递增

营销中的“增量效应”是什么？

营销中的增量效应是指衡量一项营销活动是否真正导致了特定结果，而非仅仅与该结果存在相关性。它回答了营销领域中一个最重要且最棘手的问题：这些 转换 即使没有这次活动，这些事情照样会发生吗？

这种区别至关重要。为什么？因为标准 归因 模型将功劳归于 最后一次接触点 或者用户在转化前最后一次互动的营销活动。不过，归因份额并不等同于因果影响。.

 一位原本就极有可能……的用户 安装量 您的应用，创建一个 购买, ，或者订阅的用户可能无论是否看到您的广告都会采取这些行动。如果您的广告系列将本就会发生的转化归功于自己 有机地, 您报告的 ROAS 这一说法有些夸大其词，而且你的预算分配决策是基于不完整的信息做出的。.

增量分析通过引入反事实假设来解决这一问题。它不再询问用户看到广告活动时发生了什么，而是询问如果他们没有看到广告活动，又会发生什么。这两种结果之间的差异就是 增量提升，, 真正衡量您的活动实际做出了多少贡献。.

对于在归因受隐私框架影响的环境中开展业务的移动营销人员而言，增量效果是基础的衡量方法。.

增量效应是如何起作用的？

增量性通过以下方式发挥作用： 比较两组的行为：一个接触了营销活动的实验组，以及一个未接触该活动的对照组。在受控条件下测得的两个组别结果之间的差异，即代表了该营销活动的增量影响。.

步骤 1：明确问题

在进行增量测试之前，请明确界定您希望衡量的内容。一个界定清晰的问题将带来可付诸行动的结果。. 

例如 您是在测试某项特定营销活动是否带来了增量安装？还是在测试某条再营销渠道是否带来了增量购买？又或是某款特定广告素材是否带来了增量订阅？ 

步骤 2：细分受众群体

将目标受众分为两组。测试组将如常接触该营销活动。对照组（有时也称为保留组）则完全不接触该营销活动。两组在测试开始时必须在统计学上具有可比性，以确保结果中的任何差异均可归因于营销活动本身，而非两组之间原本就存在的差异。.

第 3 步：运行广告系列

对测试组运行营销活动，同时确保对照组不接触该活动。测试周期需足够长，以收集到足以达到统计显著性的数据，但也要足够集中，以反映当前的市场状况。营销活动和用户行为都会随时间变化，因此，增量测试如果持续时间过长，可能会面临测量“移动目标”的风险。.

第 4 步：测量差值

测试期结束时，比较测试组和对照组之间的转化率、收入或其他指标。两组之间的差异即代表该营销活动的增量提升。.

第 5 步：评估统计学显著性

此时，置信区间就显得至关重要。在根据增量性测试的结果采取行动之前，你需要区分统计学上的显著性与随机变异。. 

置信区间告诉你，真实增量效应可能落在哪个范围内。此外，当结果达到95%的置信水平，即观察到的差异由偶然因素造成的概率为5%时，该结果在统计学上即具有显著性。.

根据尚未达到统计学显著性的结果采取行动，可能会导致预算决策基于“噪声”而非“信号”。.

例如 一款订阅制应用针对一个潜在客户开发活动，在新的 广告渠道. 50,000名用户组成的测试组接触了该营销活动。另有50,000名用户组成的等效对照组未接触该活动。四周后，测试组的订阅量 转化率 为3.2%，而对照组为2.1%。在95%的置信水平下，这一增量提升被证实具有统计学意义。该营销活动已被证实能够推动超越自然增长基线的真实新增订阅量，因此相应地增加了预算。.

如何计算增量升力

增量提升是增量分析的核心输出结果。它表示该营销活动带来的额外转化率，以对照组基准值的百分比形式呈现。.

公式：

Incremental Lift = (Test Conversion Rate - Control Conversion Rate) / Control Conversion Rate

例题解析

• 测试组转化率：4.5%
• 对照组转化率：3.0%
• 增量提升 = (4.5% - 3.0%) / 3.0%
• 增量涨幅 = 1.5% / 3.0%
• 增量提升 = 50%

这一结果表明，该营销活动使转化量比自然增长情况增加了50%。测试组中有一半的转化可归因于该营销活动，另一半则无论如何都会发生。.

增量提升能告诉你什么

正的增量提升证实了该广告活动确实创造了真正的附加价值。较低或接近零的增量提升则表明，该广告活动在很大程度上只是将自然转化归功于自身。负的增量提升虽然罕见，但可能表明广告活动的曝光实际上抑制了转化，例如由于广告疲劳或信息定位不当所致。.

