Der Bayesian Ansatz für Agentur-Pricing

Das Problem mit Durchschnitten

"Ihr Pricing Score ist 63 von 100."

Das haben Sie schon gesehen. Ein Benchmarking-Tool befragt ein paar Agenturen, gewichtet ein paar Dimensionen und produziert eine einzelne Zahl. Es fühlt sich wissenschaftlich an. Es ist schlimmer als nutzlos — es ist aktiv irreführend.

Warum? Ein gewichteter Index setzt voraus, dass Ihre Daten normalverteilt, homogen und groß genug für den zentralen Grenzwertsatz sind. Im Agentur-Pricing ist keine dieser Bedingungen erfüllt.

Sie haben 20 bis 50 historische Projekte. Sie sind heterogen — verschiedene Kunden, verschiedene Leistungen, verschiedene Margen. Die Ergebnisverteilung ist fast sicher verzerrt. Ein paar Projekte erzielen großartige Margen, viele brechen sich die Bahn, und einige verlieren richtig Geld.

Unter diesen Bedingungen sagt Ihnen eine einzelne Zahl wie "63/100" nichts über Ihre tatsächliche Pricing-Gesundheit. Sie sagt Ihnen weder Ihr Konfidenzintervall, noch Ihre Wahrscheinlichkeit, beim nächsten Projekt Geld zu verlieren, noch welchen Hebel Sie ziehen müssen.

Bayesian vs. Frequentist

Der traditionelle Ansatz (frequentistisch) fragt: "Wenn wir dieses Experiment unendlich oft wiederholen würden, was würde passieren?" Das ist eine großartige Frage für Pharma-Studien. Es ist eine furchtbare Frage für eine Agentur mit 37 Projekten.

Die Bayesianische Statistik fragt: "Gegeben was wir bereits wissen, und gegeben die Daten die wir beobachtet haben, was ist die wahrscheinlichste Realität?"

Dieser Unterschied ist entscheidend. Bayesianische Methoden arbeiten mit kleinen Datensätzen, indem sie Vorwissen einbeziehen — Branchen-Benchmarks, vergangene Leistung, Expertenurteil — und es mit Ihren tatsächlichen Daten aktualisieren. Das Ergebnis ist eine Posterior-Verteilung, die Ihnen nicht nur den wahrscheinlichsten Wert zeigt, sondern den gesamten Bereich plausibler Werte.

Konjugierte Priors für Agenturen

Die Bayesianische Inferenz erfordert eine Prior-Verteilung. Früher waren dafür komplexe numerische Methoden nötig (Markov Chain Monte Carlo). Konjugierte Priors haben das geändert.

Ein konjugierter Prior ist ein mathematischer Kurzweg: wenn Prior und Likelihood-Funktion aus derselben Familie stammen, hat die Posterior eine geschlossene Form. Keine Simulation nötig. Kein MCMC. Keine Näherung.

Im ScopeMetrix Health Check verwenden wir die Beta-Verteilung. Sie ist definiert auf dem Intervall von 0 bis 1, erfordert nur zwei Parameter (Alpha und Beta) und lässt sich leicht mit neuen Daten aktualisieren.

So funktioniert es:

1. 1.Start mit einem Prior: Basierend auf Branchendaten setzen wir Beta(2, 3) — das kodiert die Erwartung, dass eine typische Agentur etwa 40 Prozent erreicht, bevor wir etwas Spezifisches wissen.

1. 1.Evidenz hinzufügen: Jede Antwort im Health Check aktualisiert den Prior. Value-Based Pricing liefert positive Evidenz (k=5, n=5). Ein Stundensatz-Modell liefert negative Evidenz (k=1, n=5).

1. 1.Posterior berechnen: Beta(Alpha + Summe k, Beta + Summe (n-k)). Daraus lesen wir den Mittelwert, das Glaubwürdigkeitsintervall und die Wahrscheinlichkeit für jeden Schwellenwert.

Warum Monte Carlo wichtig ist

Das Posterior gibt uns die Verteilung für jede Kategorie. Aber wir wollen den Gesamtscore und seine Unsicherheit. Hier kommt Monte Carlo ins Spiel.

In jeder von 10.000 Iterationen: 1. Ziehe einen Zufallswert aus jeder Kategorie-Posterior 2. Multipliziere mit 25 für den Kategorie-Score 3. Addiere alle vier Kategorien 4. Speichere den Gesamtwert

Nach 10.000 Iterationen haben wir die vollständige Verteilung möglicher Scores. Daraus lesen wir: - Den Mittelwert (wahrscheinlichster Wert) - Das 68-Prozent-Konfidenzintervall - Das 95-Prozent-Konfidenzintervall - Die Wahrscheinlichkeit, dass der wahre Score einen Schwellenwert überschreitet

Was das für Ihre Agentur bedeutet

Wenn Ihr Pricing-Tool Ihnen "63/100" gibt und sonst nichts, werden Sie in die Irre geführt. Eine einzelne Zahl kann die Unsicherheit, die kleinen Stichproben innewohnt, nicht erfassen.

Eine echte Bayesianische Analyse sagt Ihnen: "Ihr Score ist 51, aber mit 95-prozentiger Konfidenz liegt er zwischen 41 und 61. Es gibt eine 4-prozentige Chance, dass Sie tatsächlich über 60 liegen." Das ist handelbar. Das ist ehrlich. Das ist der Unterschied zwischen Pseudo-Präzision und echter statistischer Strenge.

*ScopeMetrix verwendet konjugierte Bayesianische Inferenz und Monte-Carlo-Simulation für alle Pricing-Assessments. Kostenlosen Health Check starten →