Research & Evidence

Methode suchen

Titel, Fragen, Gebiete und MSC-Kennungen durchsuchen.

    ← Alle Methoden
    METHODEN-DOSSIERMSC-P-014Experimente und KausalitätGeprüftes wissenschaftliches Dossier

    Wie plant man ein geografisches Marketingexperiment?

    Ein Geo-Experiment vergleicht Test- und Kontrollregionen vor und während der Maßnahme. Das Design muss Kontamination, Vorperioden-Ungleichgewicht und zeitliche Abhängigkeit begrenzen.

    Wissenschaftliche Redaktion: Marketing Science Center

    Direkte Antwort

    Einen aggregierten inkrementellen Effekt in den untersuchten Regionen und im Zeitraum schätzen.

    Ein Geo-Experiment vergleicht Test- und Kontrollregionen vor und während der Maßnahme. Das Design muss Kontamination, Vorperioden-Ungleichgewicht und zeitliche Abhängigkeit begrenzen.

    Hernán & Robins, Causal Inference: What IfVaver & Koehler, 2011

    01

    Operative Zusammenfassung

    Wissenschaftliche Frage und Geltungsbereich

    Wie plant man ein geografisches Marketingexperiment?

    Vertretbar

    Einen aggregierten inkrementellen Effekt in den untersuchten Regionen und im Zeitraum schätzen.

    Unzulässig

    Den Effekt einzelnen Personen zuschreiben oder vorbehaltlos auf andere Märkte übertragen.

    02

    Drei Leseebenen

    1. 01

      Entscheidungsebene — Ergebnis mit deklarierter Entscheidung, Nutzenschwelle und Fehlerkosten verbinden.

    2. 02

      Praxis — Population, Einheit, Horizont, verfügbare Variablen und Analyseregel vor der Berechnung festlegen.

    3. 03

      Analyse — Berechnung reproduzieren, Unsicherheit quantifizieren und Diagnosen, Fehlschläge sowie Sensitivitäten dokumentieren.

    03

    Konkrete Marketingsituation

    Ein Geo-Experiment vergleicht Test- und Kontrollregionen vor und während der Maßnahme. Das Design muss Kontamination, Vorperioden-Ungleichgewicht und zeitliche Abhängigkeit begrenzen.

    04

    Wissenschaftliche Frage und Geltungsbereich

    Wie plant man ein geografisches Marketingexperiment?

    Inkrementelles Ergebnis in behandelten Regionen

    Benötigte Daten

    Region × Periode

    Population, Analyseeinheit, Ursprungsdatum und Horizont müssen im Ergebnis deklariert sein. Andernfalls ändert sich der Estimand unbemerkt.

    05

    Warum eine einfache Analyse scheitern kann

    • Den Effekt einzelnen Personen zuschreiben oder vorbehaltlos auf andere Märkte übertragen.
    • Wurden nicht überlappende Regionen vor der Intervention zugewiesen und gemäß Zuweisung analysiert?
    • Ist die Konstruktion des Kontrafaktums unabhängig von einer Modellauswahl nach der Behandlung?
    • Berücksichtigt die Unsicherheitsmethode die geringe Zahl von Regionen und die zeitliche Abhängigkeit?

    06

    Intuition der Methode

    Die Methode macht aus einer Assoziation nicht automatisch Evidenz. Sie verbindet eine deklarierte Frage mit Estimand, Spezifikation, kompatiblen Daten und begrenzter Interpretationsregel.

    Inkrementelles Ergebnis in behandelten Regionen

    07

    Benötigte Daten

    Wörterbuch wissenschaftlicher Symbole

    Y_test_post
    Beobachtetes aggregiertes Ergebnis in den Testregionen während des deklarierten Interventionszeitraums. Einheit: deklariertes aggregiertes Ergebnis · Typ: Zahl · Rolle: Eingabe
    Y0_test_post
    Extern bereitgestelltes kontrafaktisches Aggregatergebnis dieser Testregionen ohne Behandlung; dieser Zweig schätzt es nicht. Einheit: gleiches aggregiertes Ergebnis · Typ: Zahl · Rolle: Eingabe
    z
    Zweiseitiger kritischer Wert der Normalverteilung für das deklarierte Konfidenzniveau. Einheit: dimensionslos · Typ: positive Zahl · Rolle: Parameter
    supplied_SE
    Extern bereitgestellter Standardfehler für den bedingten Kontrast; dieser Zweig schätzt ihn nicht. Einheit: gleiches aggregiertes Ergebnis · Typ: positive Zahl · Rolle: Eingabe
    conditional_increment
    Beobachtetes Aggregatergebnis abzüglich des bereitgestellten Kontrafaktums, bedingt auf beide Eingaben. Einheit: aggregiertes Ergebnis · Typ: Zahl · Rolle: Ausgabe
    CI
    Normalverteilungsintervall um den bedingten Kontrast mit dem bereitgestellten Standardfehler. Einheit: aggregiertes Ergebnis · Typ: geordnetes Paar · Rolle: Ausgabe