了解广告系列、渠道和创意层面的增量提升效果，能为营销人员提供所需的数据，从而将预算分配给真正推动增长的活动，而非那些仅看似在推动增长的活动。.

增量效应与归因：两者有何区别？

增量效应和归因都是衡量框架，但它们回答的是根本不同的问题，因此应结合使用，而非将其视为替代方案。.

归因功能可识别用户在转化前与哪些触点进行了互动，并根据预定义的模型将转化功劳分配给这些触点。它能告诉您转化是在哪些触点上被记录的，但无法说明这些触点是否直接导致了转化。.

增量效应可直接衡量因果关系。它能告诉你，某项营销活动是否确实促成了一次原本不会发生的转化，且这一结论与所采用的归因模型无关。.

最先进的移动营销衡量方案会同时采用这两种方法。归因分析提供了运营报告层，用于追踪广告支出流向以及其表面上产生的效果；增量分析则提供了验证层，用于确认这些归因结果是否反映了真实的因果影响。二者结合，为营销人员提供了关于营销活动表现的完整且准确的视图。.

增量分析：应衡量什么以及何时进行

并非每项营销活动都值得进行增量效果测试，也并非每次增量效果测试都能产生可付诸行动的结果。知道该测量什么以及何时测量，与知道如何测量同样重要。.

增量分析应优先考虑哪些方面？

• 高支出渠道
  投入越高，就越有必要确认所归因的效果确实是增量效果。一个消耗了您用户获取预算中30%的渠道，其效果验证标准应比小型测试活动更高。.

• 再营销活动
  再营销特别容易出现归因虚高，因为它针对的是已经与您的应用产生过互动的用户，因此这些用户转化为客户的可能性也更高。对于再营销而言，增量测试的重要性可能比其他任何广告活动类型都要大。.

• 品牌营销活动
  那些搜索您的品牌名称并点击付费品牌广告的用户，原本就很有可能找到您。品牌广告活动的增量效果测试往往显示，增量提升幅度低于预期，这引发了关于预算分配的重要问题。.

• 新频道
  在向新的广告网络或渠道投入大量预算之前，增量效果测试能提供必要的依据，让您有信心进行这项投资。.

何时运行增量性测试

增量效果测试应遵循标准的测量周期。市场环境不断变化，用户行为也在演变，某个渠道在某个时间点的增量价值，到六个月后可能截然不同。将增量分析纳入季度测量周期，可确保您的预算分配决策始终基于最新信息。. 

常见的增量法误区

以下列出了营销人员在进行增量分析时最常犯的一些错误：

1. 样本量过小

如果增量测试的受众规模不足，将无法达到统计学上的显著性，导致测试结果无法付诸实践。在运行测试之前，应计算出在目标置信水平下，检测预期增量提升所需的最小样本量。进行统计功效不足的测试并据此采取行动，是移动营销中最常见且代价最高的衡量错误之一。.

2. 测试时间过短

测试周期过短会导致结果出现波动。用户行为每天都在变化，如果测试仅持续几天，可能会捕捉到异常时期的数据，而非具有代表性的数据。应预留足够的时间让数据趋于稳定，同时确保测试周期足够紧凑，以反映当前状况。.

3. 对对照组造成干扰

如果对照组的用户通过其他渠道接触到了该营销活动，则测试结果将受到影响。请确保在测试期间，保留组在所有相关接触点上确实未接触到该活动。.

4. 忽略置信区间

在未评估其置信区间的情况下，仅报告增量提升量的点估计值会产生误导。15%的提升量看似有意义，但如果95%的置信区间范围在负5%到正35%之间，则该结果在统计上不显著，不应据此做出预算决策。.

5. 一次性测试所有内容

在受众群体存在重叠的情况下同时运行多个增量测试，会导致测试之间产生干扰，从而使结果不可靠。请对测试进行优先级排序，尽可能依次运行，并在必须进行并行测试时确保受众群体分段之间完全分离。.

6. 未定期测试增量性

随着受众饱和度、创意疲劳以及竞争格局的变化，渠道的增量价值会随时间推移而发生变化。定期测试是确保测量准确性并优化预算分配的关键。.

如何使用 Tenjin 衡量增量效果

进行增量效果测试需要干净的数据、可靠的归因，以及准确划分受众群体并在队列层面分析结果的能力。如果没有建立起合适的衡量基础设施，增量效果分析就难以可靠地执行，更难以充满信心地据此采取行动。.

Tenjin 是一家移动测量合作伙伴（MMP），为移动营销人员提供有效开展和解读增量分析所需的数据基础。凭借精准的归因分析、细粒度的用户群报告，以及对付费和自然流量表现的统一视图，Tenjin 提供了使增量测试具有实际操作价值的测量层。.

