Triangulation bedeutet nicht, alle verfügbaren Zahlen zu mitteln.
Triangulation bedeutet nicht, alle verfügbaren Zahlen zu mitteln. Zuerst prüfen, ob Methoden denselben Effekt auf derselben Population, demselben Horizont und derselben Ausgabenvariation messen. Divergenz kann Bias, einen Estimand-Unterschied oder echte Heterogenität zeigen. Quantitative Synthese ist erst nach dieser Zuordnung legitim.
Entscheidung und Methode.
Entscheidung auf identifizierbarste kompatible Evidenz stützen und Abweichungen für Folgetests nutzen, statt eine Zahl zu erzwingen. Für jede Methode Karte mit Behandlung, Kontrafaktual, Ergebnis, Population, Periode und Einheit bauen; Maße ausschließen, die andere Fragen beantworten. Selektion, Confounding, Kontamination, Messfehler, Spezifikation und Extrapolation dokumentieren und geteilte Schwächen markieren. Schätzungen und Unsicherheit auf gemeinsame Skala bringen. Nur kompatible Schätzungen invers zur Unsicherheit gewichten; sonst mehrere Zahlen behalten und Entscheidung robust gegen ihre Spanne machen.
Rechenbeispiel.
Experiment iROAS 1,40, Standardfehler 0,255; kompatibles MMM 1,80 mit 0,306. Attribution 3,20, misst aber gutgeschriebene Conversions, nicht kausalen Effekt. Inverse-Varianz-Gewichte 15,38, 10,68. Synthese = (1,40 × 15,38 + 1,80 × 10,68) ÷ 26,06 = 1,56. Standardfehler = √(1 ÷ 26,06) = 0,196, Intervall 1,18–1,95. Attribution bleibt für Journey nützlich, nicht für kausalen Mittelwert; Budget stützt sich auf 1,56 und testet bis 1,18.
Prüfungen und Grenzen.
Behandlung, Population, Ergebnis und Horizont vor Vergleich ausrichten; Daten- und Bias-Abhängigkeiten dokumentieren; nur Kompatibles quantitativ synthetisieren; Entscheidung über Intervall testen. Inverse Varianzgewichtung setzt vergleichbare, wenig abhängige Schätzungen voraus. Enge Intervalle können bei schlechter Identifikation verzerrt bleiben; Übertragbarkeit eines lokalen Experiments auf nationales Budget begründen.
Ressourcen und Quellen.
Triangulationsregister herunterladen. Weiterführend: richtige Methode wählen, kausalen Effekt definieren, MMM kalibrieren, Protokoll wählen. Quellen: Gordon et al. (2019); Shadish, Cook und Campbell (2002); Salaka und Prabhu (2011).