STATISTIK-FORUM.de

[MadMo]

Hallo zusammen,

ich habe eine Aufgabenstellung, bei der ich nicht so genau weiß, wie ich heran gehen könnte:
Die folgende Tabelle stellt Monat und Durchschnittlichen Bestellwert eines Onlineshops dar. Jetzt weiß ich, dass ab 1.11.2013 eine Änderung in diesem Shop statt gefunden hat, die Einfluss auf den durchschnittlichen Bestellwert haben könnte. Wie könnte ich das statistisch überprüfen?

Monat Durchschnittlicher Bestellwert
2013|01 183,29
2013|02 177,53
2013|03 177,24
2013|04 410,42
2013|05 166,60
2013|06 217,81
2013|07 174,23
2013|08 178,16
2013|09 178,75
2013|10 173,21
2013|11 186,56
2013|12 183,02
2014|01 174,72

Ich danke euch jetzt schon mal für eure Mühe!

Viele Grüße
MadMo

[strukturmarionette]

Hi,

Jetzt weiß ich, dass ab 1.11.2013 eine Änderung in diesem Shop statt gefunden hat

- Das hängt sehr konkret von der Änderung ab.
- Des Weiteren müssen Messwerte aus einem Vergleichszeitraum vorliegen.

Gruß
S.

[MadMo]

Guten Morgen,

danke für die schnelle Rückmeldung.
Ich habe Daten, die mehrere Jahre in die Vergangenheit reichen. Ich habe mal ein paar mehr Monate vorangestellt. 2012|11, 2012|12, 2013|01 wäre dann der Vergleichszeitraum? Ich habe die Daten "linear verzerrt" (k.A. ob das der richtige Begriff ist), da ich hier keine Echtdaten veröffentlichen möchte.
Folgende Änderung wurde im Shop durchgeführt: Es gab eine Funktion (Recommendation Engine), die den Besuchern basierend auf ihrem Klick- & Kaufverhalten Produkte vorgeschlagen hat, die für sie interessant sein könnten. Die Vermutung ist: Durch das Abstellen dieser Funktion zum 1.11.2013 ist der durchschnittliche Bestellwert gesunken. Eine andere Vermutung wäre, dass die durchschnittliche Anzahl der Positionen pro Auftrag abgenommen hat. Auch hierzu habe ich Daten. Ich wollte aber zunächst den durchschnittlichen Bestellwert betrachten.

Monat Durchschnittlicher Bestellwert
2012|09 163,11
2012|10 165,67
2012|11 167,31
2012|12 173,08
2013|01 183,29
2013|02 177,53
2013|03 177,24
2013|04 410,42
2013|05 166,60
2013|06 217,81
2013|07 174,23
2013|08 178,16
2013|09 178,75
2013|10 173,21
2013|11 186,56
2013|12 183,02
2014|01 174,72

Mit was für einem Verfahren könnte ich hier heran gehen?

Viele Grüße
MadMo

[strukturmarionette]

Hi,

Ich wollte aber zunächst den durchschnittlichen Bestellwert betrachten.

wahrscheinlich zunächst:

- bei nur zwei Vergleichsjahren T-Test für unabhängige Stichproben
- bei >2 Vgl-Jahren einfaktorielle Anovas

Gruß
S.

[MadMo]

Guten Morgen,

vielen herzlichen Dank für die Hinweise. Ich werde es mit dem T-Test versuchen.

Viele Grüße
MadMo

[MadMo]

Hallo S.,

ich habe mal in Excel den T-Test für die unten aufgeführten Werte durchgeführt, und zwar einseitig. Ich habe das im Folgenden versucht zu skizzieren:

Monat - Durchschnittlicher Bestellwert - Durchschnittlicher Bestellwert Vergleichszeitraum
2013|11 252,4 280,9
2013|12 243,5 297,4
2014|01 225,7 244,1


7,69% =T.TEST(B2:B4;C2:C4;1;3).

Da 7,69 größer als 0,05 ist, kann ich doch die Nullhypothese (H_0 = Die Veränderungen im Shop haben keinen Effekt auf den durchschnittlichen Bestellwert) nicht ablehnen. Die Folgerung ist also: Die Veränderungen im Shop haben einen Effekt auf den durchschnittlichen Bestellwert.
Interpretiere ich das so richtig?

