Incrementality testing: geo-lift zamiast ROAS z platformy
Testy inkrementalności mierzą w drodze eksperymentu, ile dodatkowych konwersji lub przychodu przynosi działanie reklamowe. Grupa testowa (użytkownicy lub regiony) widzi reklamę, porównywalna grupa kontrolna nie, a różnica to efekt inkrementalny. Testy geo-lift wykorzystują regiony jako grupy, dlatego nie wymagają śledzenia na poziomie użytkownika.
W skrócie
- Według Lifesight testy geo-lift (matched-market) wymagają co najmniej 6 miesięcy czystej historii danych, mocy statystycznej ≥80% oraz tygodniowych lub dziennych danych first-party dla każdego regionu, co najmniej na poziomie stanów.
- Wyrażaj wyniki jako lift z przedziałem wiarygodności (np. +4,2% liftu, przedział 90% od +1,8% do +6,5%), a nie jako pozornie dokładną pojedynczą wartość, ponieważ według Kard zbyt precyzyjne modele mogą dawać więcej wyników fałszywie dodatnich.
- 225 testów geograficznych na różnych kanałach na platformie Stella (od sierpnia 2024 do grudnia 2025, głównie amerykańskie marki DTC): mediana iROAS 2,31x, 88,4% testów istotnych statystycznie. We wstępie Stella ogólnie określa różnicę względem ROAS z platformy jako często dwu- lub trzykrotną.
- Testy geo-lift obywają się bez śledzenia na poziomie użytkownika i bez danych osobowych, a mimo to mierzą efekt przyczynowy.
- Ustal regułę decyzyjną, moc statystyczną i czas trwania przed startem, a w trakcie testu nie zmieniaj ani budżetu, ani targetowania.
- Kard podaje co najmniej 10–15 dopasowanych rynków. W Austrii dziewięć krajów związkowych nie wystarczy, potrzebujesz mniejszych regionów, takich jak powiaty.
Geo-lift w kontekście europejskim
Dla firm w Europie za projektem geograficznym przemawia przede wszystkim ochrona danych. Według Lifesight obywa się on bez śledzenia na poziomie użytkownika i bez danych osobowych, ponieważ analizuje wyłącznie zagregowane dane o konwersjach lub przychodach dla każdego regionu. Porównanie regionów testowych i kontrolnych mimo to izoluje przyczynowy wpływ reklamy, czego atrybucja oparta na kliknięciach nie zapewnia.
W Austrii wąskim gardłem jest liczba regionów. Dziewięć krajów związkowych to mniej niż dolna granica 10–15 dopasowanych rynków, którą podaje Kard. Austriacki test wymaga więc powiatów lub obszarów kodów pocztowych, do których możesz rzetelnie przypisać przychód lub konwersje.
Szerszy kontekst znajdziesz w artykule filarowym Analityka social media, KPI & pomiar. Powiązane decyzje szczegółowo omawiają artykuły Marketing mix modeling: Meridian, Robyn i próg danych, Share of search: najtańszy wskaźnik wyprzedzający dla udziału w rynku oraz Modele atrybucji: dlaczego multi-touch zawodzi, a dark social wygrywa.
Pojęcia i pytania decyzyjne
Dwa wzory pozwalają prowadzić dyskusję konkretnie. Lift to różnica między konwersjami grupy testowej a konwersjami grupy kontrolnej, podzielona przez konwersje grupy kontrolnej. Z kolei iROAS odnosi tak wyliczony przychód inkrementalny do kosztów reklamy, a nie cały przychód w obszarze testowym, i właśnie to wyliczenie Lifesight wyjaśnia, dlaczego ROAS z platformy i iROAS na tych samych danych tak bardzo się różnią.
Ustalenia, które zmieniają decyzję
Kard, Geo Lift Test, 2026, świat: Wyrażaj wyniki jako lift z przedziałem wiarygodności (np. +4,2% liftu, przedział 90% od +1,8% do +6,5%), a nie jako pozornie dokładną pojedynczą wartość. Kard uzasadnia to tym, że zbyt precyzyjne modele mogą dawać więcej wyników fałszywie dodatnich (błędów I rodzaju). Sam poziom błędów ogranicza dopiero reguła decyzyjna ustalona przed startem.
Stella, 2025 DTC Digital Advertising Incrementality Benchmarks, 2026, USA: 225 testów geograficznych na różnych kanałach (Google, Meta, CTV, TikTok i inne) na platformie Stella, przeprowadzonych od sierpnia 2024 do grudnia 2025: mediana iROAS 2,31x, 88,4% testów istotnych statystycznie przy poziomie ufności co najmniej 90%. We wstępie do badania Stella ogólnie określa różnicę między ROAS z platformy a iROAS jako często dwu- lub trzykrotną, a przy branded search i retargetingu jako pięcio- do dziesięciokrotną. Próba obejmuje marki e-commerce DTC, głównie z USA, i nie jest benchmarkiem europejskim.
Punkty kontrolne wiarygodnego testu geo-lift
Progi pochodzą z przewodników Lifesight i Kard. Sprawdź je przed startem, a nie po poznaniu wyniku.
