← Alle Abbildungen

Tabelle Abbildung 1 Aus der Forschung

Die Prüfsicht für Werbetestwert

Gib weitere Werbedaten frei, wenn sie eine benannte Handlung informieren können und nicht nur die Stichprobe vergrößern.

PrüffeldErforderlicher InputZulässige InterpretationStoppsignal
EntscheidungHandlung, die sich ändern könnte„Dieser Test informiert diese Wahl.“Der Test hat keine benannte Entscheidung.
Relevante EffektgrößeWirtschaftlich bedeutsamer Mindestunterschied„Diese Effektgröße zählt an der Schwelle.“Jeder statistisch erkennbare Unterschied gilt als nützlich.
Varianz und PowerErgebnisrauschen und Erkennungsziel„Das Design hat Power für den wichtigen Effekt.“Stichprobengröße wird aus einer anderen Kampagne kopiert.
BeobachtungskostenDaten-, Zeit- und Nachbeobachtungsaufwand„Weitere Daten lohnen sich unter diesen Kosten.“Datenvolumen gilt als kostenlos.
HandlungsschwelleErgebnis, das die Empfehlung ändert„Die Schätzung überschreitet die Regel oder nicht.“Ein Intervall wird ohne Handlungsregel berichtet.
AussagegrenzeStudie, Plattform, Zeitraum und Kennzahl„Die Evidenz trägt diese begrenzte Aussage.“Ein Experiment wird zur universellen ROI- oder Stichprobenregel.

Bei breiten Tabellen horizontal wischen oder scrollen.

Zitieren Einbetten

Referenz & Evidenz

Quelle: Eigener Entscheidungsrahmen auf Grundlage von Johnson, Lewis und Reiley (2017) sowie Wernerfelt, Tuchman, Shapiro und Moakler (2025). Schwellen und Beispielanweisungen sind synthetisch; die Plattformbefunde bleiben auf ihre Studien begrenzt.

Jede Zeile ist eine geprüfte Aussage aus dem Prüfregister des Journals, beim Build aus dem Register aufgelöst. Das Register wird auf Englisch geführt.

  • A The design, in the authors' words: "We use a randomized field experiment on 3 million Yahoo! users who are also past customers of the retailer", and the paper is about what the data buy: "We show that control ads boost measurement precision by identifying and removing the half of in-campaign sales data that are unaffected by the ads" Johnson, Lewis & Reiley. (2017) · JLR17-C1
  • A More data is not the lever the title implies: "Less data give us 31% more precision in our estimates", while "we only improve precision by 5% when we include additional covariate data to reduce the residual variance in our experimental regression" Johnson, Lewis & Reiley. (2017) · JLR17-C2
  • A So the design question is power and decision value rather than observation count, which the authors demonstrate by the contrast between removing unaffected data and adding covariates: "Less data give us 31% more precision in our estimates" Johnson, Lewis & Reiley. (2017) · JLR17-C3
  • A The experiment, verbatim: "we conduct a large-scale, randomized experiment that includes more than 70,000 advertisers on Facebook and Instagram" Wernerfelt, Tuchman, Shapiro & Moakler. (2025) · WTSM25-C1
  • A The two costs and the change between them, verbatim: "We find a median cost per incremental customer at baseline of $38.16 that under the median loss in effectiveness would rise to $49.93, a 31% increase" Wernerfelt, Tuchman, Shapiro & Moakler. (2025) · WTSM25-C2
  • A And the distributional finding: "we find ads targeted using offsite data generate more long-term customers per dollar than those without, and losing offsite data disproportionately hurts small scale advertisers" Wernerfelt, Tuchman, Shapiro & Moakler. (2025) · WTSM25-C3

Prüfgrade: A, gegen die gedruckte Seite der Primärquelle geprüft · B, Primärquelle, nur Textebene · C, belastbare Sekundärquelle · D, berichtet.

Verwandte Abbildungen