Direkte Antwort

Selection Delta misst den Auswahlunterschied nach einer definierten Datenänderung.

Bei gleicher Kundenfrage, gleichem Katalogausschnitt und möglichst gleichem Testaufbau wird verglichen, welche Produkte vorher und nachher qualifiziert, ausgeschlossen oder anders begründet werden. Der Trace ordnet die Änderung den zusätzlich bereitgestellten Fakten, Relationen oder Regeln zu.

Das ist mehr als Sichtbarkeit: Ein Produkt kann erwähnt werden, obwohl es nicht passt. Umgekehrt kann eine Datenverbesserung die Qualität erhöhen, indem ein ungeeignetes Produkt korrekt ausgeschlossen wird. Beide Veränderungen sind ein relevantes Selection Delta.

Ein vereinfachtes Beispiel

Die rechte Seite ist nicht automatisch besser – sie muss begründbarer sein.

Kostenbewusst testen

Ein kontrafaktischer Trace braucht keine hundert Anfragen pro Produkt.

Wir testen nicht jedes Produkt isoliert. Stattdessen arbeiten wir mit einer kleinen, repräsentativen Stichprobe aus Kundenfragen, Produktrollen und Datenlücken. Für jede Frage entstehen zwei kontrollierte Bedingungen:

KonstanteBedingung ABedingung B
Kundenfrageidentischidentisch
Produktauswahl und Commerce-Datenidentischidentisch
Agent, Prompt und Parametereingefrorener Standderselbe Stand
Decision Datanicht enthaltenklar abgegrenztes Datenpaket enthalten
Reviewfachlich gegen Wahrheit geprüftmit derselben Rubrik geprüft

Weil generative Modelle variieren können, bleibt ein einzelner Lauf zunächst richtungsweisend. Wiederholungen werden dort eingesetzt, wo die erste Beobachtung entscheidungsrelevant oder instabil ist – nicht pauschal über den ganzen Katalog.

Was der Trace sichtbar macht

Vier Arten von Auswahlverbesserung.

Neue Qualifizierung

Ein vorher nicht berücksichtigtes Produkt erfüllt nun nachweisbar die notwendigen Bedingungen.

Korrigierter Ausschluss

Ein scheinbar passendes Produkt scheidet wegen Edition, Abhängigkeit, Spielerzahl oder anderer harter Grenze aus.

Bessere Begründung

Die Auswahl bleibt gleich, ist aber auf konkrete Quellen und Fit-Signale zurückführbar.

Weniger Erfindung

Unbelegte Aussagen werden durch Unknown, Rückfrage oder sicheren Fallback ersetzt.

Kein Händler-Ranking: Selection Delta bewertet die Wirkung einer Datenänderung auf einen definierten Entscheidungsfall. Es ist keine universelle Rangliste von Shops, Produkten oder Agenten.

Die ehrliche Wirkungskette

Auswahlqualität ist näher am Geschäft – aber noch nicht Umsatz.

DatenCoverage und Wahrheit
QualifizierungSelection Delta
AktivierungReferral oder Beratung
GeschäftWarenkorb, Umsatz, Marge

Ein verbessertes Selection Delta belegt zunächst die vorgelagerte Auswahlwirkung. Für kommerzielle Aussagen braucht es zusätzlich Aktivierungslogs, zeitlich dokumentierte Änderungen, passende Vergleichsgruppen und die Kontrolle von Preis, Bestand, Promotions, Saison und Nachfrage. Ohne diesen Aufbau sprechen wir von Richtungssignalen, nicht von kausalem Mehrumsatz.

Kurz beantwortet

Häufige Fragen

Ist Selection Delta dasselbe wie Share of Answer?

Nein. Share of Answer misst, wie häufig ein Anbieter oder Produkt in Antworten vorkommt. Selection Delta untersucht, welche konkrete Datenänderung eine Qualifizierung, einen Ausschluss oder eine Begründung verändert.

Wie groß muss ein erster Test sein?

So klein wie möglich und so groß wie nötig: typischerweise wenige priorisierte Intents mit bewusst gewählten Positiv-, Gegen- und Relationsfällen. Erst instabile oder wichtige Befunde erhalten zusätzliche Wiederholungen.

Kann ein Delta negativ sein?

Ja. Wenn zusätzliche Daten ungeeignete Produkte ausschließen, sinkt möglicherweise die Zahl der Empfehlungen und die Entscheidungsqualität steigt trotzdem. Ein unerwarteter schlechterer Fit kann außerdem einen Fehler im Datenpaket aufdecken.

Decision Data Audit

Miss nicht nur, ob Du vorkommst. Miss, warum sich die Auswahl ändert.

Wir frieren Fragen, Katalogausschnitt und Datenbedingungen ein und liefern einen nachvollziehbaren Selection-Delta-Trace mit fachlicher Aussagegrenze.

Selection Delta besprechen

Aussagegrenze: Selection Delta ist ein Shelfkind-Messansatz für kontrollierte Auswahlvergleiche. Ein Vorher-Nachher-Unterschied ist ohne geeignete Wiederholung, Vergleichsgruppe und Confounder-Kontrolle kein kausaler Umsatznachweis.