Ein Geotest vergleicht behandelte Gebiete mit Gebieten, die ihre Entwicklung ohne Kampagne abbilden.
Ein Geotest vergleicht behandelte Gebiete mit Gebieten, die ihre Entwicklung ohne Kampagne abbilden. Seine Glaubwürdigkeit hängt weniger von der Zahl der Regionen ab als von Vor-Test-Ähnlichkeit, stabilem Treatment, fehlender Kontamination und ausreichender Power für den entscheidungsrelevanten Effekt.
Entscheidung und Methode.
Starten Sie nur, wenn die Geografie ein stabiles Kontrafaktisches erlaubt und der minimal nachweisbare Effekt unter dem erforderlichen Gewinn liegt. Definieren Sie Ergebnis, Horizont, Population und den Uplift, der Kampagnenkosten deckt. Matchen Sie Märkte nach Niveau, Trend, Saisonalität, Distribution, Preis und Wettbewerb; reservieren Sie atypische Perioden für Robustheit. Randomisieren Sie innerhalb der Paare, frieren Sie den Kalender ein, kontrollieren Sie andere Hebel und überwachen Sie Leckagen. Schätzen Sie Differenz, Intervall, Prätrends, Placebos, Kosten pro inkrementeller Einheit und einflussreiche Märkte.
Rechenbeispiel.
Die historische Standardabweichung innerhalb der Paare beträgt 4,8%, bei 12 Paaren, zweiseitigem Risiko 5% und Ziel-Power 80%. Minimal nachweisbarer Effekt ≈ (1,96 + 0,84) × 4,8% ÷ √12 = 3,88%. Der minimale wirtschaftliche Gewinn ist 3,2%. Der Test ist leicht unterdimensioniert: Paare hinzufügen, Zeitraum verlängern oder Varianz mit Vor-Test-Kovariaten reduzieren.
Prüfungen und Grenzen.
Wirtschaftliche Schwelle vor Power definieren, stabile Niveaus und Prätrends verlangen, Randomisierung dokumentieren und Leckagen, Distributionswechsel sowie lokale Ereignisse überwachen. Wenige Märkte sind paarsensitiv; Ergebnisse übertragen sich eventuell nicht; nationale Kampagnen, nicht geografisch zielbare Medien und Mobilität können Kontrolle kontaminieren.
Ressourcen und Quellen.
Datensatz gepaarter Märkte herunterladen. Weiterführend: Kontrafaktisches formalisieren, Inkrementalität interpretieren, Modell mit Test kalibrieren, Protokolle vergleichen. Quellen: Vaver & Koehler (2011); Kerman, Wang & Vaver (2017); Imbens & Rubin (2015).