Kiểm Tra Tính Gia Tăng: Định Nghĩa & Cách Hoạt Động

Kiểm tra tính gia tăng là một thí nghiệm có kiểm soát ước tính phần hoạt động chuyển đổi được báo cáo cho một kênh quảng cáo mà quảng cáo thực sự gây ra, thay vì dựa vào những chuyển đổi mà hệ thống theo dõi của nền tảng quy cho quảng cáo của mình. Bạn giữ lại một nhóm người dùng hoặc khu vực địa lý không xem quảng cáo của một kênh cụ thể, sau đó so sánh kết quả với một nhóm đã xem chúng. Một bài kiểm tra được thiết kế tốt đọc khoảng cách giữa hai nhóm như một ước tính về hiệu ứng gia tăng của kênh đối với đối tượng, giai đoạn và thiết lập đó, được báo cáo kèm độ bất định của nó; những kết quả còn lại trong nhóm đối chứng là những kết quả đã xảy ra mà không có quảng cáo.

Tại sao các con số được báo cáo bởi nền tảng có thể khác với kết quả gia tăng#

Các nền tảng quảng cáo quy chuyển đổi cho quảng cáo theo các quy tắc của riêng họ. Nếu ai đó vốn đã định mua hàng thông qua tìm kiếm hữu cơ hoặc một cú nhấp chuột tìm kiếm thương hiệu, và cũng tình cờ xem một quảng cáo nhắm mục tiêu lại trên đường đi, việc theo dõi chuyển đổi tiêu chuẩn vẫn có thể ghi công cho quảng cáo đó bên trong cửa sổ phân bổ nguồn gốc của nó. Việc ghi công mềm hơn, khi một nền tảng tính một chuyển đổi sau khi ai đó chỉ đơn thuần xem một quảng cáo, cũng làm tăng thêm khoảng cách; cơ chế đó được gọi là phân bổ nguồn gốc dựa trên lượt xem. Do đó, những chuyển đổi mà một nền tảng báo cáo không phải là cùng một thứ với những chuyển đổi mà quảng cáo của nó gây ra. Kiểm tra tính gia tăng đặt một câu hỏi khác: nếu kênh này đã không quảng cáo, liệu chuyển đổi đó có vẫn xảy ra không?

Đó là một câu hỏi khác với câu hỏi mà một pixel theo dõi tự trả lời, vì vậy kiểm tra tính gia tăng được sử dụng song song với bảng điều khiển nền tảng, chứ không phải thay thế chúng.

Cách các nhóm thực hiện nó trong thực tế#

Một số thiết kế được sử dụng. Một bài kiểm tra cấp độ địa lý gán các khu vực vào điều kiện kiểm tra hoặc đối chứng, ví dụ bằng cách chạy quảng cáo của một kênh ở một số khu vực và không hiển thị chúng ở những khu vực khác, rồi so sánh các kết quả như doanh số hoặc chuyển đổi giữa các khu vực; các thí nghiệm địa lý của Google gán ngẫu nhiên các khu vực không chồng lấn, trong khi GeoLift của Meta xây dựng một nhóm đối chứng tổng hợp từ các khu vực không được xử lý. Một bài kiểm tra cấp độ người dùng sử dụng công cụ đo lường mức tăng chuyển đổi của nền tảng quảng cáo: Conversion Lift của Meta gán ngẫu nhiên người vào một nhóm kiểm tra được xem quảng cáo và một nhóm đối chứng không được xem, còn Google Ads Conversion Lift cung cấp các nghiên cứu dựa trên người dùng và dựa trên địa lý, mặc dù Google nói rằng nó không khả dụng cho tất cả tài khoản.

