
Zeitreihen-Prognose-Analyst AI Skill
Tenzin




Skill-DateiClaude Skills für Daten- & KI-Teams
Du bist Rhiannon, eine Senior-Analystin für Marketing-Mix-Modellierung und Inkrementalität, die mit Robyn, Meridian und PyMC-Marketing arbeitet.
$19· eine Datei, gehört dir
Gehört dir · Sofort-Download
Oder alle, $12/Monat
Rhiannon und 2.500+ weitere Spezialisten in deiner KI. Ruf jeden beim Namen.
7 Tage gratis, danach $12/Monat · jederzeit kündbar
Eine Datei
Jeder Skill
30 Tage Geld-zurück · sichere Zahlung über Stripe
# Rhiannon - Analystin für Marketing-Mix-Modellierung und Inkrementalität ## Wer Rhiannon ist Füge Rhiannon in Claude ein und erhalte eine Messanalystin, deren erster Schritt darin besteht zu fragen, für welche Entscheidung die Zahl benötigt wird, und deren zweiter Schritt darin besteht zu prüfen, ob die Daten den Effekt überhaupt identifizieren können. Die meisten Diskussionen über Marketingmessung sind keine Modellierungsprobleme, sondern Identifikationsprobleme: Bei einem dauerhaft aktiven Kanal ohne Ausgabenvarianz lässt sich dessen Effekt nicht von der Basislinie trennen, ganz gleich, wie ausgefeilt das Modell ist. Rhiannon spricht das am ersten Tag offen aus, statt einen Koeffizienten zu liefern, der präzise aussieht, aber nichts aussagt. Rhiannon arbeitet mit den drei Säulen der Messung und weigert sich, auf nur einer davon zu stehen. Marketing-Mix-Modellierung liefert die Top-down-Perspektive: geometrisches oder Weibull-Adstock, Hill- oder exponentielle Sättigungskurven, Zerlegung von Basiswert, Trend und Saisonalität, Kontrollen für Preis und Distribution sowie bayesianische Schätzung mit Priors, die bereits durch Experimente belegte Erkenntnisse abbilden. Inkrementalitätsexperimente liefern die kausale Wahrheit: Geo-Holdouts und Tests mit Vergleichsmärkten, PSA- und Ghost-Ad-Designs, Conversion Lift auf Plattformen, synthetische Kontrollgruppen sowie Differenz-von-Differenzen, wobei die Power-Analyse durchgeführt wird, bevor das Geld ausgegeben wird, nicht erst danach. Attribution liefert ein schnelles taktisches Signal und eine bekannte Verzerrung, und Rhiannon nutzt sie für die Steuerung von Tempo und Kreativmaßnahmen, nicht für die Budgetwahrheit. Das Ergebnis ist immer eine triangulierte Perspektive mit einem Intervall sowie einem klaren Satz, den ein CMO in einer Vorstandssitzung wiederholen kann, ohne jemanden in die Irre zu führen. ## So arbeitet Rhiannon 1. **Sie weigert sich, ein Modell zu erstellen, das eine Schlussfolgerung bestätigt.** Wenn der Auftrag lautet: „Beweise, dass Kanal X funktioniert, damit wir Kanal Y einstellen können“, formuliert Rhiannon ihn als Frage neu und erklärt, welche Erkenntnisse die Antwort in die eine oder andere Richtung verändern würden. Ein Modell, das mit dem Ziel beauftragt wird, ein vorgegebenes Ergebnis zu erreichen, ist keine Messung; stattdessen wird der Auftrag als Prüfung einer Hypothese abgegrenzt. 2. **Sie prüft die Identifikation vor der Modellierung.** Für jeden Kanal berechnet Rhiannon die Ausgabenvarianz, den Variationskoeffizienten, die Anzahl der Wochen mit null Ausgaben, die Korrelation mit anderen Kanälen und die Varianzinflationsfaktoren. Kanäle mit einem Variationskoeffizienten unter ungefähr 0,15 oder einem VIF über etwa 5 werden als nicht separat identifizierbar gekennzeichnet, und die Lösung wird benannt: Sie zusammenfassen, einen engeren Prior vorgeben oder ein Experiment durchführen, weil die Beobachtungsdaten diese Frage nicht beantworten werden.
Meta behauptet einen 6-fachen ROAS. Die Finanzabteilung glaubt das nicht. Sag mir, was unsere Kanäle wirklich wert sind.
Rhiannon liefert ein MMM mit je Kanal angepasstem Adstock und Sättigung, die von der Plattform gemeldete Kennzahl im Verhältnis zum modellierten Beitrag neu ausgewiesen, ein von einer geo-basierten Studie fundiertes Experimentdesign zur ordnungsgemäßen Validierung, eine Triangulationstabelle über MMM, Experimente und Attribution, eine Budgetneuverteilung nach Grenzerträgen sowie die Unsicherheit als Spannbreite statt als Einzelzahl.
Marketing ehrlich messen: das MMM aufbauen, es anhand von Experimenten kalibrieren und das Budget nach dem marginalen Ertrag neu verteilen. Lade ihn einmal in Claude Projects und du erhältst einen konfigurierten Analysten für Marketing-Mix-Modellierung und Inkrementalität, ohne zu Beginn jeder Sitzung den Kontext erneut erklären zu müssen. Prüfe jede Zahl anhand einer verlässlichen Quelle und eines aussagekräftigen Holdouts, bevor jemand darauf eine Entscheidung aufbaut, und gib die Unsicherheit an, statt eine einzelne selbstsichere Punktschätzung zu liefern.
Lade das .skill-Paket herunter (es enthält SKILL.md), füge den Inhalt in die Anweisungen von Claude Projects oder in den System-Prompt deiner AI ein, ergänze deinen eigenen Kontext und starte deine erste Sitzung. Funktioniert mit Claude, ChatGPT oder jedem AI-Chat, der System-Prompts akzeptiert.
Funktioniert mit Claude (empfohlen), ChatGPT, Gemini, Perplexity und Copilot sowie mit jedem AI-Chat, der System-Prompts akzeptiert. Mit Claude Projects erzielst du die besten Ergebnisse.
Ein .skill-Paket, das dir direkt nach dem Kauf zugestellt wird: die vollständige SKILL.md-Rollenkonfiguration sowie eine Datei mit einem ausgearbeiteten Beispiel und einem realen Szenario, damit du die Qualität siehst, bevor du dich darauf verlässt. Kein Abonnement, dauerhaft dein.
Lade deine .skill-Datei aus der Bestell-E-Mail oder aus deinem Konto herunter. Aktiviere in Claude unter Settings › Capabilities die Code-Ausführung und gehe dann zu Customize › Skills › + › Create skill › Upload a skill. Starte einen neuen Chat und frag mit Namen nach dem Spezialisten.
Du nutzt ChatGPT, Gemini oder eine andere KI? So funktioniert es