增量測試：定義與運作原理

增量測試是一種對照實驗，用於估算某個廣告渠道所報告的轉換活動中，實際上有多大比例是廣告所導致的，而不是依賴平台追蹤歸因給其廣告的轉換。您將一組用戶或地理區域排除在特定渠道的廣告之外，然後將結果與看到廣告的組別進行比較。設計良好的測試會將兩組之間的差距解讀為該渠道在該受眾、期間與設定下的增量效果估計值，並一併報告其不確定性；留在對照組中的結果，就是沒有廣告也會發生的那些結果。

為什麼平台報告的數字可能與增量結果不同#

廣告平台使用自己的規則將轉換歸因給廣告。如果有人本來就打算透過自然搜尋或品牌搜尋點擊購買，並且碰巧在過程中看到了再行銷廣告，標準的轉換追蹤仍然可以在其歸因窗口內將功勞歸於該廣告。更軟性的功勞歸屬，即平台在使用者僅僅看到廣告後就計算一次轉換，會加大這一差距；這種機制稱為瀏覽歸因。因此，平台報告的轉換與其廣告所導致的轉換並不是同一回事。增量測試提出的是另一個問題：如果這個渠道沒有投放廣告，轉換是否仍然會發生？

這與追蹤像素單獨回答的問題不同，因此增量測試是與平台儀表板並行使用，而不是取代它們。

團隊在實踐中如何運行它#

目前採用多種設計。地理層級測試會將各地區分配到測試組或對照組條件，例如在某些地區投放某個渠道的廣告，而在其他地區不投放，並比較各地區之間的結果（例如銷售或轉換）；Google 的地理實驗會隨機分配互不重疊的地區，而 Meta 的 GeoLift 則會從未經處理的地區建立合成控制組。用戶層級測試則使用廣告平台的轉換提升工具：Meta 的 Conversion Lift 會將人員隨機分配到看到廣告的測試組和不看廣告的對照組，而 Google Ads Conversion Lift 提供基於用戶和基於地理的研究，不過 Google 表示並非所有帳戶都能使用。

效果如何估算取決於設計。在隨機化的用戶層級測試中，估計值就是測試組與對照組之間的結果差異，可以用額外轉換數或相對於對照組的百分比來表示。舉一個假設性的例子：如果 10,000 名測試用戶產生 300 次轉換，而 10,000 名對照組用戶產生 250 次，則估計提升為 50 次轉換，即相對對照組高出 20%，即使平台將其全部 300 次轉換都歸因於其廣告。地理測試通常不依賴這種簡單的相減：它們會將已投放地區與某個模型（例如由未投放地區建立的合成控制組）所預測的、在沒有廣告情況下會產生的結果進行比較。一個在平台上報告強勁廣告投資報酬率的渠道，在測試中可能顯示出小得多的增量效果；差距有多大取決於渠道、受眾和測量窗口。

它的用途是什麼#

媒體買家使用增量測試來為跨網路的預算分配提供依據，而不僅僅是為了單獨審核一個渠道。一項結果描述的是所測試的受眾、期間和支出水準。

公開的廣告檔案庫無法衡量增量。一則被觀察到長時間投放的廣告，並不表示它帶來了額外的轉換，因為廣告壽命記錄的是廣告被看到的時間長度，而不是支出或結果。這些檔案庫能提供的是假設：OpenAdLibrary 的廣告情報頁面會顯示某個廣告主被觀察到使用哪些創意和網路，以及使用了多久，這可以幫助您在投入測試廣告支出之前，決定要用自己的對照組測試什麼。

常見錯誤#

對照組需要足夠大，且分配足夠隨機或配對足夠謹慎，才能檢測到真實的信號，而不僅僅是雜訊。在低流量渠道上進行短期測試，可能沒有足夠的轉換來檢測到效果，而 Meta 的 GeoLift 文件警告，在沒有事先進行功效分析的情況下運行地理測試，很可能即使提升確實存在也找不到。季節性高峰或全站促銷本身並不會使隨機化測試失效，因為兩個組別都會經歷它，但此時測得的提升描述的是該期間，在正常週次中可能並不成立。只影響到其中一組的事件，例如地理測試中某個地區的促銷，可能會使結果產生偏差，因此請讓測試地區與對照地區的其他行銷活動保持一致。在涵蓋至少一個購買週期的代表性時期運行測試，以功效計算確定對照組規模，並且不要僅僅因為中期數字看起來好或壞而過早停止。