Research & Evidence

Rechercher une méthode

Recherchez parmi les titres, les questions, les territoires et les identifiants MSC.

    ← Toutes les méthodes
    FICHE MÉTHODEMSC-P-014Expérimentation et causalitéDossier scientifique vérifié

    Comment concevoir une expérience géographique marketing ?

    Une expérience géographique compare des zones test et contrôle avant et pendant l’intervention. Le plan doit limiter contamination, déséquilibre pré-test et dépendance temporelle.

    Rédaction scientifique : Marketing Science Center

    Réponse directe

    Estimer un effet incrémental agrégé dans les zones et la période étudiées.

    Une expérience géographique compare des zones test et contrôle avant et pendant l’intervention. Le plan doit limiter contamination, déséquilibre pré-test et dépendance temporelle.

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

    01

    Résumé opérationnel

    Question scientifique et périmètre

    Comment concevoir une expérience géographique marketing ?

    Recevable

    Estimer un effet incrémental agrégé dans les zones et la période étudiées.

    Interdit

    Attribuer l’effet à chaque individu ou extrapoler sans réserve à d’autres marchés.

    02

    Trois niveaux de lecture

    1. 01

      Décideur — Relier le résultat à une décision, un seuil utile et un coût d’erreur déclarés.

    2. 02

      Praticien — Fixer population, unité, horizon, variables disponibles et règle d’analyse avant le calcul.

    3. 03

      Analyste — Reproduire le calcul, quantifier l’incertitude et documenter diagnostics, échecs et sensibilités.

    03

    Situation marketing concrète

    Une expérience géographique compare des zones test et contrôle avant et pendant l’intervention. Le plan doit limiter contamination, déséquilibre pré-test et dépendance temporelle.

    04

    Question scientifique et périmètre

    Comment concevoir une expérience géographique marketing ?

    Résultat incrémental dans les zones géographiques traitées

    Données nécessaires

    zone géographique × période

    La population, l’unité d’analyse, la date d’origine et l’horizon doivent être déclarés dans le livrable. Sans eux, l’estimand change silencieusement.

    05

    Pourquoi une analyse simple peut échouer

    • Attribuer l’effet à chaque individu ou extrapoler sans réserve à d’autres marchés.
    • Des zones géographiques sans chevauchement ont-elles été assignées avant l’intervention et analysées selon leur assignation ?
    • La construction du contrefactuel est-elle indépendante d’une sélection de modèle postérieure au traitement ?
    • La méthode d’incertitude tient-elle compte du petit nombre de zones géographiques et de la dépendance temporelle ?

    06

    Intuition de la méthode

    La méthode ne transforme pas automatiquement une association en preuve. Elle relie une question déclarée à un estimand, une spécification, des données compatibles et une règle d’interprétation limitée.

    Résultat incrémental dans les zones géographiques traitées

    07

    Données nécessaires

    Dictionnaire des symboles scientifiques

    Y_test_post
    Résultat agrégé observé dans les zones géographiques test pendant la période d’intervention déclarée. Unité : résultat agrégé déclaré · Type : nombre · Rôle : entrée
    Y0_test_post
    Résultat agrégé contrefactuel fourni extérieurement pour ces zones test en l’absence de traitement ; il n’est pas ajusté par cette branche. Unité : même résultat agrégé · Type : nombre · Rôle : entrée
    z
    Valeur critique bilatérale de la loi normale pour le niveau de confiance déclaré. Unité : sans dimension · Type : nombre strictement positif · Rôle : paramètre
    supplied_SE
    Erreur standard fournie extérieurement pour le contraste conditionnel ; elle n’est pas estimée par cette branche. Unité : même résultat agrégé · Type : nombre strictement positif · Rôle : entrée
    conditional_increment
    Résultat agrégé observé diminué du contrefactuel fourni, conditionnellement à ces deux entrées. Unité : résultat agrégé · Type : nombre · Rôle : sortie
    CI
    Intervalle normal autour du contraste conditionnel utilisant l’erreur standard fournie. Unité : résultat agrégé · Type : couple ordonné · Rôle : sortie

