiern.
- CLV
- Abwanderung
- Kohorten
04μ
Marktforschung
Verlässliche Messungen zur Beobachtung von Märkten, Wahrnehmungen und Präferenzen entwickeln.
- Stichproben
- Skalen
- Verzerrungen
05ƒ
Marketingmodelle
Reaktion, Diffusion und Nachfrage formalisieren, um Mechanismen zu vergleichen statt Kurven zu erzählen.
- Sättigung
- Verzögerungseffekt
- Nachfragefunktionen
06P
Entscheidungswissenschaft
Szenarien vergleichen und Unsicherheit quantifizieren, bevor ein menschliches Urteil vorbereitet wird.
- Monte Carlo
- Sensitivität
- Bayes
Ausgewählte Dossiers 03 / 04
Mit einer echten Frage beginnen
Drei Methoden.
Drei Evidenzketten.
Dossiers als Arbeitsobjekte: Methode, Datensatz, Berechnung und Interpretationsgrenze.
y = α(1 − e−βx)
Wann sättigt sich die Marketingreaktion?
Funktionale Formen, Grenzerträge und Diagnosen vergleichen, bevor eine Kurve interpretiert wird.
10 Min. · Datensatz MSC-002Daten ansehen ↘
τ̂ = (ȳT,post − ȳT,pre) − (ȳC,post − ȳC,pre)
Hat eine Aktion zusätzliche Verkäufe erzeugt?
Ein glaubwürdiges Kontrafaktum aufbauen und beobachteten Effekt, echte Inkrementalität und zeitliche Verschiebung trennen.
14 Min. · Datensatz MSC-005Daten ansehen ↗
Methodenbibliothek 40 / 40
40 Referenzdossiers
Von der Frage zur überprüfbaren Methode.
Jedes Dossier zeigt statistisches Ziel, Daten, Berechnung, Unsicherheit, Prüfungen und Entscheidungsgrenze.
01MSC-P-001
Grundlagen der Evidenz
Wie wird aus einer Marketingbehauptung eine testbare Frage?
Dossier öffnen↗
02MSC-P-002
Grundlagen der Evidenz
Korrelation oder Kausalität: Welche Aussage trägt eine Analyse wirklich?
Dossier öffnen↗
03MSC-P-003
Grundlagen der Evidenz
Wie lässt sich die Unsicherheit eines Marketingergebnisses ausdrücken?
Dossier öffnen↗
04MSC-P-004
Grundlagen der Evidenz
Signifikanz oder Effektgröße: Welches Ergebnis ist zu interpretieren?
Dossier öffnen↗
05MSC-P-005
Messwissenschaft
Wie misst man ein nicht direkt beobachtbares Marketingkonstrukt?
Dossier öffnen↗
06MSC-P-006
Messwissenschaft
Wie wird eine Messskala entwickelt und validiert?
Dossier öffnen↗
07MSC-P-007
Messwissenschaft
Alpha oder Omega: Wie wird die Reliabilität einer Skala beurteilt?
Dossier öffnen↗
08MSC-P-009
Messwissenschaft
PCA, EFA oder CFA: Welche Methode passt?
Dossier öffnen↗
09MSC-P-010
Experimente und Kausalität
Wann sollte ein Marketingexperiment durchgeführt werden?
Dossier öffnen↗
10MSC-P-011
Experimente und Kausalität
Wie plant man einen A/B-Test, der tatsächlich einen Effekt schätzt?
Dossier öffnen↗
11MSC-P-012
Experimente und Kausalität
Wie viele Beobachtungen braucht ein Experiment?
Dossier öffnen↗
12MSC-P-013
Experimente und Kausalität
Wie misst man den inkrementellen Kampagneneffekt mit einer Kontrollgruppe?
Dossier öffnen↗
13MSC-P-017
Experimente und Kausalität
Wie erkennt man Selektion, Kontamination und Ausfall in einem Experiment?
Dossier öffnen↗
14MSC-P-018
Regression und Ökonometrie
Prädiktive oder kausale Regression: Was soll geschätzt werden?
Dossier öffnen↗
15MSC-P-019
Regression und Ökonometrie
Wie diagnostiziert man eine Marketingregression vor der Interpretation?
Dossier öffnen↗
16MSC-P-022
Preisforschung
Wie schätzt man Preiselastizität und ihre Unsicherheit?
Dossier öffnen↗
17MSC-P-026
Wahlmodelle
Logit vs Probit: Wie wählt man für eine Kaufwahrscheinlichkeit?
Dossier öffnen↗
18MSC-P-029
Customer Science
Welche Kunden haben die höchste Churn-Wahrscheinlichkeit?
Dossier öffnen↗
19MSC-P-027
Messwissenschaft
TAM, UTAUT oder UTAUT2: Welcher Rahmen eignet sich zur Untersuchung der Technologieakzeptanz?
Dossier öffnen↗
20MSC-H-001
Experimente und Kausalität
Messung und Kausalität: Wie lässt sich ein Marketingeffekt belegen?