Cách ước tính hiệu ứng phụ thuộc vào thiết kế. Trong một bài kiểm tra cấp độ người dùng được ngẫu nhiên hóa, ước tính là chênh lệch về kết quả giữa nhóm kiểm tra và nhóm đối chứng, có thể được báo cáo dưới dạng số chuyển đổi tăng thêm hoặc dưới dạng phần trăm so với nhóm đối chứng. Như một ví dụ giả định, nếu 10,000 người dùng kiểm tra tạo ra 300 chuyển đổi và 10,000 người dùng đối chứng tạo ra 250, mức tăng ước tính là 50 chuyển đổi, tức 20% so với nhóm đối chứng, ngay cả khi nền tảng quy tất cả 300 chuyển đổi cho quảng cáo của mình. Các bài kiểm tra địa lý thường không dựa vào phép trừ đơn giản đó: chúng so sánh các khu vực được xử lý với những gì một mô hình, chẳng hạn như một nhóm đối chứng tổng hợp được xây dựng từ các khu vực không được xử lý, nói rằng chúng sẽ tạo ra nếu không có quảng cáo. Một kênh có ROAS tự báo cáo mạnh mẽ trên nền tảng có thể cho thấy hiệu ứng gia tăng nhỏ hơn nhiều trong một bài kiểm tra; mức độ lớn của khoảng cách phụ thuộc vào kênh, đối tượng và cửa sổ đo lường.

Mục đích sử dụng của nó#

Các nhà mua phương tiện sử dụng các bài kiểm tra tính gia tăng để định hướng phân bổ ngân sách trên các mạng lưới, không chỉ để kiểm toán một kênh riêng lẻ. Một kết quả mô tả đối tượng, giai đoạn và mức chi tiêu đã được kiểm tra.

Các kho lưu trữ quảng cáo công khai không thể đo lường tính gia tăng. Một quảng cáo được quan sát trong thời gian dài không cho thấy rằng nó đã gây ra các chuyển đổi tăng thêm, vì tuổi thọ quảng cáo ghi lại thời gian một quảng cáo được nhìn thấy, chứ không phải chi tiêu hay kết quả. Điều mà các kho lưu trữ có thể mang lại là các giả thuyết: các trang trí tuệ quảng cáo của OpenAdLibrary cho thấy những mẫu sáng tạo và mạng lưới mà một nhà quảng cáo đã được quan sát là đang sử dụng, và trong bao lâu, điều này có thể giúp bạn quyết định nên kiểm tra điều gì với nhóm đối chứng của riêng mình trước khi bạn cam kết ngân sách quảng cáo cho thử nghiệm.

Những sai lầm phổ biến#

Nhóm đối chứng cần đủ lớn, và được gán ngẫu nhiên hoặc ghép cặp cẩn thận đủ mức, để phát hiện một tín hiệu thực sự chứ không chỉ là nhiễu. Một bài kiểm tra ngắn trên một kênh có khối lượng thấp có thể không có đủ chuyển đổi để phát hiện một hiệu ứng, và tài liệu GeoLift của Meta cảnh báo rằng chạy một bài kiểm tra địa lý mà không có phân tích công suất trước đó dẫn đến khả năng cao không tìm thấy mức tăng ngay cả khi nó tồn tại. Một đợt cao điểm theo mùa hoặc một chương trình khuyến mãi toàn trang web tự nó không làm mất hiệu lực một bài kiểm tra ngẫu nhiên, vì cả hai nhóm đều trải qua nó, nhưng mức tăng đo được khi đó chỉ mô tả giai đoạn đó và có thể không còn đúng trong những tuần bình thường. Một sự kiện chỉ tiếp cận một nhóm, chẳng hạn như một chương trình khuyến mãi khu vực trong một bài kiểm tra địa lý, có thể làm sai lệch kết quả, vì vậy hãy giữ các hoạt động tiếp thị khác không đổi giữa các khu vực kiểm tra và đối chứng. Hãy chạy bài kiểm tra trong một khoảng thời gian đại diện bao phủ ít nhất một chu kỳ mua hàng, xác định kích thước nhóm đối chứng bằng một phép tính công suất, và đừng dừng sớm chỉ vì con số tạm thời trông tốt, hoặc xấu.