Forschungsbibliothek

Fünfzehn vollständig gelesene Arbeiten, übersetzt in begrenzte Produktentscheidungen.

American Economic Review · 2011-10

Bayesian Persuasion

Evidenzdatensatz öffnen

Forschungsfrage

Ethisches Informationsdesign

Methode

Theoretische Forschung · n/a · DOI 10.1257/aer.101.6.2590

Annahmen

  • Bayesianische Persuasion: Theoretisches Modell, in dem sich ein Sender vor der Handlung eines rationalen Empfängers auf eine Informationsstruktur festlegt.
  • Sender und Empfänger: Parteien, die ein Signal gestalten und nach dessen Beobachtung handeln.
  • Informationsdesign: Bewusste und wahrheitsgemäße Strukturierung, welche Information wann offengelegt wird.
  • Verpflichtung: Annahme, dass die Informationspolitik feststeht, bevor ihr Ergebnis bekannt ist.

Was die Evidenz stützt

Ordnen Sie wahre Evidenz, Unsicherheit und Ausschlussgründe um die Entscheidung; keine manipulative Punktzahl aus Bayes-Persuasion.

Grenzen und Übertragbarkeit

Ordnet Aussagen Evidenz, Unsicherheit, Alternativen und ehrlicher Eignung zu – ohne Überzeugungsscore. Eine Planungs- und Offenlegungshilfe, kein Nachweis für Verhaltensänderung.

Was nicht belegt wird

Kein universeller Score wird berechnet · Eine Planungs- und Offenlegungshilfe, kein Nachweis für Verhaltensänderung.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Verlagsrecht; nur Zusammenfassung und offizieller Link

NAVINES-Anwendung: Evidenz- und Positionierungslabor

Review of Economic Studies · 2017-01

Competition in Persuasion

Evidenzdatensatz öffnen

Forschungsfrage

Wettbewerbspositionierung

Methode

Theoretische Forschung · n/a · DOI 10.1093/restud/rdw052

Annahmen

  • Sender und Empfänger: Parteien, die ein Signal gestalten und nach dessen Beobachtung handeln.
  • Informationsdesign: Bewusste und wahrheitsgemäße Strukturierung, welche Information wann offengelegt wird.
  • Verpflichtung: Annahme, dass die Informationspolitik feststeht, bevor ihr Ergebnis bekannt ist.

Was die Evidenz stützt

Vergleichen Sie echte Alternativen auf gemeinsamer Basis. Wettbewerb kann Offenlegung erhöhen oder senken und erzeugt nicht automatisch Wahrheit.

Grenzen und Übertragbarkeit

Ordnet Aussagen Evidenz, Unsicherheit, Alternativen und ehrlicher Eignung zu – ohne Überzeugungsscore. Eine Planungs- und Offenlegungshilfe, kein Nachweis für Verhaltensänderung.

Was nicht belegt wird

Kein universeller Score wird berechnet · Eine Planungs- und Offenlegungshilfe, kein Nachweis für Verhaltensänderung.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Verlagsrecht; nur Zusammenfassung und offizieller Link

NAVINES-Anwendung: Evidenz- und Positionierungslabor

Experimental Economics · 2024-09-13

Rational inattention in games: experimental evidence

Evidenzdatensatz öffnen

Forschungsfrage

Rationale Aufmerksamkeit und Reibung

Methode

Kontrolliertes Experiment · 12 · n=238 · DOI 10.1007/s10683-024-09843-z

Annahmen

  • Rationale Unaufmerksamkeit: Modelle, die Informationswert gegen Aufmerksamkeits- oder Verarbeitungskosten abwägen.

Was die Evidenz stützt

Prüfen Sie Einsatz, Vertrautheit, Unsicherheit, Reversibilität und Informationskosten. Das Käufer-Verkäufer-Experiment ergibt keinen Universalindex.

Grenzen und Übertragbarkeit

Prüft Entscheidungen im Kontext, ohne weniger Optionen pauschal besser zu nennen. Ausgabe sind Beobachtungen und Testhypothesen, kein Conversion-Score.

Was nicht belegt wird

Kein universeller Score wird berechnet · Ausgabe sind Beobachtungen und Testhypothesen, kein Conversion-Score.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Open Access CC BY 4.0

NAVINES-Anwendung: Labor für Entscheidungsreibung und Wahlarchitektur

ACM KDD · 2003

Maximizing the Spread of Influence through a Social Network

Evidenzdatensatz öffnen

Forschungsfrage

Einfluss und Verteilung

Methode

Algorithmische Forschung · Independent Cascade; Linear Threshold; (1−1/e−ε); DOI 10.1145/956750.956769

Annahmen

  • Einflussmaximierung: Auswahl von Seed-Knoten für maximale erwartete Diffusion in einem festgelegten Graphenmodell.
  • Submodularität: Eigenschaft abnehmenden Grenznutzens beim Hinzufügen desselben Seeds zu größeren Mengen.

