Eine Beziehung zwischen Ausgaben und Verkäufen ist nur kausal, wenn sie für dieselben Einheiten und denselben Horizon…
Eine Beziehung zwischen Ausgaben und Verkäufen ist nur kausal, wenn sie für dieselben Einheiten und denselben Horizont das Geschehene mit dem ohne Entscheidung Verglichenen vergleicht. Nachfrage beeinflusst oft Ausgaben, Promotionen folgen schwachen Perioden und Kanäle zielen auf kaufnahe Kunden. Diese Wege erzeugen zugeschriebene, nicht verursachte Leistung.
Entscheidung und Methode.
Eine Empfehlung ist nur zulässig, wenn die wichtigsten Confounding-Wege blockiert, gemessen oder ausdrücklich unsicher sind. Definieren Sie Population, Intervention, Vergleich, Ergebnis und Horizont vor dem Design. Kartieren Sie frühere Variablen, Targeting, latente Nachfrage, Wettbewerb, Mediatoren und Ergebnis. Bevorzugen Sie Randomisierung; andernfalls dokumentieren Sie die Annahme für glaubwürdige quasi-experimentelle Variation und suchen Sie Placebos oder Prätrends. Berichten Sie Intervall, Sensitivität und abgedeckte Population: lokaler Nachweis ist keine universelle Rendite.
Rechenbeispiel.
Eine historische Regression schreibt je 1.000 € Medien 18 € Umsatz zu. Budgets steigen aber vor starken Wochen und bei Promotionen. Die Zerlegung ergibt 6 € Nachfrageprognose-Bias, 3 € Promotionen und 2 € Saisonalität, insgesamt 11 €. Ein vergleichbarer Geotest misst 7 €, konsistent mit 18 € − 11 €. Nutzbar sind 7 € im Testumfang; 18 € ist deskriptive Assoziation.
Prüfungen und Grenzen.
Durchschnittseffekt, Effekt auf Exponierte, Budgettranche und Langfristeffekt sind verschieden. Gemeinsame Ursachen öffnen nicht-kausale Wege; Kontrolle eines Mediators oder Kolliders kann Bias erzeugen. Ein kausaler Graph formalisiert Annahmen, macht sie aber nicht wahr; Effekte variieren, und Sensitivitätsanalyse entdeckt keinen ungemessenen Confounder.
Ressourcen und Quellen.
Register kausaler Verzerrungen herunterladen. Weiterführend: nicht eingetretene Ergebnisse schätzen, geografische Variation schaffen, Messmethode wählen. Quellen: Pearl (2009); Hernán & Robins (2020); Shadish, Cook & Campbell (2002).