    Exakte versiegelte Engine-Eingaben

    treated_geo_post_outcome
    Wert: 120 · Einheit: Index · Typ: Zahl · Datenstatus: synthetisch
    counterfactual_post_outcome
    Wert: 110 · Einheit: Index · Typ: Zahl · Datenstatus: synthetisch
    standard_error
    Wert: 4 · Einheit: Index · Typ: Zahl · Datenstatus: synthetisch
    z_critical
    Wert: 1.95996398454 · Einheit: dimensionslos · Typ: Zahl · Datenstatus: deklarierter Parameter

    08

    Formales Modell

    Formales Modell

    conditional_incremental_outcome = treated_geo_post_outcome − counterfactual_post_outcome; CI = conditional_incremental_outcome ± z_critical × standard_error

    Belegte Aussagen: MSC-P014-C01 · MSC-P014-C02 · MSC-P014-C03 · MSC-P014-C04 · MSC-P014-C05 · MSC-P014-C06

    Wissenschaftliche Frage und Geltungsbereich

    Inkrementelles Ergebnis in behandelten Regionen

    09

    Deklarierte Berechnung

    1. 01

      Behandeltes Aggregat, bereitgestelltes Kontrafaktum, positiven bereitgestellten Standardfehler und festen Interventionszeitraum prüfen.

    2. 02

      Das bereitgestellte Kontrafaktum ohne Behandlung vom Ergebnis nach der Behandlung abziehen und das Normalverteilungsintervall bilden.

    3. 03

      Nur eine bedingte Illustration berichten; randomisiertes Geo-Design, Kontrafaktumsschätzung und Unsicherheit auf Geo-Ebene bleiben außerhalb dieses Zweigs.

    10

    Zahlenbeispiel oder Anwendungsfall

    Synthetische Illustration — Lehrwerte, nicht beobachtet — synthetische Daten oder deklarierte Parameter; keine realen Beobachtungen

    Versiegelte Eingaben

    • treated_geo_post_outcome=120 [Index]
    • counterfactual_post_outcome=110 [Index]
    • standard_error=4 [Index]
    • z_critical=1.95996398454 [dimensionslos]

    Reproduzierbare Ergebnisse

    • conditional_increment=10
    • CI95=[2.160144; 17.839856]

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    11

    Validitätsannahmen

    • Wurden nicht überlappende Regionen vor der Intervention zugewiesen und gemäß Zuweisung analysiert?
    • Ist die Konstruktion des Kontrafaktums unabhängig von einer Modellauswahl nach der Behandlung?
    • Berücksichtigt die Unsicherheitsmethode die geringe Zahl von Regionen und die zeitliche Abhängigkeit?

    12

    Diagnostik und Unsicherheit

    Diagnostik und Unsicherheit

    Wurden nicht überlappende Regionen vor der Intervention zugewiesen und gemäß Zuweisung analysiert? · Ist die Konstruktion des Kontrafaktums unabhängig von einer Modellauswahl nach der Behandlung? · Berücksichtigt die Unsicherheitsmethode die geringe Zahl von Regionen und die zeitliche Abhängigkeit?

    Begrenzte Diagnose

    Bedingte Illustration mit bereitgestelltem Kontrafaktum und Standardfehler; kein geschätztes Geo-Experiment.

    Expliziter Unsicherheitsvertrag · quantified_conditional

    Methode: Deterministische Berechnung der Referenz-Engine auf dem versiegelten Eingabeausschnitt.

    Ziel: Unsicherheit des inkrementellen Ergebnisses auf Basis des bereitgestellten Kontrafaktums.

    Engine-Nachweis: metric.ci_lower= · metric.ci_upper=

    Interpretation: Das Intervall verwendet bereitgestellten Standardfehler und Kontrafaktum; es validiert kein geschätztes Geo-Experiment.

    Stoppen, wenn

    Den Effekt einzelnen Personen zuschreiben oder vorbehaltlos auf andere Märkte übertragen.

    13

    Ergebnisinterpretation

    • Einen aggregierten inkrementellen Effekt in den untersuchten Regionen und im Zeitraum schätzen.
    • Das Ergebnis gilt bedingt auf deklarierte Population, Horizont, Spezifikation und Diagnosen. Es darf nicht ohne neue Begründung auf eine andere Entscheidung übertragen werden.

    14

    Vertretbare und unzulässige Schlussfolgerung

    Vertretbar

    Einen aggregierten inkrementellen Effekt in den untersuchten Regionen und im Zeitraum schätzen.

    Unzulässig

    Den Effekt einzelnen Personen zuschreiben oder vorbehaltlos auf andere Märkte übertragen.

    15

    Mögliche Marketingentscheidung

    1. 01

      Einen aggregierten inkrementellen Effekt in den untersuchten Regionen und im Zeitraum schätzen.