    Entrées exactes et scellées du moteur

    treated_geo_post_outcome
    Valeur : 120 · Unité : indice · Type : nombre · Statut des données : synthétique
    counterfactual_post_outcome
    Valeur : 110 · Unité : indice · Type : nombre · Statut des données : synthétique
    standard_error
    Valeur : 4 · Unité : indice · Type : nombre · Statut des données : synthétique
    z_critical
    Valeur : 1.95996398454 · Unité : sans dimension · Type : nombre · Statut des données : paramètre déclaré

    08

    Modèle formel

    Modèle formel

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

    Affirmations étayées : MSC-P014-C01 · MSC-P014-C02 · MSC-P014-C03 · MSC-P014-C04 · MSC-P014-C05 · MSC-P014-C06

    Question scientifique et périmètre

    Résultat incrémental dans les zones géographiques traitées

    09

    Calcul déclaré

    1. 01

      Valider l’agrégat traité, le contrefactuel fourni, la stricte positivité de l’erreur standard fournie et la période d’intervention fixe.

    2. 02

      Soustraire le contrefactuel sans traitement fourni du résultat de la période postérieure au traitement et former l’intervalle normal.

    3. 03

      Rapporter uniquement une illustration conditionnelle ; le plan géographique randomisé, l’ajustement du contrefactuel et l’incertitude au niveau géographique restent hors de cette branche.

    10

    Exemple numérique ou cas d’application

    Illustration synthétique — valeurs pédagogiques, non observées — données synthétiques ou paramètres déclarés ; aucune observation réelle

    Entrées scellées

    • treated_geo_post_outcome=120 [indice]
    • counterfactual_post_outcome=110 [indice]
    • standard_error=4 [indice]
    • z_critical=1.95996398454 [sans dimension]

    Résultats reproductibles

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

    Dossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.

    11

    Hypothèses de validité

    • Des zones géographiques sans chevauchement ont-elles été assignées avant l’intervention et analysées selon leur assignation ?
    • La construction du contrefactuel est-elle indépendante d’une sélection de modèle postérieure au traitement ?
    • La méthode d’incertitude tient-elle compte du petit nombre de zones géographiques et de la dépendance temporelle ?

    12

    Diagnostics et incertitude

    Diagnostics et incertitude

    Des zones géographiques sans chevauchement ont-elles été assignées avant l’intervention et analysées selon leur assignation ? · La construction du contrefactuel est-elle indépendante d’une sélection de modèle postérieure au traitement ? · La méthode d’incertitude tient-elle compte du petit nombre de zones géographiques et de la dépendance temporelle ?

    Diagnostic borné

    Illustration conditionnelle avec contrefactuel et erreur standard fournis ; il ne s’agit pas d’une expérimentation géographique ajustée.

    Contrat explicite d’incertitude · quantified_conditional

    Méthode : Calcul déterministe du moteur de référence sur le sous-ensemble d’entrées scellé.

    Cible : Incertitude du résultat incrémental fondé sur le contrefactuel fourni.

    Preuve du moteur : metric.ci_lower= · metric.ci_upper=

    Interprétation : L’intervalle utilise une erreur standard et un contrefactuel fournis ; il ne valide pas une expérience géographique ajustée.

    Arrêter si

    Attribuer l’effet à chaque individu ou extrapoler sans réserve à d’autres marchés.

    13

    Interprétation du résultat

    • Estimer un effet incrémental agrégé dans les zones et la période étudiées.
    • Le résultat est conditionnel à la population, à l’horizon, à la spécification et aux contrôles déclarés. Il ne doit pas être étendu à une autre décision sans nouvelle justification.

