Incrementaliteitstesten: Definitie & Hoe Het Werkt

Incrementaliteitstesten zijn een gecontroleerd experiment dat meet hoeveel van uw gerapporteerde conversies een advertentiekanaal daadwerkelijk veroorzaakt, in plaats van hoeveel conversies het pixel van het platform simpelweg claimt. U houdt een groep gebruikers of geografische gebieden tegen om de advertenties van een specifiek kanaal te zien, en vergelijkt vervolgens het resultaat met een groep die ze wel heeft gezien. Het resterende verschil tussen de twee groepen is de werkelijke, incrementele bijdrage van het kanaal. Alles andere zijn conversies die toch zouden hebben plaatsgevonden.

Waarom platform‑gerapporteerde cijfers resultaten overschatten#

Elke advertentienetwerk wil credit voor een verkoop. Als iemand al van plan was te kopen via organisch zoeken of een merkgerichte zoek‑click, en toevallig een retargeting‑advertentie zag, kan standaard conversion tracking die credit nog steeds aan de advertentie toekennen binnen zijn attribution window. Zelfs zachtere credit, waarbij een platform een conversie telt nadat iemand alleen een advertentie heeft gezien, vergroot het probleem; die mechaniek heet view-through attribution. Incrementaliteitstesten verwijderen dit ruis door een simpelere vraag te stellen: als dit kanaal deze maand nul euro had uitgegeven, zou de conversie dan nog hebben plaatsgevonden?

Dat is een andere vraag dan waar een tracking‑pixel alleen op antwoordt, daarom bouwen teams die zes‑cijferige maandelijkse native‑ of social‑budgetten beheren uiteindelijk een incrementaliteitsprogramma naast hun platform‑dashboards, niet in plaats daarvan.

Hoe teams het in de praktijk uitvoeren#

Twee ontwerpen dekken de meeste real‑world gevallen. Een geo‑test pauzeert een kanaal volledig in een set van overeenkomende regio’s en vergelijkt het conversiepercentage met regio’s waar de uitgaven doorgingen. Een user‑level test maakt gebruik van de ingebouwde conversion‑lift‑tooling van het advertentieplatform, die natively wordt aangeboden door verschillende demand-side platforms, om advertenties te onthouden van een willekeurig geselecteerde slice van het publiek.

Hoe dan ook, de wiskunde is dezelfde: incrementele lift is gelijk aan het conversiepercentage van de testgroep min het conversiepercentage van de holdout‑groep. Een kanaal dat een sterke zelfgerapporteerde ROAS in‑platform toont, kan bijna nul incrementele lift laten zien zodra een schone holdout de gebruikers verwijdert die toch zouden hebben geconverteerd.

Waar het voor wordt gebruikt#

Media‑kopers voeren incrementaliteitstesten uit om budgetallocatie over netwerken te bepalen, niet alleen om één kanaal in isolatie te auditen. Een patroon dat we in de index zien: merken die dezelfde creatieve invalshoek gelijktijdig over meerdere netwerken draaien, gaan vaak ervan uit dat ze allemaal gewicht dragen, terwijl een lift‑test laat zien dat één kanaal voornamelijk vraag terugwint die een ander al heeft gecreëerd.

Voor het uitvoeren van een formele test beginnen de meeste teams met het observeren van wat concurrenten in hun verticale daadwerkelijk opschalen, aangezien een kanaal dat vol is met lange ad longevity een redelijk proxy is voor waar incrementele budgetten doorgaans werken. OpenAdLibrary's ad intelligence tools laten u creatieve overlap en looptijd over netwerken controleren voordat u test-ad spend toewijst aan een holdout.

Veelgemaakte fouten#

De holdout‑groep moet groot genoeg en willekeurig genoeg zijn om een echt signaal te detecteren, niet alleen ruis. Een test van één week op een kanaal met laag volume kan meestal geen statistische significantie bereiken. Teams voeren de test ook vaak uit tijdens een seizoenspiek of een site‑brede promotie, waardoor beide groepen evenveel worden besmet en het lift‑cijfer betekenisloos wordt. Voer de test uit tijdens een representatieve periode, bepaal de grootte van de holdout met een juiste power‑berekening, en stop niet vroegtijdig alleen omdat het tussencijfer er goed, of slecht, uitziet.