Was die Evidenz stützt

Modellieren Sie einen echten Graphen mit Parametern und Unsicherheit. Greedy-Approximation unter Submodularität ist keine Viralitätsprognose.

Grenzen und Übertragbarkeit

Vergleicht greedy Monte Carlo mit einem Grad-Basiswert unter ausdrücklichen Diffusionsannahmen. Reichweite hängt von Graph, Parametern und Modell ab; keine Viralitätsprognose.

Was nicht belegt wird

Kein universeller Score wird berechnet · Reichweite hängt von Graph, Parametern und Modell ab; keine Viralitätsprognose.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Verlagsrecht; nur Zusammenfassung und offizieller Link

NAVINES-Anwendung: Planer für Einfluss-Seeding

ACM CHI · 2001

What Makes Web Sites Credible? A Report on a Large Quantitative Study

Evidenzdatensatz öffnen

Forschungsfrage

Glaubwürdigkeitsevidenz

Methode

Historische Verhaltensevidenz · 1999 · n=1,410 · US/FI · 51 · DOI 10.1145/365024.365037

Annahmen

Prüft sichtbare Identität, Autoren, Quellen, Richtlinien, Nutzbarkeit und Sicherheit ohne Conversion-Prognose.

Was die Evidenz stützt

Zeigen Sie Identität, Autoren, Quellen, Richtlinien, Daten, Sicherheit und barrierearme Nutzbarkeit. Historische Wahrnehmung ist keine Conversion- oder Rankingstudie.

Grenzen und Übertragbarkeit

Prüft sichtbare Identität, Autoren, Quellen, Richtlinien, Nutzbarkeit und Sicherheit ohne Conversion-Prognose. Automatik bestätigt weder Expertise, Wahrheit, vollständige Barrierefreiheit noch menschliche Wahrnehmung.

Was nicht belegt wird

Kein universeller Score wird berechnet · Automatik bestätigt weder Expertise, Wahrheit, vollständige Barrierefreiheit noch menschliche Wahrnehmung.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Verlagsrecht; nur Zusammenfassung und offizieller Link

NAVINES-Anwendung: Glaubwürdigkeits-Evidenz-Audit

Journal of Consumer Research · 2010-10

Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload

Evidenzdatensatz öffnen

Forschungsfrage

Wahlarchitektur

Methode

Metaanalyse · 63 · 50 · N=5,036 · d=.02 · 95% CI −.09… .12 · I²=68% · DOI 10.1086/651235

Annahmen

  • Auswahlüberlastung: Kontextabhängige Möglichkeit negativer Folgen größerer Auswahl; keine allgemeine Regel.

Was die Evidenz stützt

Kategorisieren und stufenweise offenlegen, wenn hilfreich, aber Kontext testen. Der Meta-Mittelwert war fast null bei hoher Heterogenität.

Grenzen und Übertragbarkeit

Prüft Entscheidungen im Kontext, ohne weniger Optionen pauschal besser zu nennen. Ausgabe sind Beobachtungen und Testhypothesen, kein Conversion-Score.

Was nicht belegt wird

Kein universeller Score wird berechnet · Ausgabe sind Beobachtungen und Testhypothesen, kein Conversion-Score.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Verlagsrecht; nur Zusammenfassung und offizieller Link

NAVINES-Anwendung: Labor für Entscheidungsreibung und Wahlarchitektur

Data Mining and Knowledge Discovery · 2009

Controlled experiments on the web: survey and practical guide

Evidenzdatensatz öffnen

Forschungsfrage

Kontrollierte Experimente

Methode

Operative Experimentleitlinie · DOI 10.1007/s10618-008-0114-1

Annahmen

  • Gesamtbewertungskriterium: Vorab definierte Hauptmetrik zur Gesamtbeurteilung eines Experiments.
  • Guardrail-Metrik: Metrik, die einen Start blockieren kann, wenn ein geschütztes Ergebnis schlechter wird.

Was die Evidenz stützt

OEC, Guardrails, Power, Zuweisung, Ramp-up und Stopp vorab festlegen. Ein grenzwertiger p-value wählt keinen Gewinner.

Grenzen und Übertragbarkeit

Definiert Hypothese, Einheiten, Kennzahlen, Kontrollen und transparenten Periodenvergleich. Ohne Zuweisung und ausreichende Daten liefert das Ergebnis Hinweise, keinen Kausalitätsbeweis.

