Marketing-Triangulation: die Abweichungen zwischen Methoden erklären.
Was zu unterscheiden ist
Drei Bedingungen vor jeder Berechnung.
Identischer Estimand
Marginaler iROAS, durchschnittlicher ROAS, zugerechnete Verkäufe und Erwägungs-Lift sind nicht austauschbar. Behandlung, Ergebnis, Population und Horizont vor dem Vergleich präzise aufschreiben.
Unabhängige Verzerrungen
Zwei Methoden, die dieselben Daten und dieselbe Selektion nutzen, bilden keine zwei unabhängigen Belege. Der Wert der Triangulation steigt, wenn die Schwächen verschieden sind.
Produktive Divergenz
Eine Abweichung wird nicht per Mehrheitsentscheid gelöst. Sie löst eine Analyse von Timing, Targeting, Sättigung, Kontamination, Definition und Übertragbarkeit aus.
Methode
Messungen von der Abweichung zur Synthese triangulieren
- 01Die Fragen ausrichten
Je Methode ein Blatt mit Behandlung, Kontrafaktum, Ergebnis, Population, Periode und Einheit erstellen; die Messungen ausschließen, die eine andere Frage beantworten.
- 02Die Verzerrungen kartieren
Selektion, Konfundierung, Kontamination, Messfehler, Spezifikation und Extrapolation dokumentieren; angeben, ob zwei Methoden dieselbe Schwäche teilen.
- 03Die Intervalle vergleichen
Schätzungen und Unsicherheiten auf eine gemeinsame Skala bringen; eine punktuelle Divergenz kann verschwinden, wenn die Intervalle ehrlich dargestellt werden.
- 04Zusammenführen oder trennen
Nur die kompatiblen Schätzungen durch inverse Varianzgewichtung kombinieren; andernfalls mehrere Zahlen beibehalten und die über ihre Spanne robuste Entscheidung definieren.
Das Register der Belegkompatibilität
Vier Methoden werden nach gemessenem Effekt, Horizont, dominanter Verzerrung und Entscheidungsrolle verglichen. Nur zwei gehen in die kausale Synthese ein.
| Methode | Estimand | Ergebnis | Intervall | Dominanter Bias | Rolle |
|---|---|---|---|---|---|
| Experiment | Marginaler iROAS | 1,40 | 0,90–1,90 | Schwache Selektion | Synthese |
| MMM | Historischer iROAS | 1,80 | 1,20–2,40 | Spezifikation | Synthese |
| Attribution | Zugeschriebener Umsatz | 3,20 | nicht kausal | Starke Selektion | Journey |
| Befragung | Erwägung | +6 Pkt. | ±3 Pkt. | Selbstauskunft | Mechanismus |
Eine kausale Synthese bei 1,56 iROAS, kein Mittelwert von 2,13
Ein Experiment schätzt 1,40 mit einer Standardabweichung von 0,255; ein kompatibles MMM schätzt 1,80 mit 0,306. Eine Attribution weist 3,20 aus, misst aber gutgeschriebene Konversionen, keinen kausalen Effekt.
Inverse Varianzgewichtung: Gewichte 15,38 und 10,68. Synthese = (1,40 × 15,38 + 1,80 × 10,68) ÷ 26,06 = 1,56. Standardabweichung = √(1 ÷ 26,06) = 0,196; ungefähres Intervall 1,18–1,95.
Die Attribution bleibt für die Journey nützlich, geht aber nicht in den kausalen Mittelwert ein. Die Budgetentscheidung stützt sich auf 1,56 und prüft ihre Robustheit bis 1,18.
Voraussetzungen
Was erfüllt sein muss, um zu handeln.
- 01
Behandlung, Population, Ergebnis und Horizont werden vor dem Vergleich ausgerichtet.
- 02
Daten- und Verzerrungsabhängigkeiten zwischen Methoden sind dokumentiert.
- 03
Nur kompatible Schätzungen gehen in eine quantitative Synthese ein.
- 04
Die Entscheidung wird am Intervall geprüft, nicht nur am Mittelwert.
Grenzen
Was diese Analyse nicht belegt.
- Die inverse Varianzgewichtung unterstellt vergleichbare und wenig abhängige Schätzungen.
- Enge Intervalle können durch eine schlechte Identifikation dennoch verzerrt sein.
- Die Übertragbarkeit eines lokalen Experiments auf das nationale Budget muss begründet werden.
Quellenangaben
Zitierte Literatur.
- Gordon, B. R. et al. (2019), „A Comparison of Approaches to Advertising Measurement“, Marketing Science.
- Shadish, W. R., Cook, T. D. & Campbell, D. T. (2002), Experimental and Quasi-Experimental Designs.
- Salaka, V. & Prabhu, J. (2011), „Information Theoretic Metrics for Combining Qualitative and Quantitative Data“, Service Science.