Incrementaliteitstesten: Definitie & Hoe Het Werkt

Incrementaliteitstesten zijn een gecontroleerd experiment dat schat hoeveel van de conversieactiviteit die voor een advertentiekanaal wordt gerapporteerd, daadwerkelijk door de advertenties is veroorzaakt, in plaats van te vertrouwen op de conversies die de tracking van het platform aan zijn advertenties toeschrijft. 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. Een goed opgezette test interpreteert het verschil tussen de groepen als een schatting van het incrementele effect van het kanaal voor dat publiek, die periode en die opzet, gerapporteerd met de bijbehorende onzekerheid; de uitkomsten die in de holdout‑groep overblijven, zijn de uitkomsten die zonder de advertenties hebben plaatsgevonden.

Waarom platform‑gerapporteerde cijfers kunnen afwijken van incrementele resultaten#

Advertentieplatformen schrijven conversies aan advertenties toe volgens hun eigen regels. 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 advertentie nog steeds credit geven binnen zijn attribution window. Zachtere credit, waarbij een platform een conversie telt nadat iemand alleen een advertentie heeft gezien, vergroot de kloof; die mechaniek heet view-through attribution. De conversies die een platform rapporteert, zijn daarom niet hetzelfde als de conversies die zijn advertenties hebben veroorzaakt. Incrementaliteitstesten stellen een andere vraag: als dit kanaal niet had geadverteerd, zou de conversie dan nog hebben plaatsgevonden?

Dat is een andere vraag dan de vraag die een tracking‑pixel op zichzelf beantwoordt, daarom wordt incrementaliteitstesten naast platform‑dashboards gebruikt, niet in plaats daarvan.

Hoe teams het in de praktijk uitvoeren#

Er worden verschillende ontwerpen gebruikt. Een geo‑test wijst regio’s toe aan een test‑ of holdout‑conditie, bijvoorbeeld door de advertenties van een kanaal in sommige regio’s te draaien en ze in andere achter te houden, en vergelijkt uitkomsten zoals verkopen of conversies tussen de regio’s; de geo‑experimenten van Google wijzen willekeurig niet‑overlappende regio’s toe, terwijl GeoLift van Meta een synthetische controle opbouwt uit onbehandelde regio’s. Een user‑level test maakt gebruik van de conversie‑lift‑tooling van een advertentieplatform: Conversion Lift van Meta wijst willekeurig personen toe aan een testgroep die de advertenties ziet en een controlegroep die ze niet ziet, en Google Ads Conversion Lift biedt op gebruikers gebaseerde en op geografie gebaseerde studies, hoewel Google zegt dat het niet voor alle accounts beschikbaar is.

Hoe het effect wordt geschat, hangt af van het ontwerp. In een gerandomiseerde user‑level test is de schatting het verschil in uitkomsten tussen de testgroep en de holdout‑groep, dat kan worden gerapporteerd als extra conversies of als een percentage boven de holdout. Als hypothetisch voorbeeld: als 10,000 testgebruikers 300 conversies opleveren en 10,000 holdout‑gebruikers 250, dan is de geschatte lift 50 conversies, of 20% boven de holdout, zelfs als het platform alle 300 conversies aan zijn advertenties heeft toegeschreven. Geo‑tests vertrouwen meestal niet op die eenvoudige aftrekking: ze vergelijken behandelde regio’s met wat een model, zoals een synthetische controle opgebouwd uit onbehandelde regio’s, zegt dat ze zonder de advertenties zouden hebben geproduceerd. Een kanaal met een sterke platform‑gerapporteerde ROAS kan in een test een veel kleiner incrementeel effect laten zien; hoe groot de kloof is, hangt af van het kanaal, het publiek en het meetvenster.

Waar het voor wordt gebruikt#

Media‑kopers gebruiken incrementaliteitstesten om de budgetallocatie over netwerken te onderbouwen, niet alleen om één kanaal in isolatie te auditen. Een resultaat beschrijft het publiek, de periode en het uitgaveniveau die zijn getest.

Openbare advertentiearchieven kunnen incrementaliteit niet meten. Een advertentie die lang werd waargenomen, toont niet aan dat deze extra conversies heeft veroorzaakt, omdat ad longevity registreert hoe lang een advertentie te zien was, niet de uitgaven of resultaten. Wat de archieven wel kunnen bieden, zijn hypotheses: de ad intelligence-pagina's van OpenAdLibrary laten zien welke creatives en netwerken van een adverteerder zijn waargenomen, en hoe lang, wat u kan helpen beslissen wat u met uw eigen holdout moet testen voordat u test-ad spend toewijst.

Veelgemaakte fouten#

De holdout‑groep moet groot genoeg zijn, en willekeurig toegewezen of zorgvuldig genoeg gematcht, om een echt signaal te detecteren en niet alleen ruis. Een korte test op een kanaal met laag volume heeft mogelijk niet genoeg conversies om een effect te detecteren, en de GeoLift‑documentatie van Meta waarschuwt dat het uitvoeren van een geo‑test zonder een voorafgaande power‑analyse leidt tot een grote kans dat er geen lift wordt gevonden, zelfs wanneer die bestaat. Een seizoenspiek of een site‑brede promotie maakt een gerandomiseerde test op zichzelf niet ongeldig, omdat beide groepen die ervaren, maar de gemeten lift beschrijft dan die periode en houdt mogelijk geen stand in normale weken. Een gebeurtenis die slechts één groep bereikt, zoals een regionale promotie in een geo‑test, kan het resultaat vertekenen, dus houd andere marketing constant tussen test‑ en controleregio’s. Voer de test uit tijdens een representatieve periode die ten minste één aankoopcyclus bestrijkt, bepaal de grootte van de holdout met een power‑berekening, en stop niet vroegtijdig alleen omdat het tussencijfer er goed, of slecht, uitziet.