Dr. Gregori's onderzoek richt zich op het verbeteren van de betrouwbaarheid van marketinginzichten door middel van geavanceerd experimenteel ontwerp. Zijn meest recente werk introduceert de "Proximal Difference-in-Differences" schatter, een semiparametrische benadering die is ontworpen om te corrigeren voor vertekeningen veroorzaakt door niet-waargenomen individuele kenmerken-factoren die vaak leiden tot onnauwkeurige resultaten in standaard marketingonderzoeken.
Door deze methode toe te passen op een grootschalig longitudinaal onderzoek naar "koop-nu-betaal later"-programma's, toont het onderzoek aan dat traditionele schattingsmethoden behandelingseffecten met maar liefst 28% kunnen overschatten. Door gebruik te maken van negatieve controlevariabelen om rekening te houden met verborgen factoren zoals besteedbaar inkomen, biedt Dr. Gregori een robuuster raamwerk voor het evalueren van consumentengedrag. Om de academische en praktijkgemeenschap te ondersteunen, heeft hij het R-pakket "ProxDiD" uitgebracht voor het implementeren van deze geavanceerde causale inferentietechnieken.