Dossier öffnen↗
21MSC-H-002
Regression und Ökonometrie
Marketing-Reaktionsmodelle: Form, Verzögerung und Sättigung
Dossier öffnen↗
22MSC-H-003
Preisforschung
Preisforschung: Preis, Nachfrage und Deckungsbeitrag verbinden
Dossier öffnen↗
23MSC-H-004
Customer Science
Kunden- und Wahlforschung: Verhalten, Wert und Heterogenität
Dossier öffnen↗
24MSC-H-005
Messwissenschaft
Messwissenschaft: valide Indikatoren entwickeln
Dossier öffnen↗
25MSC-H-006
Grundlagen der Evidenz
Statistische Entscheidungsmethoden: wählen, quantifizieren, validieren
Dossier öffnen↗
26MSC-P-008
Messwissenschaft
Wie validiert man eine Marketing-Messskala?
Dossier öffnen↗
27MSC-P-014
Experimente und Kausalität
Wie plant man ein geografisches Marketingexperiment?
Dossier öffnen↗
28MSC-P-015
Experimente und Kausalität
Wie schätzt man einen Effekt mit Difference-in-Differences?
Dossier öffnen↗
29MSC-P-020
Preisforschung
Wie behandelt man Preisendogenität?
Dossier öffnen↗
30MSC-P-021
Regression und Ökonometrie
Feste oder zufällige Effekte: Welches Panelmodell passt?
Dossier öffnen↗
31MSC-P-023
Preisforschung
Wie schätzt man eine Nachfragefunktion?
Dossier öffnen↗
32MSC-P-024
Preisforschung
Wie simuliert man ein Preis-Mengen-Margen-Szenario?
Dossier öffnen↗
33MSC-P-028
Customer Science
Wie schätzt man CLV mit BG/NBD und Gamma-Gamma?
Dossier öffnen↗
34MSC-P-030
Customer Science
Wie analysiert man Kundenbindung mit Überlebensmodellen?
Dossier öffnen↗
35MSC-P-031
Customer Science
Wie erstellt man eine nützliche Kundensegmentierung?
Dossier öffnen↗
36MSC-P-032
Customer Science
Wie prüft man die Stabilität einer Segmentierung?
Dossier öffnen↗
37MSC-P-033
Regression und Ökonometrie
Wie validiert man eine Marketingprognose?
Dossier öffnen↗
38MSC-P-034
Grundlagen der Evidenz
Wie erstellt man eine Monte-Carlo-Simulation für Marketingentscheidungen?
Dossier öffnen↗
39MSC-P-035
Regression und Ökonometrie
Wie modelliert man Sättigung und Adstock?
Dossier öffnen↗
40MSC-P-039
Grundlagen der Evidenz
Welchen statistischen Test sollte man wählen?
Dossier öffnen↗
Offenes Datenlabor 04 / 04
Reproduzierbare Datensätze
Mit überprüfbaren Daten lernen.
Jeder Beispieldatensatz ist synthetisch, dokumentiert und bewusst kompakt. Er dient der Reproduktion einer Methode, nicht der Verallgemeinerung eines Marktergebnisses.
FORMAT CSV UTF‑8 LIZENZ CC0 1.0
Variablen, Methoden und Grenzen →Price Elasticity
Preis · Volumen · Saisonalität · 24 Beobachtungen
Advertising Response
Ausgaben · Exposition · Reaktion · 24 Beobachtungen
Promotion Incrementality
Test · Kontrolle · Verkäufe · 24 Beobachtungen
Customer Lifetime Value
Aktualität · Häufigkeit · Wert · 30 Kunden
Marketing Mix Modeling
Kanäle · Verkäufe · Kontrollen · 36 Perioden
Measurement Validity
Befragte · Items · Gruppen · 30 Befragte
Monte Carlo Inputs
Szenarien · Verteilungen · Abhängigkeiten · 24 Annahmen
Reproduzierbare Werkzeuge 05 / 05
MSC-T01 — MSC-T08
Fünf Berechnungen, fünf Interpretationsgrenzen.
Jedes Werkzeug zeigt die Berechnung und benennt, was sie nicht belegt.
A/B-Stichprobengröße
3.841 je GruppeZweiseitige Normalapproximation, 1:1-Zuteilung, 80% Power, α = 5%, ohne Ausfall oder Designeffekt.
Differenz-von-Differenzen
Differenz-von-Differenzen: +7.0 IndexpunkteDeskriptiver 2×2-Kontrast; kausal nur bei durch das Design gestützten parallelen Trends.
Konstante Elastizität
-6.6%Bedingtes Szenario, keine Preisempfehlung.
Preis-Menge-Marge
P₀ 100 € · VC 55 € · Q₀ 10 000
Beitragsänderung: +3.8%Bedingtes Szenario, keine Preisempfehlung.
MSC-P-024 →Monte Carlo
Wahrscheinlichkeit eines positiven Beitrags: ≈ 99.9% (MC-Standardfehler ≈ 0.1 pp · Wilson-95-%-KI ≈ 99.6–100.0%)2.000 Ziehungen mit festem Seed; nur Elastizität folgt einer unbeschränkten Normalverteilung, ohne MSC-010-Abhängigkeiten.
MSC-P-034 →