    2. 02

      Das Ergebnis gilt bedingt auf deklarierte Population, Horizont, Spezifikation und Diagnosen. Es darf nicht ohne neue Begründung auf eine andere Entscheidung übertragen werden.

    16

    Wann einsetzen — wann stoppen

    Einsetzen, wenn

    Einen aggregierten inkrementellen Effekt in den untersuchten Regionen und im Zeitraum schätzen.

    Region × Periode

    Stoppen, wenn

    Den Effekt einzelnen Personen zuschreiben oder vorbehaltlos auf andere Märkte übertragen.

    Methodische Alternativen

    • Ein randomisiertes Experiment mit gepaarten Regionen und randomisierungsbasierter Inferenz durchführen.
    • Ein vorab festgelegtes synthetisches Kontroll- oder BSTS-Design nur ohne Randomisierung einsetzen und als beobachtend kennzeichnen.
    • Placebozeiträume und Sensitivitätsanalysen mit wechselndem Ausschluss einer Region zur Prüfung der Kontrafaktumsstabilität verwenden.

    17

    Reproduzierbarkeitsvertrag

    Python und R sind die ausführbaren Referenzen. SPSS und SAS bleiben Sekundärsyntax, bis sie mit denselben Daten, derselben Spezifikation und denselben Diagnosen geprüft sind.

    Die Engine wählt ausschließlich Slice und expliziten Zweig dieser Seite. Hash, Ausgaben und Diagnosen bleiben im atomaren Dossier versiegelt; ein generischer Fallback-Zweig ist unzulässig.

    Slice-Fingerabdruck: 975b12b0153042485fcfcd6db1e894c2386ab04c6491184f6365423348c2fb46

    Formales Modell

    conditional_incremental_outcome = treated_geo_post_outcome − counterfactual_post_outcome; CI = conditional_incremental_outcome ± z_critical × standard_error

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    18

    Erwartetes Endergebnis

    1. 01

      Wie plant man ein geografisches Marketingexperiment? — Region × Periode

    2. 02

      Y_test_post · Y0_test_post · z · supplied_SE · conditional_increment · CI

    3. 03

      conditional_incremental_outcome = treated_geo_post_outcome − counterfactual_post_outcome; CI = conditional_incremental_outcome ± z_critical × standard_error

    4. 04

      Wurden nicht überlappende Regionen vor der Intervention zugewiesen und gemäß Zuweisung analysiert? · Ist die Konstruktion des Kontrafaktums unabhängig von einer Modellauswahl nach der Behandlung? · Berücksichtigt die Unsicherheitsmethode die geringe Zahl von Regionen und die zeitliche Abhängigkeit?

    5. 05

      Einen aggregierten inkrementellen Effekt in den untersuchten Regionen und im Zeitraum schätzen. / Den Effekt einzelnen Personen zuschreiben oder vorbehaltlos auf andere Märkte übertragen.

    19

    Wissenschaftliche Quellen und Evidenzstatus

    Geprüftes Dossier: Aussagen sind mit Quellen auf Passagebene verknüpft, die Python/R-Berechnung ist reproduziert, Grenzen sind explizit und die unabhängige wissenschaftliche Prüfung ist abgeschlossen.

    1. MSC-P014-C01 — Das kausale Ziel vergleicht mittlere potenzielle Ergebnisse unter zwei definierten Interventionen.
    2. MSC-P014-C02 — Konsistenz verbindet das beobachtete Ergebnis mit dem potenziellen Ergebnis unter der zugewiesenen Maßnahme.
    3. MSC-P014-C03 — Der kausale Estimand setzt voraus, dass die Zuweisung eines Kunden das Ergebnis eines anderen Kunden nicht verändert.
    4. MSC-P014-C04 — Geo-Experimente randomisieren nicht überlappende Regionen auf Behandlungsbedingungen.
    5. MSC-P014-C05 — Geo-Targeting setzt die zugewiesene regionale Intervention operativ um.
    6. MSC-P014-C06 — Das Design muss einem expliziten Prozess folgen.
    1. Hernán & Robins, Causal Inference: What If
    2. Vaver & Koehler, 2011

    Methodische Verbindungen

    Übergeordnetes GebietMessung und Kausalität: Wie lässt sich ein Marketingeffekt belegen?Vergleichen mitWann sollte ein Marketingexperiment durchgeführt werden?Vergleichen mitWie schätzt man einen Effekt mit Difference-in-Differences?

    Als Nächstes

    MSC-H-001Messung und Kausalität: Wie lässt sich ein Marketingeffekt belegen?→MSC-P-010Wann sollte ein Marketingexperiment durchgeführt werden?→MSC-P-015Wie schätzt man einen Effekt mit Difference-in-Differences?→MSC-P-013Wie misst man den inkrementellen Kampagneneffekt mit einer Kontrollgruppe?→