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
- 01
Entscheidungsebene — Ergebnis mit deklarierter Entscheidung, Nutzenschwelle und Fehlerkosten verbinden.
- 02
Praxis — Population, Einheit, Horizont, verfügbare Variablen und Analyseregel vor der Berechnung festlegen.
- 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.
- Anpassung in der Vorperiode
- Ausstrahlung zwischen Regionen
- Power auf Geo-Ebene
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_errorBelegte 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
- 01
Behandeltes Aggregat, bereitgestelltes Kontrafaktum, positiven bereitgestellten Standardfehler und festen Interventionszeitraum prüfen.
- 02
Das bereitgestellte Kontrafaktum ohne Behandlung vom Ergebnis nach der Behandlung abziehen und das Normalverteilungsintervall bilden.
- 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=10CI95=[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
Anpassung in der Vorperiode · Ausstrahlung zwischen Regionen · Power auf Geo-Ebene · Randomisiertes Geo-Design von einer BSTS-Kontrolle unterscheiden · Placebozeiträume
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
- 01
Einen aggregierten inkrementellen Effekt in den untersuchten Regionen und im Zeitraum schätzen.
- 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
CSV · CC0
msc-validation-inputs-v1.csv ↓Python · MIT
msc-validation-reference-v1.py ↓R · MIT
msc-validation-reference-v1.R ↓SPSS / SAS · MIT · nur zur Inspektion
SPSS ↓SAS ↓Formales Modell
conditional_incremental_outcome = treated_geo_post_outcome − counterfactual_post_outcome; CI = conditional_incremental_outcome ± z_critical × standard_errorGeprüftes 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
- 01
Wie plant man ein geografisches Marketingexperiment? —
Region × Periode - 02
Y_test_post · Y0_test_post · z · supplied_SE · conditional_increment · CI
- 03
conditional_incremental_outcome = treated_geo_post_outcome − counterfactual_post_outcome; CI = conditional_incremental_outcome ± z_critical × standard_error - 04
Anpassung in der Vorperiode · Ausstrahlung zwischen Regionen · Power auf Geo-Ebene · Randomisiertes Geo-Design von einer BSTS-Kontrolle unterscheiden · Placebozeiträume
- 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.
MSC-P014-C01— Das kausale Ziel vergleicht mittlere potenzielle Ergebnisse unter zwei definierten Interventionen.MSC-P014-C02— Konsistenz verbindet das beobachtete Ergebnis mit dem potenziellen Ergebnis unter der zugewiesenen Maßnahme.MSC-P014-C03— Der kausale Estimand setzt voraus, dass die Zuweisung eines Kunden das Ergebnis eines anderen Kunden nicht verändert.MSC-P014-C04— Geo-Experimente randomisieren nicht überlappende Regionen auf Behandlungsbedingungen.MSC-P014-C05— Geo-Targeting setzt die zugewiesene regionale Intervention operativ um.MSC-P014-C06— Das Design muss einem expliziten Prozess folgen.
Methodische Verbindungen