Zusammenfassung
„Garbage in – garbage out“ gilt natürlich auch für analytische Marketingoptimierung. Daher sollte höchstes Augenmerk auf die Auswahl der richtigen Daten (siehe Kap. 9) sowie auf eine aussagekräftige Validierung der statistischen Modelle gelegt werden. Marketingentscheider/-innen müssen ihren Dienstleistern hierfür die richtigen Fragen stellen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Beispiel: Die Entscheidung zur Nutzung der Zugriffe auf den Autokonfigurator bei Automotive ist z. B. ein guter Kompromiss, da unbestimmbare externe Faktoren wie Händlereinfluss, Abschlussverhalten und weitere verzerrende Faktoren den eigentlichen Marketingeinfluss „neutralisieren“.
- 2.
Die Baseline (z. B. der Baselineabsatz eines Unternehmens) beschreibt in der Statistik den nicht erklärten Anteil am Gesamteffekt. Festgemacht am Beispiel des gesamten Absatzes eines Unternehmens handelt es sich um denjenigen Teil, der durch die Wirkungsfaktoren wie Media oder POS nicht erklärt werden kann. Andere Faktoren, die nicht in das Modell eingebunden werden bzw. über die es keine Daten gibt, erklären diesen Teil.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Stürze, S., Hoyer, M., Righetti, C., Rasztar, M. (2021). Modellbildung, Modellarchitektur und Modellgüte. In: Agiles Marketing Performance Management. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-34815-1_5
Download citation
DOI: https://doi.org/10.1007/978-3-658-34815-1_5
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-34814-4
Online ISBN: 978-3-658-34815-1
eBook Packages: Business and Economics (German Language)