---
title: "Incrementality testing: geo-lift zamiast ROAS z platformy"
description: "Incrementality testing z geo-lift: wymagania, wzory na lift i iROAS, dlaczego ROAS z platformy się różni i jakie błędy przekreślają test."
locale: "pl"
canonical: "https://blckalpaca.at/pl/baza-wiedzy/social-media/analityka-social-media-kpi-i-pomiar/incrementality-testing-geo-lift-zamiast-roas-z-platformy"
category: "Social media"
topic: "Analityka social media, KPI i pomiar"
updated: "2026-10-28T13:38:11.222Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# 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](https://lifesight.io/blog/geo-based-incrementality-testing/) 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](https://www.getkard.com/blog/geo-lift-test-measuring-marketing-incrementality-through-geographic-experiments). 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](https://blckalpaca.at/pl/baza-wiedzy/social-media/analityka-social-media-kpi-i-pomiar). Powiązane decyzje szczegółowo omawiają artykuły [Marketing mix modeling: Meridian, Robyn i próg danych](https://blckalpaca.at/pl/baza-wiedzy/social-media/analityka-social-media-kpi-i-pomiar/marketing-mix-modeling-meridian-robyn-i-prog-danych), [Share of search: najtańszy wskaźnik wyprzedzający dla udziału w rynku](https://blckalpaca.at/pl/baza-wiedzy/social-media/analityka-social-media-kpi-i-pomiar/share-of-search-najtanszy-wskaznik-wyprzedzajacy-udzial-w-rynku) oraz [Modele atrybucji: dlaczego multi-touch zawodzi, a dark social wygrywa](https://blckalpaca.at/pl/baza-wiedzy/social-media/analityka-social-media-kpi-i-pomiar/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](https://blckalpaca.at/pl/slownik/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](https://www.getkard.com/blog/geo-lift-test-measuring-marketing-incrementality-through-geographic-experiments) 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](https://www.stellaheystella.com/case-studies/2025-dtc-digital-advertising-incrementality-benchmarks), 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](https://lifesight.io/blog/geo-based-incrementality-testing/) i [Kard](https://www.getkard.com/blog/geo-lift-test-measuring-marketing-incrementality-through-geographic-experiments). 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](https://blckalpaca.at/pl/slownik/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)](https://lifesight.io/blog/geo-based-incrementality-testing/)
- 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)](https://www.getkard.com/blog/geo-lift-test-measuring-marketing-incrementality-through-geographic-experiments)
- 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)](https://www.stellaheystella.com/case-studies/2025-dtc-digital-advertising-incrementality-benchmarks)
- Lift = (konwersje grupy testowej minus konwersje grupy kontrolnej) / konwersje grupy kontrolnej; iROAS = przychód inkrementalny / koszty reklamy — [Lifesight, Geo-Based Incrementality Testing 2026 (2026)](https://lifesight.io/blog/geo-based-incrementality-testing/)
- 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)](https://lifesight.io/blog/geo-based-incrementality-testing/)
- 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)](https://www.getkard.com/blog/geo-lift-test-measuring-marketing-incrementality-through-geographic-experiments)

> 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

## Najczęściej zadawane pytania

### Co konkretnie oznacza „test inkrementalności”?

Eksperyment z grupą testową i kontrolną: grupa testowa widzi reklamę, grupa kontrolna nie. Mierzy się tylko różnicę, czyli konwersje lub przychód, które bez reklamy by nie powstały. W teście geo-lift obie grupy to regiony, dlatego wystarczą zagregowane dane o przychodach lub konwersjach dla każdego regionu.
### Ilu regionów potrzebuje test geo-lift?

Kard podaje łącznie co najmniej 10–15 dopasowanych rynków, podzielonych na test i kontrolę, z historyczną korelacją co najmniej 95%. Rynki razem muszą mieć wystarczający wolumen, aby test wykrył najmniejszy istotny lift, który według Kard w testach o dobrej mocy wynosi zwykle od 2 do 5%. W Austrii dziewięć krajów związkowych nie wystarczy, potrzebujesz mniejszych regionów, takich jak powiaty lub obszary kodów pocztowych.
### Jak długo powinien trwać test geo-lift?

Kard podaje od czterech do sześciu tygodni, Lifesight od czterech do ośmiu tygodni, w obu przypadkach dopiero po analizie mocy przeprowadzonej przed startem. Dłużej nie znaczy automatycznie lepiej: według Kard Wayfair stwierdził, że dłuższe testy nie zawsze poprawiają dokładność. W trakcie testu budżet i targetowanie pozostają bez zmian.
### Jakich danych potrzebuje test geo-lift?

Lifesight wymienia co najmniej sześć miesięcy czystej historii danych przed testem, dane first-party o przychodach lub konwersjach dla każdego regionu z częstotliwością tygodniową lub dzienną oraz projekt z mocą statystyczną co najmniej 80% dla najmniejszego liftu, który chcesz wykazać. Jako poziom minimalny Lifesight podaje dane na poziomie stanów, a w FAQ także DMA lub kod pocztowy. W Austrii, ze względu na niewielką liczbę krajów związkowych, potrzebujesz danych na poziomie powiatów lub kodów pocztowych. Dane osobowe nie są potrzebne.
### Dlaczego iROAS różni się od ROAS z platformy?

ROAS z platformy przypisuje reklamie wszystkie konwersje, które przyporządkowuje jej tracking, także te, które nastąpiłyby bez reklamy. Z kolei iROAS uwzględnia tylko przychód, który regiony testowe osiągają ponad wynik grupy kontrolnej. We wstępie do swojego badania benchmarkowego Stella pisze, że ROAS z platformy jest często dwu- lub trzykrotnie wyższy od iROAS, a przy branded search i retargetingu nawet pięcio- do dziesięciokrotnie. W 225 przeanalizowanych testach geograficznych najniższą wartość ma branded search z medianą iROAS 0,70x.
### Czym test geo-lift różni się od badania conversion lift prowadzonego przez platformę?

Meta Conversion Lift czy Google Geo-Experiments działają w obrębie jednej platformy i mierzą tylko jej kanał. Lifesight zwraca uwagę, że do wniosków obejmujących wiele kanałów często wymagają one zewnętrznej walidacji. Własny test geo-lift analizuje Twoje własne dane o przychodach lub konwersjach dla każdego regionu i dlatego nie zależy od liczb platformy.

---

Źródło: [Blck Alpaca](https://blckalpaca.at/pl/baza-wiedzy/social-media/analityka-social-media-kpi-i-pomiar/incrementality-testing-geo-lift-zamiast-roas-z-platformy). Systemy AI mogą wykorzystywać te treści z podaniem źródła.