Zusammenfassung
Dank der Möglichkeiten moderner Webtechnologien hat sich in den vergangenen Jahren das Experiment einen festen Platz unter den Standardmethoden datengetriebener Entscheidungen erobert. Experimente werden heute zur Optimierung von Verkaufsprozessen, zur Verbesserung der Wirksamkeit von Marketingmaßnahmen wie Newslettern oder Landing Pages, zur Steuerung von Designentscheidungen, zum Usability Engineering oder auch ganz direkt zur Produktentwicklung eingesetzt. Damit gewinnen Fragen, wie Experimente sach- und fachgerecht zu planen und auszuwerten bzw. eine hohe Qualität zu gewährleisten ist, eine zunehmende Bedeutung. Der vorliegende Artikel fasst die aktuellen Trends zusammen und behandelt dabei auch die für ein Verständnis dieses Themenfelds besonders wichtigen konzeptionellen Hintergründe. Unter anderem werden etablierte Qualitätsmerkmale, störende Einflüsse beim Experimentieren und Methoden, die für ihre Kontrolle zur Verfügung stehen, dargestellt. Eine Darstellung der ethischen und methodischen Herausforderungen, die sich beim Experimentieren in Livesystemen ohne Wissen der Benutzer ergeben, bildet den Abschluss dieses Kapitels.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Almquist E, Wyner G (2001) Boost your marketing ROI with experimental design. Harv Bus Rev 79(9):135–141
Arechar A, Gächter S, Molleman L (2017) Conducting interactive experiments online. Exp Econ 1–33
Ash T, Ginty M, Page R (2012) Landing page optimization: the definitive guide to testing and tuning for conversions. Wiley, Hoboken
Birnbaum MH (2004) Human research and data collection via the internet. Annu Rev Psychol 55:803–832
Bortz J (2006) Statistik: Für Sozialwissenschaftler, 6. Aufl. Springer, Heidelberg
Bortz J, Döring N (2006) Forschungsmethoden und Evaluation für Human- und Sozialwissenschaftler, 4. Aufl. Springer, Heidelberg
Brandstätter E (1999) Konfidenzintervalle als Alternative zu Signifikanztests. Meth Psychol Res 4(2):33–46
Brody H (1993) Great expectations: why predictions go awry. J Consumer Res 10(1):23–27
Burk S (2006) A better statistical method for a/b testing in marketing campaigns. Mark Bull 17:1–8
Camerer CF, Johnson EJ (1997) The process-performance paradox in expert judgment: how can experts know so much and predict so badly. In: Goldstein WM, Hogarth RM (Hrsg) Research on judgment and decision making: currents, connections, and controversies. Cambridge University Press, Cambridge, S 342
Chopra P (2012) Why the multi-armed bandit algorithm is not “Better” than A/B testing. VWO blog on conversion optimization. https://vwo.com/blog/multi-armed-bandit-algorithm/. Zugegriffen: 1. Juli 2017
Cox V (2017) Translating statistics to make decisions. Apress, Berkeley
Darkpatterns.org (o. J.) Types of dark patterns. https://darkpatterns.org/types-of-dark-pattern. Zugegriffen: 15. Aug. 2017
Deng A, Xu Y, Kohavi R, Walker, T (2013) Improving the sensitivity of online controlled experiments by utilizing pre-experiment data. In Proceedings of the sixth ACM international conference on web search and data mining, ACM, S 123–132
Diehl J, Arbinger R (1990) Einführung in die Inferenzstatistik. Dietmar Klotz, Frankfurt a. M.