Viele Grüße
MadMo

[strukturmarionette]

Hi,

7,69% =T.TEST(B2:B4;C2:C4;1;3).

Ich weiß nicht, was das bei MS_Excel zu bedeuten hat.
Aber es lesen ja noch andere mit. (!)

Möglicherweise liegt dabei aber Missverständnisse vor.

Gruß
S.

[MadMo]

Hi,

danke nochmal für die Hilfe.

7,69% =T.TEST(B2:B4;C2:C4;1;3).

Ich weiß nicht, was das bei MS_Excel zu bedeuten hat.

T.TEST(B2:B4;C2:C4;1;3) errechnet für die beiden Datenreihen in B2:B4 (rot) und C2:C4 (grün) den p-Wert des T-Tests. Die "1" bedeutet, dass es ein einseitiger Test ist und die "3", dass es sich um zwei Stichproben mit unterschiedlichen Varianzen handelt.
Excel errechnet hier für den p-Wert einen Wert von 7,69%. Da dieser größer als 5% ist, würde ich das so interpretieren, dass H_0 nicht verworfen werden kann. Ich bin mir aber nicht sicher, ob ich das richtig verstanden habe.

Viele Grüße
MadMo

[PonderStibbons]

Wenn Du Pärchen anhand der Monate bildest, dann sind es nicht
2 unabhängige Stichproben mit jeweils zufälliger Auswahl der
Bestandteile der Stichproben. Sondern es sind dann abhängige
Stichproben und entsprechend ist der t-Test für solche Stichproben
durchzuführen. Man kann es auch als t-Test für 1 Stichprobe
betrachten (wenn man einfach die Differenzen innerhalb
der Pärchen gegen den Wert "0" testet).

Bei nur 3 Betrachtungsmonaten (n=3 im Test) ist es aber
womöglich von vornherein ausgeschlossen, dass ein statistisch
signifikantes Ergebnis herauskommen kann (zu geringe Datenbasis).

Nebenbei kannst Du die Hypothese "Die Veränderungen im Shop
haben keinen Effekt auf den durchschnittlichen Bestellwert"
auch nicht statistisch testen. Allenfalls, OB es eine Veränderung
gegeben hat, aber nicht WARUM.

[MadMo]

Hi PonderStibbons,

vielen Dank für Deine Hinweise.

Wenn Du Pärchen anhand der Monate bildest, dann sind es nicht
2 unabhängige Stichproben mi tjeweils zufälliger Auswahhl der
Betsandteile der Stichproben. Sondern es sind dann abhängige
Stichproben und entsprechen ist der t-Test für solche Stichproben
durchzuführen.

Bei nur 3 Betrachtungsmonaten (n=3 im Test) ist es aber
womöglich von vornherein ausgeschlossen, dass ein statistisch
signifikantes Ergebnis herauskommen kann (zu geringe Datenbasis).

Deine beiden oben genannten Punkte erscheinen mir auch logisch nachvollziehbar.
Angenommen, ich wollte die Datenbasis erhöhen, in dem ich den durchschnittlichen Bestellwert nicht auf Monatsbasis, sondern auf Tagesbasis vergleiche. Ich könnte z.B. alle Tage von Januar 2014 (wenn er vorüber ist) mit Januar 2013 vergleichen. Da hätte ich 31 Tage, die ich miteinander vergleichen würde.
Hier stellt sich wieder die Frage der (Un-)Abhängigkeit. Beispielsweise würde ich den 6.1.2014 (ein Montag) mit dem 6.1.2013 (ein Sonntag) vergleichen. Für den Shop, den ich hier betrachte würde das nicht wo viel Sinn ergeben, einen Montag mit einem Sonntag zu vergleichen (die beiden Tage verhalten sich was Besucherzahlen, Umsätze, etc. betrifft komplett verschieden). Dann hätte ich in diesem Fall aber wieder unabhängige Stichproben, oder?

Nebenbei kannst Du die Hypothese "Die Veränderungen im Shop
haben keinen Effekt auf den durchschnittlichen Bestellwert"
auch nicht statistisch testen. Allenfalls, OB es eine Veränderung
gegeben hat, aber nicht WARUM.

Da hast Du vollkommen recht!

Viele Grüße
MadMo