Инкрементальность в маркетинге: как найти продажи, которых без рекламы не было бы

Инкрементальность в маркетинге — это доля продаж, лидов или выручки, которая появилась именно благодаря рекламе и не возникла бы без неё. Чтобы увидеть дополнительный эффект, сравнивают тестовую и контрольную группы, а затем считают прирост, iCPA и iROAS. Атрибуция показывает, кому записали продажу; инкрементальность — создала ли её реклама вообще.

Представьте знакомую картину. Рекламный кабинет бодро сообщает: «Мы принесли 120 заказов». CRM тоже видит 120 заказов. Финансовый директор на всякий случай пересчитывает деньги, а собственник задаёт неудобный вопрос: сколько из этих заказов случилось бы и без рекламы?

И вот здесь оптимистичный отчёт начинает слегка кашлять.

Table of Contents

Почему высокий ROAS ещё не доказывает пользу рекламы

Обычная атрибуция ищет контакт перед конверсией: клик, показ, переход, звонок. После этого продажа получает рекламную фамилию. Логика понятная, но причинность она не доказывает.

Человек мог уже знать бренд, получить письмо, увидеть товар у партнёра, услышать рекомендацию или просто искать конкретную компанию. Реклама оказалась рядом с покупкой — и забрала себе медаль. Особенно охотно так происходит с брендовым спросом, ретаргетингом и аудиторией действующих клиентов.

Поэтому я разделяю два вопроса:

Атрибуция: какой контакт участвовал в пути к продаже?
Инкрементальность: сколько дополнительных продаж появилось из-за маркетингового воздействия?

Оба вопроса нужны. Просто второй гораздо ближе к решению о бюджете.

Инкрементальность в маркетинге: считаем не продажи, а разницу миров

В идеальном эксперименте мы берём две сопоставимые группы. Первая может увидеть рекламу, вторая временно удерживается от воздействия. Затем сравниваем не рекламные отчёты, а один и тот же бизнес-KPI: оплаченные заказы, валовую прибыль, квалифицированные лиды, регистрации или другой заранее выбранный результат.

Разница между результатом тестовой группы и нормализованным результатом контрольной — это incremental lift, дополнительный эффект.

Допустим, на каждые 10 000 сопоставимых клиентов тестовая группа совершила 540 покупок, а контрольная — 500. Инкрементальный эффект составил 40 покупок. Не 540. Именно эти 40 — кандидаты на продажи, которых без рекламы не было бы.

Это упрощённый пример, а не обещание чудесной точности. В реальном тесте понадобятся проверка статистической неопределённости, корректная рандомизация и учёт различий в размере групп. Но управленческая логика именно такая.

Почему сравнение «видел рекламу — не видел рекламу» часто обманывает

Нельзя просто выгрузить людей, которым показали объявление, сравнить их с остальными и назвать разницу эффектом. Показы получают не случайные прохожие. Алгоритмы выбирают аудиторию по вероятности отклика, ставкам, поведению и множеству других признаков.

Крупное исследование 15 рекламных экспериментов Facebook сопоставило результаты рандомизированных тестов с наблюдательными методами. Даже при богатом наборе демографических и поведенческих данных наблюдательные оценки часто не совпадали с экспериментальными. В половине исследований оценка роста покупок отличалась примерно втрое. Это хороший холодный душ для отчёта, который уверен в себе только потому, что в нём много строк.

Контрольная группа должна появиться по правилам эксперимента, а не после него в Excel.

Какие эксперименты помогают измерить реальный эффект

1. User-level holdout: контроль на уровне людей

Пользователей случайно распределяют между тестом и контролем. Тестовая группа может получить рекламу, контрольная — нет. Такой дизайн ближе всего к классическому рандомизированному эксперименту и хорошо отвечает на вопрос о причинном влиянии конкретной кампании или набора кампаний.

У Google Ads, например, Conversion Lift сравнивает конверсии тестовой и контрольной групп и показывает абсолютный и относительный lift, инкрементальную ценность, iCPA и iROAS. Но функция доступна не всем аккаунтам, а настройка и допустимые типы исследования зависят от платформы.

2. Геоэксперимент: контроль на уровне городов или регионов

Если нельзя случайно исключить отдельных пользователей, воздействие меняют по территориям. В одних регионах канал запускают, усиливают или отключают, другие становятся контролем. Затем строят контрфактический сценарий: что произошло бы в тестовых регионах без изменения рекламы.

Это полезно для офлайна, B2B, длинных воронок и ситуаций, где личность покупателя не связывается с рекламным показом. Открытая методология Meta GeoLift использует синтетический контроль: комбинацию контрольных территорий, которая до теста максимально похожа на тестовую.