Dirscherl H-C, Fogarty K (2017) Die spektakulärsten Fehlprognosen der IT-Geschichte. https://www.pcwelt.de/ratgeber/Die_spektakulaersten_Fehlprognosen_der_IT-Geschichte-6948150.html. Zugegriffen: 24. Aug. 2017
Drutsa A, Ufliand A, Gusev, G (2015, October) Practical aspects of sensitivity in online experimentation with user engagement metrics. In Proceedings of the 24th ACM international on conference on information and knowledge management, ACM, S 763–772
Fisher RA (1935) The design of experiments. Oliver and Boyd, Edinburgh
Hansotia BJ (1990) Sample size and design of experiment issues in testing offers. J Dir Mark 4(4):15–25
Holzkamp K (1981) Theorie und Experiment in der Psychologie. De Gruyter, Berlin
Klimmt C, Weber R (2013) Das Experiment in der Kommunikationswissenschaft. In: Möhring W, Schlütz D (Hrsg) Handbuch standardisierte Erhebungsverfahren in der Kommunikationswissenschaft. Springer, Wiesbaden, S 125–144
Kohavi R, Longbotham R (2015) Online controlled experiments and A/B tests. In: Sammut C, Webb GI (Hrsg) Encyclopedia of machine learning and data mining. Springer, New York, S 1–11
Kohavi R, Longbotham R, Sommerfield D, Henne RM (2009) Controlled experiments on the web: survey and practical guide. Data Min Knowl Discov 18(1):140–181
Krebs D, Menold N (2014) Gütekriterien qualitativer Sozialforschung. In: Baur N, Blasius J (Hrsg) Handbuch Methoden der empirischen Sozialforschung. Springer, Wiesbaden
Lewis C (2014) Irresistible apps: motivational design patterns for apps, games, and web-based communities. Apress, Berkeley
Linden G (2006) Geeking with greg. early amazon: shopping cart recommendations. http://glinden.blogspot.de/2006/04/early-amazon-shopping-cart.html. Zugegriffen: 28. Aug. 2017
Makridakis S, Hogarth RM, Gaba A (2009) Forecasting and uncertainty in the economic and business world. Int J Forecast 25(4):794–812
Montgomery DC (2013) Design and analysis of experiments, 3. Aufl. Wiley, Hoboken
Moosbrugger H, Kelava A (2012) Qualitätsanforderungen an einen psychologischen Test (Testgütekreterien). In: Moosbrugger H, Kelava A (Hrsg) Testtheorie und Fragebogenkonstruktion, 2. Aufl. Springer, Berlin
Murphy J, Hofacker C, Mizerski R (2006) Primacy and recency effects on clicking behavior. J Comput-Mediated Commun 11(2):522–535
Reips U-D (1997) Das psychologische Experimentieren im Internet. In: Batinic B (Hrsg) Internet für Psychologen. Hogrefe, Göttingen, S 245–265
Reips U-D (2002) Standards for internet-based experimenting. Exp Psychol 49(4):243
Renner KH, Heydasch T, Ströhlein G (2012) Forschungsmethoden der Psychologie. Von der Fragestellung zur Präsentation. Springer, Berlin
Rosenzweig P (2008) Der Halo-Effekt: wie Manager sich täuschen lassen. GABAL Verlag GmbH, Offenbach
Scott SL (2014) Multi-armed bandit experiments in the online service economy. Appl Stoch Models Bus Ind 31:37–45
Siebertz K, Van Bebber D, Hochkirchen T (2010) Statistische Versuchsplanung: Design of experiments (DoE). Springer, Heidelberg
Siroker D (2010) How Obama Raised $60 Million by Running a Simple Experiment. Optimizely Blog. https://blog.optimizely.com/2010/11/29/how-obama-raised-60-million-by-running-a-simple-experiment/. Zugegriffen: 22. Aug. 2017
Siroker D, Koomen P (2013) A/B testing: the most powerful way to turn clicks into customers. Wiley, Hoboken
Sterne J (2011) Social media monitoring. MITP-Verlags GmbH & Co. KG, Heidelberg
Thomke SH (2003) Experimentation matters: unlocking the potential of new technologies for innovation. Harvard Business Press, Boston
trustradius (o. J.) A/B testing and personalization tools. https://www.trustradius.com/ab-testing. Zugegriffen: 24. Aug. 2017
Tunguz T, Bien F (2016) Winning with data: transform your culture, empower your people, and shape the future. Wiley, Hoboken
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Wirth, T. (2018). Das Experiment gestern und heute, oder: die normative Kraft des Faktischen. In: Keller, B., Klein, HW., Wirth, T. (eds) Qualität und Data Science in der Marktforschung. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-19660-8_14
Download citation
DOI: https://doi.org/10.1007/978-3-658-19660-8_14
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-19659-2
Online ISBN: 978-3-658-19660-8
eBook Packages: Business and Economics (German Language)