Was nicht belegt wird

Kein universeller Score wird berechnet · Ohne Zuweisung und ausreichende Daten liefert das Ergebnis Hinweise, keinen Kausalitätsbeweis.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Verlagsseite nennt Open Access; Wiederverwendungslizenz prüfen

NAVINES-Anwendung: Planer und Vergleich für SEO-Experimente

ACM KDD · 2017

A Dirty Dozen: Twelve Common Metric Interpretation Pitfalls in Online Controlled Experiments

Evidenzdatensatz öffnen

Forschungsfrage

Fehler der Metrikinterpretation

Methode

Operative Experimentleitlinie · 12 · Microsoft · DOI 10.1145/3097983.3098024

Annahmen

  • Stichprobenverhältnisabweichung: Unwahrscheinlicher Unterschied zwischen beobachteter und geplanter Zuweisung als mögliches Ausführungssignal.
  • Neuheits- und Primacy-Effekte: Vorübergehende Reaktionen auf Neuheit oder auf Lernen und Anpassung über Zeit.
  • Simpson-Paradoxon: Umkehr zwischen Gesamt- und Teilgruppenmustern durch unterschiedliche Gewichte oder Confounding.
  • Twymans Gesetz: Warnung, besonders überraschende Ergebnisse vor Freude besonders streng zu prüfen.

Was die Evidenz stützt

Prüfen Sie SRM, Ratios, Telemetrie, Power, Multiplizität, Segmente, Ausreißer, Neuheit, Funnel, Simpson und Twymans Gesetz.

Grenzen und Übertragbarkeit

Definiert Hypothese, Einheiten, Kennzahlen, Kontrollen und transparenten Periodenvergleich. Ohne Zuweisung und ausreichende Daten liefert das Ergebnis Hinweise, keinen Kausalitätsbeweis.

Was nicht belegt wird

Kein universeller Score wird berechnet · Ohne Zuweisung und ausreichende Daten liefert das Ergebnis Hinweise, keinen Kausalitätsbeweis.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Verlagsrecht; nur Zusammenfassung und offizieller Link

NAVINES-Anwendung: Planer und Vergleich für SEO-Experimente

ACM CIKM · 2013

Beyond Clicks: Query Reformulation as a Predictor of Search Satisfaction

Evidenzdatensatz öffnen

Forschungsfrage

Zufriedenheit jenseits von Klicks

Methode

Historische Verhaltensevidenz · ≈6,000 · 7,628 · n=218 · DOI 10.1145/2505515.2505682

Annahmen

  • Suchanfrage-Reformulierung: Folgeanfrage, die Wörter, Umfang oder Begriffe während einer Suchaufgabe ändert.

Was die Evidenz stützt

Schnelle ähnliche Reformulierungen können Sitzungshypothesen stützen. Klick ist kein Erfolg, Stille keine Zufriedenheit, GSC-Aggregate keine Sitzungen.

Grenzen und Übertragbarkeit

Prüft anonyme Reformulierungen je Sitzung als Hypothesen; Suchanfragen bleiben lokal. Ein Klick beweist keinen Erfolg; keine Folgeanfrage beweist keine Zufriedenheit.

Was nicht belegt wird

Kein universeller Score wird berechnet · Ein Klick beweist keinen Erfolg; keine Folgeanfrage beweist keine Zufriedenheit.

Was NAVINES bewusst nicht gebaut hat

Kein universeller Score wird berechnet

Primärquellen

Verlagsrecht; nur Zusammenfassung und offizieller Link

NAVINES-Anwendung: Reibungsanalyse für Suchreisen

Evidenz geprüft am 15. August 2026 · Belegt keine aktuellen Google-Faktoren oder garantierten Ergebnisse.

Forschung

Eigene Untersuchungen mit sichtbaren Methoden, Quellen und Grenzen.

Wir jagen keinen Algorithmen hinterher. Wir schaffen Klarheit, Vertrauen und nachhaltige Sichtbarkeit.

Fortgeschrittene Suchintelligenz verständlich, nützlich und zugänglich machen – und Unternehmen helfen, daraus messbare Maßnahmen abzuleiten.

Methode

  • Legen Sie Umfang, Umgebungen, kritische Templates, Datenlage und Änderungsrisiken fest.
  • Erheben Sie HTTP-Status, Direktiven, Canonicals, Links, Rendering, Sitemaps und Search-Console-Daten.
  • Dokumentieren Sie Ziele, Ereignisse, Dimensionen, Verantwortliche und die zu informierenden Entscheidungen.
  • Prüfen Sie Tags, Einwilligung, Zeitzonen, Filter und erwartete Datenlücken.

Grenzen

  • Einwilligung, Blocker, Datenschutz und Modellierung erzeugen unvollständige Daten.
  • Search Console aggregiert und begrenzt Daten; es ist kein vollständiges Suchprotokoll.
WhatsApp