Punkt kontrolny | Pytanie kluczowe | Dobry sygnał | Sygnał ostrzegawczy |
|---|---|---|---|
Regiony | Czy rynków wystarczy na test i kontrolę? | co najmniej 10–15 dopasowanych rynków z historyczną korelacją co najmniej 95% | kilka dużych regionów, np. tylko dziewięć austriackich krajów związkowych |
Historia danych | Czy jest wystarczająco dużo czystych danych z okresu poprzedzającego? | co najmniej 6 miesięcy, dane tygodniowe lub dzienne | luki lub zmiany trackingu w okresie poprzedzającym |
Moc | Czy test wykryje najmniejszy istotny lift? | co najmniej 80% mocy, obliczonej przed startem | moc sprawdzona dopiero po teście |
Czas trwania | Czy czas trwania ustalono z góry? | od 4 do 8 tygodni, wyznaczone na podstawie analizy mocy | przedłużanie testu, aż stanie się istotny |
Reguła decyzyjna | Kiedy lift uznaje się za udowodniony? | ustalona z góry, np. przedział wyklucza 0 | próg wybrany dopiero po poznaniu wyniku |
Spillover | Czy regiony testowe i kontrolne są rozdzielone? | strefy buforowe między regionami | nakładające się obszary zasięgu mediów |
Integralność testu | Czy konfiguracja pozostaje stabilna w trakcie testu? | budżet i targetowanie bez zmian | budżet przesunięty w trakcie testu |
Typowe błędne decyzje
Testy geograficzne mają własne pułapki statystyczne. Kard wymienia cztery: spillover między regionami testowymi i kontrolnymi, zbyt małą moc, dryfującą syntetyczną kontrolę oraz zmiany budżetu lub targetowania w trakcie testu. Zniekształcają one wynik albo sprawiają, że prawdziwy lift ginie w szumie. Przed spilloverem chronią strefy buforowe, a moc ustalasz przed startem, nie po fakcie. Jako dolną granicę dla solidnego projektu Kard podaje co najmniej 10–15 dopasowanych rynków. Czas trwania też nie jest zaworem bezpieczeństwa: analiza Wayfair pokazuje, że dłuższe testy niekoniecznie poprawiają dokładność, a źle skalibrowane założenia dotyczące wariancji wręcz zwiększają odsetek wyników fałszywie dodatnich.
Dane i statystyki
Według Lifesight testy geo-lift (matched-market) wymagają co najmniej 6 miesięcy czystej historii danych, mocy statystycznej ≥80% oraz tygodniowych lub dziennych danych first-party dla każdego regionu, co najmniej na poziomie stanów
Lifesight, Geo-Based Incrementality Testing 2026 (2026)Wyrażaj wyniki jako lift z przedziałem wiarygodności (np. +4,2% liftu, przedział 90% od +1,8% do +6,5%), a nie jako pozornie dokładną pojedynczą wartość, ponieważ zbyt precyzyjne modele mogą dawać więcej wyników fałszywie dodatnich (błędów I rodzaju)
Kard, Geo Lift Test (2026)225 testów geograficznych na różnych kanałach (Google, Meta, CTV, TikTok i inne) na platformie Stella (od sierpnia 2024 do grudnia 2025): mediana iROAS 2,31x, 88,4% testów istotnych statystycznie przy poziomie ufności co najmniej 90%; próba: marki e-commerce DTC, głównie z USA
Stella, 2025 DTC Digital Advertising Incrementality Benchmarks (2026)Lift = (konwersje grupy testowej minus konwersje grupy kontrolnej) / konwersje grupy kontrolnej; iROAS = przychód inkrementalny / koszty reklamy
Lifesight, Geo-Based Incrementality Testing 2026 (2026)Testy geo-lift nie wymagają śledzenia na poziomie użytkownika ani danych osobowych, pracują na zagregowanych danych o konwersjach dla każdego regionu i mierzą przyczynowy wpływ reklamy
Lifesight, Geo-Based Incrementality Testing 2026 (2026)Pułapki statystyczne testów geograficznych według Kard: spillover między regionami (środek zaradczy: strefy buforowe), zbyt mała moc (ustalić przed startem, nie po fakcie), dryf syntetycznej kontroli oraz zmiany budżetu lub targetowania w trakcie testu; Kard podaje 10–15 dopasowanych rynków jako dolną granicę, a Wayfair pokazuje, że dłuższe testy niekoniecznie poprawiają dokładność
Kard, Geo Lift Test (2026)“Zbierz co najmniej 6 miesięcy czystych danych historycznych przed testem”
— Lifesight, Geo-Based Incrementality Testing, 2026
“zaprojektuj test z mocą statystyczną co najmniej 80%, aby wykryć minimalny wykrywalny lift”
— Lifesight, Geo-Based Incrementality Testing, 2026
Otwiera czat z przygotowanym promptem.
Najczęściej zadawane pytania
Co konkretnie oznacza „test inkrementalności”?
Ilu regionów potrzebuje test geo-lift?
Jak długo powinien trwać test geo-lift?
Jakich danych potrzebuje test geo-lift?
Dlaczego iROAS różni się od ROAS z platformy?
Czym test geo-lift różni się od badania conversion lift prowadzonego przez platformę?
Chcesz zgłębić temat?
Otrzymuj nowe analizy prosto na swoją skrzynkę albo zobacz, jak wykorzystujemy tę wiedzę w firmach.