Halloween, gemessen
Hat Halloween wirklich verkauft, oder ist es Rauschen im Oktober?
Ein paar gute Tage Ende Oktober sieht man leicht. Ob es Halloween war, und ob der November dafür bezahlt hat, nicht. Messen Sie, was Halloween gebracht hat, mit seinem Intervall, und halten Sie den Black Friday heraus.
In der Beta nur auf Einladung. Sagen Sie uns, wer Sie sind, und wir melden uns.
Wöchentlicher Absatz, mit und ohne Halloween
Ende September bis November, BeispielhändlerEine Illustration auf einem unserer Beispielmärkte. Auf Ihrer Datei wird die Linie ohne Halloween aus Ihren eigenen Jahren geschätzt, und jede Zahl kommt mit ihrem Konfidenzintervall.
Vier Arten, Halloween falsch zu lesen
Manche Reports finden im Oktober nichts, andere geben Halloween die Schuld am November. Beide lesen die falschen Wochen.
Die Wochen davor
Kostüme, Süßwaren und Deko werden in den zwei Wochen vor dem 31. Oktober gekauft, nicht am Tag selbst. Ein Halloween, das nur auf den 31. datiert ist, verpasst den Großteil seines eigenen Effekts.
Die Woche danach
Ein Teil der Oktoberausgaben wäre ohnehin Anfang November gekommen. Die erste Woche nach Halloween gibt davon ein Stück zurück.
Das Warten auf den Black Friday
Ab Mitte November wartet die Kundschaft auf die Rabatte. Diese Delle gehört zum Black Friday, und ein Vergleich mit dem Vormonat lastet sie Halloween an.
Kleine Effekte, breite Bänder
Ein Uplift von wenigen Prozent über drei Wochen liegt nah am Rauschen. Das Intervall sagt, ob Ihre Datei ihn überhaupt sehen kann, und „kein messbarer Effekt“ ist eine Antwort, mit der ein Budget arbeiten kann.
Vom verbuchten Uplift zum echten
Man beginnt mit dem, was die Halloween-Wochen über der Linie verkauft haben, zieht ab, was die Woche danach verloren hat, und überlässt die Black-Friday-Wochen dem Black Friday. Beim Beispielhändler waren des verbuchten Uplifts neu. Klein, und echt.
Die grauen Novemberwochen stehen nicht in der Summe: Sie werden auf der Seite zum Black Friday gemessen, mit den Daten dieses Ereignisses.
Wo der verbuchte Uplift geblieben ist
Beispielhändler, 2026Der Weg in tea
Drei Analysen auf derselben Datei, jede beantwortet einen Teil der Frage.
-
Seasonality & Event Impact
Sie legen Halloween mit den Tagen davor an, und den Black Friday mit seinen eigenen Daten. Jedes bekommt seinen Effekt mit 95-%-Intervall; Fenster, die sich überschneiden, werden markiert, denn zwei Ereignisse an denselben Tagen lassen sich nicht trennen. So funktioniert es
-
Promo Elasticity
Kam Halloween mit einem Rabatt, kommt der Uplift pro Rabattpunkt abzüglich der Wochen danach heraus. Dafür braucht es mindestens drei Promotions in der Datei, und Sie erfahren es. So funktioniert es
-
Contribution Decomposition
Lief eine Kampagne, geht eine Halloween-Spalte neben Media, Preis und Saison ins Modell ein, und die Oktoberwochen werden zwischen ihnen aufgeteilt, statt ganz dem Ereignis zuzufallen. So funktioniert es
Was Ihre Datei braucht
Mindestens zwei Halloweens
Zwei Jahre Zeilen, täglich, wenn Sie sie haben: Ein Effekt von wenigen Tagen verschwimmt in einer Wochendatei.
datum tag
Die Zahl, die erklärt werden soll
Umsatz, Bestellungen, Stück. Eine Spalte, in jeder Zeile dieselbe.
umsatz bestellungen
Was sich sonst bewegt hat
Rabatttiefe, Mediaausgaben, Preis. Optional, und jedes davon ist ein Teil der Antwort.
rabatt search_ausgaben
Halloween datieren Sie selbst, mit den Tagen davor, und der Data Scout sagt Ihnen vor der Analyse, ob die Datei für die Frage zu dünn ist.
