Инкрементальность в рекламе: как измерить влияние кампаний

Инкрементальность показывает, сколько дополнительных действий создала реклама. Речь идет о заказах, лидах, установках приложения или повторных покупках, которых без рекламного воздействия не было бы.

Обычный отчет показывает, сколько конверсий получила кампания по правилам атрибуции. Инкрементальный анализ сравнивает этот результат со сценарием без показа объявлений. Для этого аудиторию или регионы делят на сопоставимые группы. Одной группе показывают рекламу, другой — нет. Разницу между ними считают дополнительным эффектом. Такой метод лежит в основе исследований прироста конверсий у рекламных платформ Google и Meta.

Подход помогает понять, зачем бизнес платит за конкретный канал и какой вклад тот вносит в продажи. Это полезно, когда часть аудитории уже знает бренд и могла бы купить без нового контакта с объявлением.

С помощью теста можно:

• оценить реальный вклад канала;
• проверить гипотезу до масштабирования;
• обосновать бюджет или сократить лишние расходы;
• перераспределить деньги между площадками;
• выявить каннибализацию органического и брендового спроса;
• проверить, создает ли ретаргетинг новые заказы.

Например, рекламный кабинет записал на кампанию 1 000 покупок. Контрольный тест показал, что 700 из них произошли бы и без рекламы. Дополнительный эффект составил 300 заказов. Для решения о бюджете стоит использовать эту цифру, а не все конверсии из кабинета.

Атрибуция помогает понять, с какого источника пришел заказ или другое целевое действие. Например, человек сначала увидел медийную рекламу, затем перешел на сайт из поиска, а перед покупкой вернулся через ретаргетинг.

Google Analytics 4 и Яндекс Метрика по-разному связывают конверсию с рекламными источниками. Google Analytics 4 может распределять ее ценность между несколькими точками контакта. Яндекс Метрика определяет источник конверсии по выбранной модели атрибуции. Автоматическая атрибуция при этом учитывает историю визитов и действия пользователя на разных устройствах.

При этом отчет показывает, как система распределила заказ, но не отвечает на вопрос, состоялась бы покупка без рекламы. Например, ретаргетинг может получить конверсию, потому что клиент перешел по объявлению перед оплатой. Но решение о покупке он мог принять раньше: после первого визита, рекомендации знакомого или самостоятельного поиска товара.

Получается, что у бизнеса есть две разные задачи:

• атрибуция показывает, какому каналу записана конверсия;
• инкрементальность показывает, создала ли реклама дополнительную конверсию.

Чтобы проверить второй пункт, нужно сравнить аудиторию, которая видела рекламу, с похожей аудиторией без показа. Если первая группа купила заметно чаще, разницу можно считать дополнительным эффектом кампании.

Поэтому данные Яндекс Метрики и Google Analytics подходят для анализа пути клиента и ежедневной оценки каналов. Для проверки причинного влияния рекламы их дополняют контролируемым тестом.

MMM использует агрегированные данные за длительный период и строит статистическую модель. Например, система Meridian от Google применяет байесовское моделирование и причинный анализ.

Контрольная группа — основа такого эксперимента. Часть аудитории видит рекламу, а часть исключается из показа и служит базой для сравнения.

Инкрементальность не заменяет атрибуцию, MMM и обычную аналитику. Она дополняет их, когда нужно проверить причинное влияние отдельного решения.

Расчет строится на сравнении конверсии тестовой и контрольной групп.

1. Определяют коэффициент конверсии в каждой группе.
2. Рассчитывают, сколько действий произошло бы в тестовой группе при уровне контрольной.
3. Вычитают ожидаемое количество из фактического.

Допустим, рекламу могли увидеть 100 000 человек, из них 2 400 совершили покупку. В контроле было 20 000 человек и 420 покупок. Конверсия контроля — 2,1%. Без рекламы в тестовой группе ожидалось бы 2 100 покупок. Инкрементальный прирост равен 300 заказам, или 14,3% относительно базового уровня.

Через такое измерение можно оценивать лиды, заказы, выручку, конверсию в продажу, повторные покупки, брендовый поиск и установки приложения. Для оценки экономики используют ROMI (окупаемость маркетинговых вложений) и CAC (стоимость привлечения клиента), рассчитанные по дополнительным клиентам.

Если на тест потратили 300 000 рублей и получили 300 дополнительных покупателей, инкрементальная стоимость привлечения составит 1 000 рублей. Если дополнительные покупатели принесли 450 000 рублей маржинального дохода до вычета рекламных расходов, ROMI теста составит 50%.

До запуска зафиксируйте семь вводных.

• Цель

Какое действие должна создать рекламная кампания: лид, заказ, установку или повторную покупку.

• Основной показатель

По какой метрике команда примет решение.

• Источник данных

События сайта, CRM, приложение и офлайн-продажи должны учитываться по единым правилам.

• Окно конверсии

Оно должно учитывать полный цикл от контакта до покупки.

• Гипотеза

Например: «Кампания увеличит количество оплаченных заказов минимум на 8%, а стоимость привлечения дополнительного клиента не превысит 2 000 рублей».

• Способ разделения

Пользователи, регионы, магазины или временные периоды.

• Базовый уровень

История продаж, сезонности, акций и рекламных расходов.

На время эксперимента зафиксируйте цены, условия доставки и крупные активности. Одновременное изменение нескольких факторов затруднит вывод.

