Adstock transformiert eine Expositionsreihe in einen Bestand potenzieller Wirkung.
Adstock transformiert eine Expositionsreihe in einen Bestand potenzieller Wirkung. Ein geometrisches Modell setzt ein sofortiges Maximum mit konstantem Rückgang; Weibull kann einen verzögerten Peak und flexibleren Zerfall darstellen. Die Wahl darf nicht nur den Fit verbessern: Halbwertszeit und Profil müssen zu Kanal, Kreation, Datenfrequenz und verfügbaren Experimenten passen.
Entscheidung und Methode.
Behalten Sie Mediengedächtnis nur, wenn sein Profil Out-of-sample-Validierung verbessert, ohne operativ unplausible Langzeitwirkung zu erzeugen. Vergleichen Sie Sofortgewicht, Peak-Woche, Halbwertszeit und Masse nach vier oder acht Wochen. Setzen Sie Parametergrenzen aus Kampagnendauer, Kaufhäufigkeit, Tests und Medienwissen vor Optimierung. Prüfen Sie Prognose und plausible Beiträge; schätzen Sie mit Trends, Saisonalität und alternativen Ereignissen neu. Eine zusammenfallende Halbwertszeit zeigt einen ausgelassenen Faktor.
Rechenbeispiel.
Aₜ = Xₜ + 0,6 × Aₜ₋₁. Ein Impuls von 100 erzeugt 100, 60, 36, 21,6 und 13. Halbwertszeit = ln(0,5) ÷ ln(0,6) = 1,36 Wochen. Gesamtmasse = 100 ÷ (1 − 0,6) = 250 transformierte Einheiten. Für kurzen Effekt akzeptabel; 0,9 beziehungsweise 6,58 Wochen braucht starke Evidenz und Trendtests.
Prüfungen und Grenzen.
Halbwertszeit, Peak-Woche und Fläche pro Kanal veröffentlichen, Bereiche vor Fit begründen, Out-of-sample-Verbesserung und Stabilität gegen Trend- und Saisonkontrollen verlangen. Aggregierte Daten identifizieren Adstock, Sättigung und Saisonalität schwer zugleich; Wochenkerne mischen Kreationen; kurze Experimente informieren lange Tails nur schwach.
Ressourcen und Quellen.
Adstock-Kerne herunterladen. Weiterführend: abnehmende Erträge modellieren, MMM-Mechanismen validieren, mit Experimenten begrenzen. Quellen: Koyck (1954); Broadbent (1979); Jin et al. (2017).