Mit wenig Daten entscheiden: die Information kaufen, die das Handeln wirklich ändern kann.
Stand des Nachweises
Was reproduziert wurde und was es nicht belegt.
Die CSV-Datei und die Python-Ausführung prüfen die Informationsnettowerte und die Rangfolge im illustrativen Szenario. Sie bestätigen weder die Wahrscheinlichkeiten noch die Leistung einer Methode auf einem echten Markt.
- Technische Spezifikation des Lernportfolios bei geringer Datenlage, Spezifikation auf Französisch (öffnet in einem neuen Tab)
v1, 31. August 2026 · CC BY 4.0 · Spezifikation auf Französisch · Methodendokument von marketing-mix.net. Die Zahlen sind illustrativ: Es handelt sich nicht um Marktmessungen.
Was zu unterscheiden ist
Drei Bedingungen vor jeder Berechnung.
Entscheidung vor Daten
Die Erhebung beginnt bei der zu wählenden Handlung, der Exposition und dem Datum. Daten, die nützlich sind, um die Vergangenheit zu erklären, können an der bevorstehenden Wahl nichts ändern.
Leichte Triangulation
Bei wenigen Beobachtungen ergibt die Kombination aus Unit Economics, gezieltem Test, Kundenforschung und externer Referenz oft eine robustere Entscheidung als ein einzelnes Modell.
Informationswert
Eine Messung ist wertvoll, wenn sie eine reale Chance hat, das Handeln zu verändern und einen materiellen Verlust zu vermeiden. Präzision ohne Entscheidungsfolge hat geringen Wert.
Methode
Eine rentable Lernsequenz aufbauen
- 01Die Kipppunkte formulieren
Die Annahmen aufschreiben, die Go/No-Go, Budget oder Zielgruppe ändern würden, und jeder eine Bandbreite und einen Verlust im Irrtumsfall zuordnen.
- 02Die Belegoptionen erzeugen
Pilot, Holdout, Geo-Test, Befragung, operative Beobachtung und Modell auflisten; Kosten, Dauer, Population und erwartetes Ergebnis beziffern.
- 03Den Nettowert berechnen
Wahrscheinlichkeit, dass der Beleg die Entscheidung ändert, mal vermeidbarer Verlust schätzen, dann Kosten und Wert der Verzögerung abziehen und die Optionen reihen.
- 04Sequenziell lernen
Den ersten Beleg kaufen, die Annahmen aktualisieren und den Wert der folgenden neu berechnen; aufhören, wenn Information das Handeln nicht mehr ändern kann.
Das Portfolio Kosten × Informationswert
Vier Nachweisoptionen werden nach Kosten, Dauer, Wahrscheinlichkeit einer geänderten Entscheidung und vermeidbarem wirtschaftlichem Verlust verglichen.
Der Geo-Test ist 45 T€ netto wert; das MMM ist verfrüht
Ein Launch exponiert 300 T€. Ein Geo-Test kostet 45 T€ und hat 30 % Chance, den vollständigen Verlust zu vermeiden. Ein Kunden-Holdout kostet 25 T€ und hat 25 % Chance, 150 T€ zu vermeiden. Ein MMM kostet 90 T€, doch die verfügbaren zwölf Monate trennen die Kanäle nicht.
Nettowert des Geo-Tests: 30 % × 300.000 − 45.000 = 45.000 €. Holdout: 25 % × 150.000 − 25.000 = 12.500 €. Das MMM erhält eine Kippwahrscheinlichkeit nahe null, solange die Variation fehlt, also einen Nettowert nahe −90.000 €.
Der Geo-Test wird zuerst gestartet, dann wird der Holdout mit seinem Ergebnis neu bewertet. Das MMM wird verschoben, bis eine Historie und identifizierbare Variationen vorliegen.
Voraussetzungen
Was erfüllt sein muss, um zu handeln.
- 01
Jede Erhebung ist mit einem ausdrücklichen Entscheidungskipppunkt verbunden.
- 02
Kosten, Dauer, Kippwahrscheinlichkeit und vermeidbarer Verlust sind beziffert.
- 03
Belege werden sequenziell gekauft, nicht alle auf einmal.
- 04
Eine nicht identifizierbare Methode wird verschoben statt erzwungen.
Grenzen
Was diese Analyse nicht belegt.
- Die Wahrscheinlichkeit, die Entscheidung zu ändern, ist selbst unsicher.
- Der Informationswert sinkt, wenn das kommerzielle Zeitfenster kurz ist.
- Mehrere kleine korrelierte Belege sind nicht so viel wert wie mehrere unabhängige Belege.
Quellenangaben
Zitierte Literatur.
- Vaver, J. & Koehler, J. (2012), „Periodic Measurement of Advertising Effectiveness Using Multiple-Test-Period Geo Experiments“, Google Research.
- Chen, A., Longfils, M. & Remy, N. (2021), „Trimmed Match Design for Randomized Paired Geo Experiments“, Google Research.
- Owen, A. & Launay, T. (2016), „Multibrand Geographic Experiments“, Google Research.