使用 Tenjin，您可以：

• 将自然流量用户和付费流量用户群体进行清晰划分，以确定准确的基准转化率
• 在以下位置跟踪测试组和对照组的转化行为： 队列层面
• 在单一仪表盘中并排比较广告系列表现与自然流量基准数据
• 将应用内购（IAP）和广告收入数据相结合，以衡量其对总收入的增量影响，而不仅仅是安装量
• 导出原始数据 用于定制增量分析与统计建模
• 将增量分析洞察与更广泛的归因数据相结合，从而全面了解 真正的营销活动投资回报率

例如 某移动端广告主希望在续签合同前，验证其主要再营销合作伙伴带来的增量价值。通过使用Tenjin，他们从对照组中建立了清晰的自然转化基准线，并分别在广告系列、国家和广告素材层面，将其与接触过再营销广告的受众组进行对比。 分析结果显示，在前两大市场中，再营销带来了显著的增量提升，但在三个自然转化率本就较高的较小市场中，增量提升则接近于零。他们利用这一洞察，将再营销预算集中投入到真正能带来额外收入的市场，并在无法产生实际效益的市场暂停相关活动。.

主要结论

增量效应是移动营销中最为重要却又最被低估的衡量领域之一。能否证明真正的因果影响，决定了预算决策是基于充分信心，还是仅凭代价高昂的猜测。.

• 增量效应衡量的是某项营销活动是否带来了超出自然转化量的额外转化，而不仅仅是衡量其与自然转化的相关性
• 核心方法是一项受控实验，将接触该宣传活动的实验组与未接触该宣传活动的保留组进行比较。
• 增量升力按以下公式计算： 

(Test Conversion Rate - Control Conversion Rate) / Control Conversion Rate

• 置信区间对于解释增量效应的结果至关重要。在根据测试结果采取行动之前，务必确认其统计显著性。
• 归因和增量分析回答的是不同的问题，二者结合使用时效果最佳
• 再营销活动特别容易受到归因虚高现象的影响，因此最能从定期的增量效果测试中获益
• 增量分析应成为您衡量周期中的常规环节，而非一次性工作
• Tenjin 提供了准确进行增量分析并将其结果与您的整体增长数据关联所需的测量基础设施

相关术语

• 归因
• A/B Testing AB测试
• 广告支出回报率（ROAS）
• 生命周期价值（LTV）
• 转化率
• 移动测量合作伙伴（MMP）
• 重新参与
• Organic自然安装

常见问题解答 

营销中的增量效应是什么？

营销中的增量效应是一种衡量框架，用于判断某项营销活动是否确实带来了超出其自然转化量的额外转化。它能够孤立营销活动的真实因果影响，将真正由营销活动驱动的成果与无论是否开展该活动都会发生的转化区分开来。.

增量效应是如何起作用的？ 

增量效应的运作原理是将受众分为两个在统计学上等效的组别。测试组会像往常一样接触该营销活动，而对照组则完全不接触该活动。在测试期结束时，两组之间的转化率差异即代表该营销活动的增量提升，前提是该结果在统计学上具有显著性。.

如何计算增量升力？ 

增量升力按以下公式计算： 

Incremental Lift = (Test Conversion Rate - Control Conversion Rate) / Control Conversion Rate

如果测试组的转化率为4.5%，而对照组为3.0%，则增量提升为50%，这意味着该营销活动使转化量在自然流量基准之上增加了50%。.

增量效应和归因之间有什么区别？ 

归因用于确定哪些触点应获得转化功劳。增量效应则衡量这些触点是否确实带来了额外的转化，而这些转化在没有这些触点的情况下本不会发生。这两个框架分别回答了不同的问题，结合使用时效果最佳。.

在增量性测试中，置信区间是什么？ 

置信区间可以告诉你，真实增量效应可能落在哪个范围内，以及你的测试结果有多可靠。通常认为，在95%置信水平下，结果具有统计学意义，这意味着观察到的差异仅以5%的概率是偶然发生的。在根据增量性测试结果采取行动之前，务必确认其统计学意义。.

增量分析为何重要？ 

增量分析之所以重要，是因为标准归因模型可能会将本应自然发生的转化归功于营销活动，从而高估了营销活动的影响。增量测试能够揭示营销活动的真实因果效应，从而实现更明智的预算分配，将资源投入到真正推动增长的活动中。.

哪些广告活动最能从增量测试中获益？ 

再营销活动受益最大，因为它们针对的是已经产生互动的用户，这些用户更有可能自然转化，因此归因虚高成为一项重大风险。高投入渠道、品牌推广活动以及新的广告网络也是进行增量分析的理想对象。.