3. Платформенный lift-тест

Платформа сама создаёт holdout и считает разницу. Это удобнее, но результат отвечает на вопрос внутри доступной ей системы измерения. Перед запуском стоит уточнить, какие конверсии учитываются, как устроено исключение из показов, можно ли загрузить офлайн-события и что происходит с задержанными продажами.

4. Тест отключения или увеличения бюджета

Иногда бизнес временно выключает канал в части рынка или, наоборот, добавляет бюджет только в тестовых регионах. Такой дизайн понятен руководителю: мы меняем реальное управленческое действие и смотрим на дополнительный результат. Но «включали неделю, выключали неделю по всей стране» — слабая версия теста: сезонность, акции и новости легко подменят эффект рекламы.

Как выбрать дизайн под задачу бизнеса

Ситуация	Что тестировать	Главное ограничение
Много цифровых конверсий, платформа поддерживает lift	User-level holdout	Достаточный объём событий и корректная передача конверсий
Продажи есть по регионам, канал можно географически менять	Геоэксперимент	Сопоставимые территории и отсутствие перетекания спроса
Длинная B2B-воронка	Гео- или аккаунтный holdout по квалифицированным лидам и выручке	Мало наблюдений, длинный лаг, неодинаковая ценность сделок
Нужно понять эффект нескольких каналов вместе	Геотест пакета каналов	Получим общий эффект, но не вклад каждого канала

Выбирать надо не самый модный метод, а тот, где есть реальный контроль над воздействием и достаточно данных для обнаружения полезного для бизнеса эффекта.

Какие данные подготовить до запуска

Я бы начал не с кнопки «Создать эксперимент», а с короткого паспорта теста.

Один главный KPI. Лучше оплаченная выручка, маржинальная прибыль или квалифицированный лид, а не клики.
Единое определение результата. Тест и контроль должны измеряться одним источником и по одинаковым правилам.
Исторический ряд. Для геотеста нужны дата, территория и KPI; желательно также полезные ковариаты — например, цена, наличие товара или активность продаж.
Лаг конверсии. Тест должен охватывать реальный цикл решения, иначе часть эффекта проявится после финиша.
План других активностей. Акции, изменение цены, запуск отдела продаж и сбои поставок способны испортить сравнение.
Минимально обнаружимый эффект. До старта надо понять, какой lift тест вообще способен заметить при доступном трафике и сроке.

GeoLift отдельно подчёркивает полноту данных по датам и территориям: пропуски KPI и разная длина временных рядов разрушают сопоставимость. Там же power analysis используется до запуска, чтобы выбрать рынки, длительность и объём воздействия. Очень правильный порядок: сначала выясняем, способен ли тест ответить, потом тратим деньги.

Практический план теста инкрементальности

Шаг 1. Запишите решение, которое примете

Не «хотим узнать lift», а «если iROAS ниже порога, сократим канал; если выше — добавим бюджет». Иначе эксперимент закончится красивой встречей и старым медиапланом.

Шаг 2. Выберите воздействие

Что меняем: сам факт рекламы, бюджет, ставку, канал или комбинацию каналов? Один тест — один ясный вопрос. Если одновременно поменять креатив, цену и работу продавцов, результат станет детективом без последней страницы.

Шаг 3. Зафиксируйте группы до старта

Рандомизация, правила включения, тестовые регионы, контрольные регионы и исключения должны быть определены заранее. Нельзя после результата убрать «неудобный» город только потому, что там внезапно упали продажи.

Шаг 4. Проверьте статистическую мощность

Если базовая конверсия низкая, а ожидаемый эффект мал, потребуются большой объём или длинный период. Отсутствие статистически различимого lift не равно доказательству нулевого эффекта. Иногда тест просто оказался слишком слабым.

Шаг 5. Заморозьте правила анализа

Заранее определите KPI, окно конверсии, формулу затрат, уровень доверия и способ работы с выбросами. Смотреть результат каждый день и останавливать тест на первой красивой цифре — плохая привычка, даже если график очень просит.

Шаг 6. Проведите проверку качества

Убедитесь, что контроль действительно не получил воздействие, тестовая группа его получила, трекинг работал одинаково, а внешние события не затронули только одну группу.

Как читать результаты без самообмана

Для управленческого решения нужны не только «плюс 8%», но минимум четыре показателя:

Incremental conversions или value — сколько дополнительных конверсий или выручки создано.
Relative lift — насколько результат теста выше контрфактического уровня.
iCPA — расходы, делённые на дополнительные конверсии.
iROAS — дополнительная ценность, делённая на расходы.

