Skip to main content

Das Experiment gestern und heute, oder: die normative Kraft des Faktischen

Grundlagen des Experimentierens in Digitalen Medien

  • Chapter
  • First Online:
Qualität und Data Science in der Marktforschung

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.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 44.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

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

    Google Scholar 

  • Arechar A, Gächter S, Molleman L (2017) Conducting interactive experiments online. Exp Econ 1–33

    Google Scholar 

  • Ash T, Ginty M, Page R (2012) Landing page optimization: the definitive guide to testing and tuning for conversions. Wiley, Hoboken

    Google Scholar 

  • Birnbaum MH (2004) Human research and data collection via the internet. Annu Rev Psychol 55:803–832

    Article  Google Scholar 

  • Bortz J (2006) Statistik: Für Sozialwissenschaftler, 6. Aufl. Springer, Heidelberg

    Google Scholar 

  • Bortz J, Döring N (2006) Forschungsmethoden und Evaluation für Human- und Sozialwissenschaftler, 4. Aufl. Springer, Heidelberg

    Book  Google Scholar 

  • Brandstätter E (1999) Konfidenzintervalle als Alternative zu Signifikanztests. Meth Psychol Res 4(2):33–46

    Google Scholar 

  • Brody H (1993) Great expectations: why predictions go awry. J Consumer Res 10(1):23–27

    Google Scholar 

  • Burk S (2006) A better statistical method for a/b testing in marketing campaigns. Mark Bull 17:1–8

    Google Scholar 

  • 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

    Google Scholar 

  • 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

    Book  Google Scholar 

  • 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

    Google Scholar 

  • Diehl J, Arbinger R (1990) Einführung in die Inferenzstatistik. Dietmar Klotz, Frankfurt a. M.

    Google Scholar 

  • 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

    Google Scholar 

  • Fisher RA (1935) The design of experiments. Oliver and Boyd, Edinburgh

    Google Scholar 

  • Hansotia BJ (1990) Sample size and design of experiment issues in testing offers. J Dir Mark 4(4):15–25

    Article  Google Scholar 

  • Holzkamp K (1981) Theorie und Experiment in der Psychologie. De Gruyter, Berlin

    Google Scholar 

  • 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

    Chapter  Google Scholar 

  • 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

    Google Scholar 

  • 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

    Article  Google Scholar 

  • Krebs D, Menold N (2014) Gütekriterien qualitativer Sozialforschung. In: Baur N, Blasius J (Hrsg) Handbuch Methoden der empirischen Sozialforschung. Springer, Wiesbaden

    Google Scholar 

  • Lewis C (2014) Irresistible apps: motivational design patterns for apps, games, and web-based communities. Apress, Berkeley

    Book  Google Scholar 

  • 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

    Article  Google Scholar 

  • Montgomery DC (2013) Design and analysis of experiments, 3. Aufl. Wiley, Hoboken

    Google Scholar 

  • Moosbrugger H, Kelava A (2012) Qualitätsanforderungen an einen psychologischen Test (Testgütekreterien). In: Moosbrugger H, Kelava A (Hrsg) Testtheorie und Fragebogenkonstruktion, 2. Aufl. Springer, Berlin

    Chapter  Google Scholar 

  • Murphy J, Hofacker C, Mizerski R (2006) Primacy and recency effects on clicking behavior. J Comput-Mediated Commun 11(2):522–535

    Article  Google Scholar 

  • Reips U-D (1997) Das psychologische Experimentieren im Internet. In: Batinic B (Hrsg) Internet für Psychologen. Hogrefe, Göttingen, S 245–265

    Google Scholar 

  • Reips U-D (2002) Standards for internet-based experimenting. Exp Psychol 49(4):243

    Article  Google Scholar 

  • Renner KH, Heydasch T, Ströhlein G (2012) Forschungsmethoden der Psychologie. Von der Fragestellung zur Präsentation. Springer, Berlin

    Book  Google Scholar 

  • Rosenzweig P (2008) Der Halo-Effekt: wie Manager sich täuschen lassen. GABAL Verlag GmbH, Offenbach

    Google Scholar 

  • Scott SL (2014) Multi-armed bandit experiments in the online service economy. Appl Stoch Models Bus Ind 31:37–45

    Article  Google Scholar 

  • Siebertz K, Van Bebber D, Hochkirchen T (2010) Statistische Versuchsplanung: Design of experiments (DoE). Springer, Heidelberg

    Book  Google Scholar 

  • 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

    Google Scholar 

  • Sterne J (2011) Social media monitoring. MITP-Verlags GmbH & Co. KG, Heidelberg

    Google Scholar 

  • Thomke SH (2003) Experimentation matters: unlocking the potential of new technologies for innovation. Harvard Business Press, Boston

    Google Scholar 

  • 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

    Book  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Thomas Wirth .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

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)

Publish with us

Policies and ethics