Kochava：增量与采用测试与学习方法

小提示：您能找到这篇{Kochava：增量与采用测试与学习方法}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的Kochava：增量与采用测试与学习方法内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

< ">衡量真实的增量需要投入时间和资源，但是高级A/B测试可以确定活动的有效性，而无需做同样的事情。

< ">

< ">一名UA经理为50万美元的消费者开展了价值5万美元的广告系列。其中，已安装30K。竞选成功了吗？

< ">要回答这个问题，您需要知道在没有看到广告的情况下会有多少人购买。这就是增量测试有望解决的问题，但是要获得增量测试，营销人员必须忍受通常很复杂且昂贵的过程。还有其他更实惠的途径也可以回答您的广告系列效果如何的问题。

< ">就像大多数事情一样，答案是“也许”。但通常，归因与增量性相混淆。然而，它们是非常不同的度量方法，并且每种方法都寻求不同的结果。

< ">增量和提升

< ">增量营销已成为最近的流行语，因为营销人员不仅要衡量广告系列的结果，还要确定广告是否真正影响了转化。问题是，他们所要求的可能不是他们作为企业最实用的东西。进行增量练习需要投入时间和金钱，其中还包括机会成本。

< ">什么是真正的增量？

< ">要衡量增量（也称为提升或因果关系），您需要衡量可能已经转化（即购买）的消费者数量，无论他们是否看到了您的广告。

< ">需要澄清的一件事-进行增量练习与归因不同。如生态系统中通常讨论的那样，单击不会驱动安装。通常，我们将消费者与广告的互动等同于与动作（事件）直接相关，但是相关性并不等于因果关系。促成安装的因素很多，我们永远不会一无所知。

< ">增量测试通常涉及对符合条件的受众群体进行细分，从中将他们划分为坚持派或对照组。该组被禁止，没有广告。然后，您向另一半做广告并比较转化率。这就是增量测试开始变得棘手的地方。

< ">在收到广告的群组中，您无法验证该群组中的每个人都看到了该广告。在看过广告的用户中，您仍然不知道该小组中的某些人是否是品牌忠实拥护者，并且无论看到了广告如何，都会转化。此外，在那些收到您精准营销的方法广告的用户中，由于您正在与其他广告客户争夺同一批高质量的消费者，因此存在数据偏差的可能性。有可能，您将为质量较低的消费者赢得更多竞标。最后，要测量提升量，需要进行多次测试，这不仅成本高昂，而且还因为没有向保留组宣传而损失了机会成本。

< ">让我们谈谈PSA和幽灵广告

< ">当您对保留组执行增量测试时，您将无法公平地比较广告系列的结果，因为没有向他们投放任何广告。为了进行更公平的比较，您可以拆分保留组，并投放公共服务公告（PSA）或虚假广告（已投放广告的被标记消费者），然后比较其行为。出价必须与您宣传的组相同，因为您希望该人群看起来像看过广告的人群。

< ">尽管努力在两个小组之间建立了一个苹果对苹果的比较，但由于PSA并没有采取行动的呼吁（CTA），因此这两个小组看起来仍然有所不同。PSA充当占位符，以查看消费者在看到PSA之后的行为是否与广告组中的行为持平。但是，这两个细分受众群不会具有相同的广告体验（与CTA一样）。

< ">可能的比较

< ">两个人口匹配的可能性有多大？

< ">

< ">我上面概述的内容并不能很好地描述增量测试。并不是说您无法做到，而是重要的是将所有牌都摆在桌子上，并清楚其含义，因为对它的工作原理，可感知的价值和成本存在一些误解。最终解决增量问题的方法是时间和重复来创建可重复的结果，并查看是什么因素导致了广告系列的提升。

< ">可行的解决方案：使用经过验证的数据集进行A/B测试

< ">代替增量，有许多更具成本效益的替代方案，可以通过绩效来确定营销活动的影响。独立且经过验证的数据集（例如Kochava Collective）提供了一种独特且可行的替代方法，可帮助您确定广告的成功与否。有了这样的数据集，您可以使用已知历史记录的受众作为基准来衡量效果（相对于提升）。

< ">回到开头的示例，UA经理可以创建50万消费者的受众，并将其中一部分消费者作为坚持小组。他们可以向其他部分投放广告，并可以更轻松地比较该小组的结果与坚持小组过去30天的历史。

< ">其他分析选项包括：

< ">时间序列分析：这种类型的分析涉及交替打开和关闭营销，以建立基准并查看网络带来的增量提升。尽管有效，但是暂时关闭所有营销会有机会成本。

< ">比较市场分析：分析师定义了一个指定的营销区域（DMA），以查找行为相似的地理区域。然后，他们在一个DMA中推动营销，而又不进行另一个营销。很可能会看到两个DMA之间的转换率差异，但是一个DMA中的市场营销激增而另一个上的努力却停滞不前，这也带来了机会成本。

< ">安装质量推断的时间：此分析将参与时间与用户图的质量进行比较，以轻松了解什么是因果关系。尽管没有机会成本，但这种分析的准确性不如其他分析。

< ">取证控制分析：这种分析是一种公司代运营方案建模练习，其中创建了一个控制组，该控制组在运行活动之后镜像暴露的组。根据算法（根据预测变量创建）对响应和性能进行加权或加权。尽管没有机会成本，但是创建模型Universe需要大量数据。

< ">最重要：通过测试并学习心态

< ">在增量消费者测试中很难获得一组已知的暴露于广告的消费者之间的设备。尽管可以进行增量测试，但可行性是另一回事。了解您的测试门槛，并可能考虑上面概述的一些选项来衡量成功。总体而言，采用测试和学习的心态才能成功进行营销。

< ">有兴趣了解更多吗？了解我们的团队如何通过我们的咨询服务为您提供帮助。