Сравните iROAS с обычным атрибуционным ROAS. Разрыв покажет, какая часть «рекламной» выручки, вероятно, существовала бы и без воздействия. Затем добавьте маржинальность: высокая инкрементальная выручка ещё не означает прибыльный рост.

И обязательно смотрите на интервал неопределённости. Точечная оценка в 1,4 iROAS может означать как перспективный канал, так и недостаточно точный тест. Решение зависит не только от середины диапазона, но и от риска по его краям.

Семь ошибок, которые делают lift бесполезным

Выбрать KPI после результата. Тогда победит метрика, которой случайно повезло.
Сравнить показанных с непоказанными без рандомизации. Алгоритм уже сделал группы разными.
Запустить тест без расчёта мощности. Через две недели получим «данных недостаточно» и удивимся.
Провести акцию только в тестовых регионах. Эффект скидки станет эффектом рекламы.
Не учесть перетекание. Люди ездят между городами, видят федеральные кампании и делятся предложениями.
Остановить тест при первом положительном результате. Так вероятность ложной уверенности растёт.
Механически перенести lift в следующий год. Эффект зависит от аудитории, частоты, креатива, конкуренции и уровня бюджета.

Что делать малому и среднему бизнесу, если данных мало

Не надо начинать с дорогой аналитической архитектуры. Начните с дисциплины.

Выберите один заметный канал, один бизнес-KPI и крупное изменение, которое можно безопасно провести в сопоставимых сегментах. Для B2B иногда разумнее тестировать не сделки, которых мало, а квалифицированные возможности в CRM — но потом отдельно проверить, сохраняется ли качество до выручки.

Если ни user-level, ни геоэксперимент пока не имеют мощности, честный вывод звучит так: «Мы ещё не можем надёжно измерить этот эффект». Это полезнее, чем выдавать атрибуционный отчёт за причинный.

Можно накапливать историю, улучшать фиксацию источников, укрупнять тестируемый пакет каналов или повторять одинаковый дизайн. Серия аккуратных экспериментов почти всегда ценнее одного торжественного теста.

Как соединить инкрементальность с MMM и атрибуцией

Эксперимент хорошо измеряет конкретное изменение в конкретный период. MMM помогает смотреть на каналы и динамику бюджета шире. Атрибуция нужна для оперативной работы с кампаниями, аудиториями и креативами.

Поэтому я не устраивал бы между методами конкурс красоты:

атрибуция отвечает за ежедневную навигацию;
incrementality-тесты дают причинные опорные точки;
MMM связывает эти точки с долгосрочной картиной распределения бюджета.

Meta Robyn, например, позволяет калибровать модель маркетинг-микса результатами причинных экспериментов. Смысл здравый: историческая модель не должна спорить с качественным тестом, если тест действительно измеряет тот же канал, период и KPI.

Главный вывод для бюджетного решения

Инкрементальность в маркетинге нужна не для ещё одного дашборда. Она отделяет продажи, рядом с которыми была реклама, от продаж, появившихся благодаря рекламе.

Начните с одного вопроса: какое решение о бюджете мы изменим после теста? Затем выберите контроль, KPI и минимальный эффект, который имеет экономический смысл. Если после этого эксперимент всё ещё можно провести — у него есть шанс принести бизнесу больше пользы, чем очередная таблица с зелёными стрелками.

Подписывайтесь: буду и дальше разбирать маркетинговые методы без шаманства, но с уважением к цифрам и деньгам бизнеса.

Вопросы и ответы

Что такое инкрементальность в маркетинге простыми словами?

Это дополнительный результат, который появился из-за маркетинга и не возник бы без него. Его оценивают через сравнение теста с корректной контрольной или контрфактической группой.

Чем инкрементальность отличается от атрибуции?

Атрибуция распределяет заслугу за уже случившуюся конверсию между контактами. Инкрементальность проверяет, создало ли воздействие новую конверсию вообще.

Можно ли измерить инкрементальность без персональных данных?

Да. Геоэксперименты сравнивают продажи или другой KPI по территориям и строят контроль из регионов без изменения рекламы. Нужны качественная история и возможность управлять воздействием по географии.

Что важнее: ROAS или iROAS?

Для решения о приросте бюджета важнее iROAS, потому что он учитывает только дополнительную ценность. Обычный ROAS остаётся полезным для оперативного контроля, но может включать неинкрементальные продажи.

Как часто проводить тесты инкрементальности?

Регулярно после существенных изменений канала, аудитории, креатива или уровня затрат. Результат одного теста не вечен: рынок, алгоритмы и насыщение рекламы меняются.

Источники

Материал подготовил Директор по маркетингу Виктор Клищенко