1. Сформулируйте одну гипотезу

Один тест должен проверять одно изменение: запуск канала, новый формат или увеличение частоты. Если одновременно поменять аудиторию, предложение и бюджет, причина эффекта останется неизвестной.

2. Выберите единицу разделения

Для цифровой рекламы подходит случайное распределение пользователей. Для офлайн-продаж и охватных размещений используют города, регионы или магазины.

3. Создайте сопоставимые группы

Тестовая группа получает воздействие, контрольная — нет. Сравните их по прошлым конверсиям, среднему чеку и структуре аудитории. Случайное распределение снижает риск систематических различий и используется платформами в исследованиях прироста.

4. Зафиксируйте правила

До старта определите сроки, бюджет, окно конверсии и условие остановки. Критерий успеха нельзя менять после просмотра первых данных.

5. Проведите тест в течение полного периода

Тест должен учитывать различия между днями недели и задержанные покупки. При ранней остановке случайное колебание легко принять за устойчивый эффект.

6. Рассчитайте эффект и экономику

Переведите разницу между группами в дополнительные действия, выручку и маржинальный доход. Затем рассчитайте стоимость дополнительного клиента и окупаемость.

7. Примите решение

Положительный и устойчивый результат дает основание масштабировать кампанию. Нулевой эффект — повод пересмотреть аудиторию, предложение или роль канала. Отрицательный может говорить о каннибализации спроса или слишком высокой частоте.

Аудиторию случайным образом делят на две сопоставимые группы. Тестовая группа может видеть объявления, контрольная исключается из показа. Такая методология подходит для платформ, которые умеют разделять пользователей без заметного пересечения.

Регионы объединяют в пары по прошлым продажам, сезонности и структуре спроса. В одних запускают рекламу, в других сохраняют прежние условия. Например, Google поддерживает исследования прироста на агрегированных географических данных, включая офлайн-конверсии. Инструмент доступен не во всех аккаунтах Google Ads, поэтому возможность запуска нужно проверять отдельно.

Работающий канал временно отключают для части аудитории или территории. Такой подход помогает проверить брендовый поиск, ретаргетинг и другие активности, которым атрибуция может записывать готовый спрос.

Новую механику последовательно подключают по регионам или сегментам. Группы, где запуск еще не состоялся, временно служат сравнением. Сценарий удобен, когда полностью разделить аудиторию нельзя.

• Несопоставимые группы

В одной группе может быть больше постоянных клиентов или регионов с высоким спросом.

• Пересечение аудиторий

Участник контроля видит объявление с другого устройства или площадки.

• Параллельные изменения

Скидка, запуск товара, рассылка или новая цена влияют на конверсию вместе с тестом.

• Сезонность

Праздники, погода и действия конкурентов меняют базовый спрос.

• Короткий период

Часть покупок происходит после завершения наблюдения.

• Ошибки учета

Дубли заказов, пропуски CRM и задержка офлайн-данных меняют итоговый показатель.

• Малый объем

При редких конверсиях случайные колебания могут быть сильнее эффекта. Рекламные платформы оценивают пригодность кампании для исследования и предупреждают о недостатке данных.

Эксперимент сложно провести, если мало трафика, редкие конверсии, длинный и нестабильный цикл сделки, нет CRM или невозможно связать продажи с группами. Еще одно ограничение — высокая цена остановки рекламы. В таких случаях стоит начать с настройки данных, когортного анализа или MMM.

Инкрементальность пригодится для следующих задач:

• перформанс-маркетинга (продвижения с измеримым результатом);
• электронной коммерции и ретаргетинга;
• почтовых рассылок;
• брендовых и медийных кампаний;
• промоакций;
• мобильных приложений.

В электронной коммерции тест показывает, создает ли платный трафик новые заказы. В рассылках — сколько клиентов купили бы без письма. В брендовых кампаниях — выросли ли поиск, визиты и продажи, которые плохо отражаются в кликовой атрибуции.

Инкрементальный эксперимент стоит проводить для решений, где потенциальная экономия или рост превышают стоимость теста. Для регулярной настройки ставок и объявлений обычно используют данные атрибуции и стандартных отчетов. Инкрементальные тесты проводят периодически — перед масштабированием, перераспределением бюджета или проверкой роли канала.

Приведите пример теста на инкрементальность?

Интернет-магазин проверяет ретаргетинг. В тестовой группе 50 000 пользователей и 1 500 заказов, конверсия — 3%. В контрольной группе 10 000 пользователей и 270 заказов, конверсия — 2,7%.

При уровне контроля в тесте ожидалось бы 1 350 заказов. Дополнительный эффект ретаргетинга составил около 150 покупок. Дальше компания сравнивает маржинальный доход с расходами.

Что такое инкрементальные действия?

Это действия, которые появились благодаря проверяемому воздействию: рекламе, письму, бонусу или изменению продукта. Они равны разнице между фактическим результатом и ожидаемым уровнем без воздействия.

В чем отличие итеративности и инкрементальности?

В разработке эти понятия описывают организацию работы над проектом. Итеративный подход предполагает повторение: команда возвращается к решению и улучшает его на следующей итерации. Инкрементальный подход означает добавление к продукту законченных полезных частей. Agile Alliance определяет такую разработку как создание последовательных пригодных к использованию версий с новой функциональностью.

В рекламе термин означает дополнительный эффект относительно состояния без воздействия. Смысл другой, но общая логика прироста сохраняется.