    14

    Conclusion recevable et conclusion interdite

    Recevable

    Estimer un effet incrémental agrégé dans les zones et la période étudiées.

    Interdit

    Attribuer l’effet à chaque individu ou extrapoler sans réserve à d’autres marchés.

    15

    Décision marketing possible

    1. 01

      Estimer un effet incrémental agrégé dans les zones et la période étudiées.

    2. 02

      Le résultat est conditionnel à la population, à l’horizon, à la spécification et aux contrôles déclarés. Il ne doit pas être étendu à une autre décision sans nouvelle justification.

    16

    Quand utiliser — quand s’arrêter

    Utiliser si

    Estimer un effet incrémental agrégé dans les zones et la période étudiées.

    zone géographique × période

    Arrêter si

    Attribuer l’effet à chaque individu ou extrapoler sans réserve à d’autres marchés.

    Alternatives méthodologiques

    • Mener une expérience randomisée sur des paires de zones géographiques avec inférence fondée sur la randomisation.
    • N’utiliser un contrôle synthétique ou un plan BSTS spécifié a priori que lorsque la randomisation est impossible, et le qualifier d’observationnel.
    • Utiliser des périodes placebo et une analyse de sensibilité par retrait successif d’une zone géographique pour examiner la stabilité du contrefactuel.

    17

    Contrat de reproductibilité

    Python et R servent de références exécutables. SPSS et SAS restent des syntaxes secondaires jusqu’à vérification sur les mêmes données, la même spécification et les mêmes contrôles.

    Le moteur sélectionne uniquement le slice et la branche explicite de cette page. Son hash, ses sorties et ses diagnostics restent scellés dans le dossier atomique ; aucune branche générique de repli n’est autorisée.

    Empreinte du slice : 975b12b0153042485fcfcd6db1e894c2386ab04c6491184f6365423348c2fb46

    Modèle formel

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

    Dossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.

    18

    Livrable final attendu

    1. 01

      Comment concevoir une expérience géographique marketing ? — zone géographique × période

    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

      Des zones géographiques sans chevauchement ont-elles été assignées avant l’intervention et analysées selon leur assignation ? · La construction du contrefactuel est-elle indépendante d’une sélection de modèle postérieure au traitement ? · La méthode d’incertitude tient-elle compte du petit nombre de zones géographiques et de la dépendance temporelle ?

    5. 05

      Estimer un effet incrémental agrégé dans les zones et la période étudiées. / Attribuer l’effet à chaque individu ou extrapoler sans réserve à d’autres marchés.

    19

    Sources scientifiques et statut de preuve

    Dossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.

    1. MSC-P014-C01 — La cible causale compare les moyennes des résultats potentiels sous deux interventions définies.
    2. MSC-P014-C02 — La cohérence relie le résultat observé au résultat potentiel sous la politique assignée.
    3. MSC-P014-C03 — L’estimand causal suppose que l’assignation d’un client ne modifie pas le résultat d’un autre client.
    4. MSC-P014-C04 — Les expériences géographiques randomisent des régions sans chevauchement entre les conditions de traitement.
    5. MSC-P014-C05 — Le ciblage géographique opérationnalise l’intervention régionale assignée.
    6. MSC-P014-C06 — Le plan doit suivre un processus explicite.
    1. Hernán & Robins, Causal Inference: What If
    2. Vaver & Koehler, 2011

    Connexions méthodologiques

    Territoire parentMesure et causalité : comment établir un effet marketing ?Comparer avecQuand faut-il mener une expérience marketing ?Comparer avecComment estimer un effet avec une différence-de-différences ?

    À lire ensuite

    MSC-H-001Mesure et causalité : comment établir un effet marketing ?→MSC-P-010Quand faut-il mener une expérience marketing ?→MSC-P-015Comment estimer un effet avec une différence-de-différences ?→MSC-P-013Comment mesurer l’effet incrémental d’une campagne avec un groupe témoin ?→