Comment transformer une affirmation marketing en question testable ?

La fiche transforme le claim en un contrat composé d’une population, d’une unité, d’une exposition, d’un comparateur, d’un outcome, d’un horizon, d’un effet minimal utile, d’un plan d’analyse et d’un falsificateur. La sortie valide la complétude du contrat, pas l’effet marketing.

1. Décideur : vérifier la décision et le seuil utile.
2. Praticien : fixer population, unité, outcome et horizon.
3. Analyste : sceller estimand, analyse, incertitude et falsificateur.

Une équipe souhaite décider si une campagne e-mail mérite un test. La population est limitée aux abonnés éligibles, l’unité est l’abonné, le comparateur est l’absence d’e-mail et l’outcome est un achat dans les sept jours.

Chez les abonnés éligibles, l’assignation à l’e-mail plutôt qu’à l’absence d’e-mail augmente-t-elle l’achat dans les sept jours d’au moins 1,0 point de pourcentage ? L’estimand prévu est une différence de risques en intention de traiter.

Sans unité, la dépendance entre observations reste inconnue. Sans comparateur, l’effet n’est pas défini. Sans horizon, l’outcome peut être déplacé après observation. Sans seuil ni falsificateur, presque tout résultat peut être présenté comme favorable.

Une question testable fixe à l’avance ce qui sera observé, chez qui, par rapport à quoi, quand et selon quelle règle le résultat pourra soutenir ou contredire l’hypothèse. Elle sépare ainsi génération d’idée et test confirmatoire.

Le registre exige population et éligibilité, unités d’assignation et d’analyse, intervention, comparateur, définition et horizon de l’outcome, estimand, stratégie des événements intercurrents, règle de données manquantes, estimateur, méthode d’intervalle, alpha, multiplicité, seuil, direction, trois issues décisionnelles, écarts au protocole et statut des données.

Q=(P,U,X,C,Y,H,Δ*,D,A,F), où P est la population, U l’unité, X l’exposition, C le comparateur, Y l’outcome, H l’horizon, Δ* l’effet minimal utile, D la direction, A le plan d’analyse et F le falsificateur.

Python et R lisent le chemin fourni, exigent une ligne, contrôlent les champs, H>0, Δ*>0, la cohérence 95 % ↔ alpha 0,05, le couple direction-bornes, le dénominateur ITT, les événements intercurrents, la règle fail-closed des données manquantes, la multiplicité et les écarts, puis calculent le même SHA-256 canonique.

Le protocole fixe H=7 jours, Δ*=1,0 point et un contraste. L’IC de Miettinen-Nurminen inverse le score binomial contraint, applique N/(N-1), tolérance 1e-8, 100 itérations, niveau 95 % et alpha bilatéral 0,05. Borne basse ≥ +1,0 : seuil soutenu ; borne haute < +1,0 : falsifié ; sinon indécis. protocol_complete=true ; SHA-256=86a315abd306359f92ec5439f361511d80a7516af3516525c8bd1272014caa74 ; aucun effet estimé.

Exemple de protocole synthétique — aucune observation ni effet estimé.

Les champs doivent désigner des objets observables et non redondants. L’unité doit correspondre au mécanisme d’assignation. L’outcome doit être mesurable pour tous les groupes sur le même horizon. Le seuil utile doit venir de la décision, pas des résultats futurs.

Contrôler population, assignations uniques, couverture complète du journal de transactions, livraisons, ouvertures, croisements, expositions externes, calendrier, exclusions, multiplicité et écarts. Une précision anticipée peut être planifiée avec taille et taux supposés ; l’intervalle empirique ne peut être calculé qu’après observation.

protocol_complete=true signifie seulement que le registre contient les champs requis et passe les règles déterministes. Cela ne prouve ni que le design est faisable, ni que l’assignation sera valide, ni que l’e-mail produira l’effet minimal utile.

Recevable : la question, l’estimand prévu, le seuil et le falsificateur sont explicites. Interdit : l’e-mail augmente les achats, le protocole garantit un résultat ou la simple présence d’un seuil rend le futur test causal.

L’équipe peut accepter, réviser ou refuser le protocole avant toute collecte, estimer le coût du test, vérifier la disponibilité des variables et décider si le seuil de 1,0 point justifie l’expérience. Elle ne peut pas encore lancer une action sur la base d’un effet observé inexistant.

Utiliser avant collecte ou avant ouverture des outcomes. S’arrêter si population, comparateur, outcome ou horizon ne peuvent pas être fixés, si le seuil n’a aucune justification décisionnelle, ou si le plan est réécrit après lecture des résultats sans étiquette exploratoire.

Livrer la question canonique, le registre versionné et hashé, la justification de Δ*, le plan d’analyse, la règle de données manquantes, le falsificateur, les écarts au protocole et l’étiquette confirmatoire ou exploratoire de chaque analyse.