Die Inkrementalität von Halloween, in einem Absatz
Der inkrementelle Effekt von Halloween ist die Differenz zwischen dem, was die Wochen um den 31. Oktober verkauft haben, und dem, was sie ohne Halloween verkauft hätten. Für die meisten Kategorien ist er klein, und die ehrliche Messung kommt mit einem Band: Ein Effekt, dessen Intervall die Null einschließt, ist ein Ergebnis, kein Scheitern.
Das Fenster zählt mehr als der Tag. Mit den zwei Wochen davor und der Woche danach angelegt, nimmt Halloween, was ihm gehört; neben dem Black Friday angelegt, bekommt es nicht mehr die Schuld am November.
Wie das Ereignismodell einen Kalender liest, und wo es täuscht: Saisonalität und Ereignisse, erklärt.
Wirkt Halloween auch außerhalb von Süßwaren und Kostümen?
Oft nicht, und auch das ist ein Ergebnis, das sich lohnt. Mit seinem Intervall gemessen, sagt ein Halloween-Effekt, der die Null einschließt, dass das Ereignis für Ihre Kategorie Rauschen ist, und das Oktoberbudget kann woanders hin.
Warum ist der November nach Halloween schwächer?
Teilweise wegen Halloween, das einige Käufe in den Oktober vorgezogen hat, vor allem aber, weil die Kundschaft auf den Black Friday zu warten beginnt. Beides gehört zu verschiedenen Ereignissen: Ein Modell, das beide datiert, trennt sie; ein Vergleich mit dem Vormonat lastet Halloween das Warten auf den Black Friday an.
Wie viele Wochen dauert Halloween?
Für den Absatz etwa drei: Kostüme, Süßwaren und Deko werden in den zwei Wochen vor dem 31. Oktober gekauft, nicht am Tag selbst. Wer nur den Tag anlegt, verpasst den Großteil des Effekts; wer ein Fenster mit den Tagen davor anlegt, erfasst ihn.
Wie viele Daten brauche ich?
Mindestens zwei Jahre, also zwei Halloweens, und Tagesdaten helfen: Ein Effekt von wenigen Prozent über wenige Wochen liegt nah am Rauschen, und das Intervall sagt, ob die Datei ihn überhaupt sehen kann.
Was kostet es?
Während der Beta nichts: Jede Analyse wird gemessen, aber kein Guthaben bewegt sich. Nach der Beta enthält jeder Tarif ein monatliches Token-Kontingent: 150 bei Free, 3.000 bei Pro, 6.000 bei Plus, 20.000 bei Business. Was davon übrig bleibt, verfällt, wenn sich der Monat erneuert; gekaufte Token verfallen nie. Der Tarif begrenzt nie, welche Fragen Sie stellen können.
Der nächste Schritt
Die Wirkung des Black Friday
Der folgende November, gemessen abzüglich der Wochen, in denen die Kundschaft auf ihn gewartet hat, und derer, aus denen er geborgt hat.
Zur SeiteSaisonalität und Ereignisse
Jedes Ereignis des Jahres, bewegliche Feiertage eingeschlossen, gemessen bei sonst gleichen Bedingungen.
Zur AnalyseGeben Sie dem Oktober das Budget, das er sich verdient, gemessen.
Datei hochladen, das Ereignis messen, die Zahl behalten, die hält. In der Beta kostenlos, auf Einladung.
An der Beta teilnehmenLernen
Ein Report sagt, was passiert ist. Eine Analyse sagt, warum.
Das meiste, was auf einem Marketing-Schreibtisch landet, ist Reporting. Nützlich, aber eine andere Aufgabe. Der Blog erzählt jeden Tag einen Fall, in dem genau dieser Unterschied über die Antwort entscheidet.
Der Absatz lag im April 11 % höher, TV lief sechs Wochen. Was passiert ist, nach Kanal, nebeneinander.
4,2 dieser Punkte kamen vom TV, 5,1 vom verschobenen Ostertermin. Was es verursacht hat und was der nächste Euro bewirkt.
Wenn ein Budgetoptimierer 60 % in einen Kanal verschieben will
Rollierende Kreuzpreiselastizität: ist die Rivalität stabil?
