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
- 01
Décideur — Relier le résultat à une décision, un seuil utile et un coût d’erreur déclarés.
- 02
Praticien — Fixer population, unité, horizon, variables disponibles et règle d’analyse avant le calcul.
- 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_errorAffirmations 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
- 01
Valider l’agrégat traité, le contrefactuel fourni, la stricte positivité de l’erreur standard fournie et la période d’intervention fixe.
- 02
Soustraire le contrefactuel sans traitement fourni du résultat de la période postérieure au traitement et former l’intervalle normal.
- 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=10CI95=[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
- 01
Estimer un effet incrémental agrégé dans les zones et la période étudiées.
- 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
CSV · CC0
msc-validation-inputs-v1.csv ↓Python · MIT
msc-validation-reference-v1.py ↓R · MIT
msc-validation-reference-v1.R ↓SPSS / SAS · MIT · inspection uniquement
SPSS ↓SAS ↓Modèle formel
conditional_incremental_outcome = treated_geo_post_outcome − counterfactual_post_outcome; CI = conditional_incremental_outcome ± z_critical × standard_errorDossier 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
- 01
Comment concevoir une expérience géographique marketing ? —
zone géographique × période - 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
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 ?
- 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.
MSC-P014-C01— La cible causale compare les moyennes des résultats potentiels sous deux interventions définies.MSC-P014-C02— La cohérence relie le résultat observé au résultat potentiel sous la politique assignée.MSC-P014-C03— L’estimand causal suppose que l’assignation d’un client ne modifie pas le résultat d’un autre client.MSC-P014-C04— Les expériences géographiques randomisent des régions sans chevauchement entre les conditions de traitement.MSC-P014-C05— Le ciblage géographique opérationnalise l’intervention régionale assignée.MSC-P014-C06— Le plan doit suivre un processus explicite.
Connexions méthodologiques