Тест Conversion Lift: расчёт инкрементальности и настройка

Главное

Атрибуция считает конверсии, которые случились после рекламы; lift-тест считает те, что реклама вызвала. В примере: 3 000 атрибутированных, 900 инкрементальных, коэффициент 0,30.
Шум задают числа конверсий: при 5 400 конверсиях в тесте и 500 в контроле контрольная группа даёт 92% дисперсии.
Чтобы увидеть лифт 10%, нужно около 547 конверсий в контроле при холдауте 10% или 948 в каждой группе при равном сплите.
Входные требования на 5 октября 2026 года: Meta просит $5 000 и 500 конверсий в истории, Google - 1 000 конверсий и бюджет $5 000.

На что обратить внимание

Результат, не достигший значимости, не доказывает нулевой эффект.
Один коэффициент инкрементальности не переносится между кампаниями, аудиториями и сезонами.

Атрибуция считает конверсии, которые случились после рекламы. Тест Conversion Lift считает те, что случились из-за неё. Платформа не показывает вашу рекламу случайной части аудитории, всё остальное идёт как обычно, а затем она сравнивает коэффициент конверсии в двух группах. В примере ниже рекламная платформа заявляет 3 000 конверсий, а эксперимент находит 900.

Сможет ли ваш аккаунт измерить такое число, зависит в основном от одного: сколько конверсий попадёт в контрольную группу. Ниже определённого количества тест пройдёт, будет стоить вам недополученных продаж и ничего не скажет.

0,30коэффициент инкрементальности в примере: 900 вызванных рекламой из 3 000 атрибутированных

547конверсий в контрольной группе, чтобы обнаружить лифт 10% при холдауте 10%

$5 000входной бюджет для тестов и Meta, и Google, плюс 500 и 1 000 конверсий

Требования платформ ниже я проверял 5 октября 2026 года по справочным страницам каждой из них.

Почему атрибуция на это не отвечает

Атрибуция распределяет заслугу за конверсии, которые уже случились. Она не видит людей, которые сконвертировались бы и без рекламы. А именно таких людей лучше всего находят ретаргетинг и брендовый поиск.

Размер разрыва измерен. Gordon, Moakler и Zettelmeyer сравнили 663 эксперимента в Facebook с тем, что о тех же кампаниях говорили стандартные наблюдательные методы. Медианный экспериментальный лифт составил 29%, 18% и 5% для результатов верхней, средней и нижней части воронки. Метод double machine learning на тех же данных показал 83%, 58% и 24%. Propensity score matching показал 173%, 176% и 64%.¹ Blake, Nosko и Tadelis отключили поисковую рекламу eBay по брендовым запросам и не нашли от неё измеримой краткосрочной пользы.²

Meta говорит то же о собственных инструментах: lift-тест считает все конверсии в обеих группах, поэтому его цифры не совпадут с тем, что атрибутирует Ads Manager.³

Как устроен тест

Распределение идёт на уровне человека и не меняется весь тест.³ Всё остальное в жизни контрольной группы продолжается, включая ваши другие каналы, а конверсия засчитывается независимо от того, был ли клик.

Это intent-to-treat

Тестовая группа - это все, кому реклама могла быть показана, включая тех, кто не получил ни одного показа. Meta говорит об этом прямо.³ Вы измеряете, что кампания добавила по всей аудитории, которую ей разрешили охватить, а не эффект на тех, кто рекламу увидел.

Разделение редко бывает равным

В тесте Meta с одной ячейкой контрольная группа составляет 10% от размера тестовой, а в отчёте её масштабируют.⁴ Google позволяет задать холдаут от 1% до 50%.⁵ Target Lift Яндекса для медийных кампаний использует 90% на тест и 10% на контроль.⁹

Арифметика

Цифры условные, подобраны так, чтобы каждый шаг можно было проверить вручную:

Тестовая группа: 900 000 человек, 5 400 конверсий. Коэффициент конверсии 0,60%.
Контрольная группа: 100 000 человек, 500 конверсий. Коэффициент конверсии 0,50%.
Расход: 9 000 000 ₸. Маржа с конверсии: 25 000 ₸.
Конверсии, которые рекламная платформа атрибутировала кампании: 3 000.

Контрольная группа в девять раз меньше, поэтому сначала приведите её к размеру тестовой. Это число конверсий, которое тестовая группа дала бы без рекламы:

C_{ba se} = C_{c} \times \frac{N _{t}}{N _{c}} C_{in c} = C_{t} - C_{ba se}

lift = \frac{p _{t}}{p _{c}} - 1 CPIC = \frac{spend}{C _{in c}} iROAS = \frac{C _{in c} \times margin}{spend}

Показатель	Расчёт	Результат
Базовые конверсии	500 × 9	4 500
Инкрементальные конверсии	5 400 - 4 500	900
Лифт	0,60% / 0,50% - 1	20,0%
Доля конверсий тестовой группы, вызванных рекламой	900 / 5 400	16,7%
Стоимость инкрементальной конверсии	9 000 000 ₸ / 900	10 000 ₸
Инкрементальный ROAS	900 × 25 000 ₸ / 9 000 000 ₸	2,5

Теперь положите рядом отчёт по атрибуции. Платформа заявила 3 000 конверсий: атрибутированный CPA 3 000 ₸ и атрибутированный ROAS 8,3. Эксперимент говорит: 900 конверсий по 10 000 ₸ каждая и отдача 2,5.

incrementality factor = \frac{C _{in c}}{C _{a tt r ib u t e d}} = \frac{900}{3000} = 0.30

Пунктир - 2 100 конверсий, которые атрибуция записала на рекламу, а контрольная группа получила и без неё. 900 / 3 000 = 0,30.

Семь из десяти атрибутированных конверсий случились бы и так. Кампания всё ещё прибыльна при 2,5. Но это не та кампания, которую описывал дашборд, и целевой CPA, взятый с дашборда, задан в 3,3 раза щедрее, чем нужно.

Три из десяти. Остальные семь конверсий случились бы и с кампанией, и без неё.

Насколько это надёжно

Лифт - это отношение двух коэффициентов конверсии, а интервал для отношения чище всего строить в логарифмической шкале:

S E (ln R R) = \frac{1 - p _{t}}{C _{t}} + \frac{1 - p _{c}}{C _{c}} \approx \frac{1}{C _{t}} + \frac{1}{C _{c}}, R R = \frac{p _{t}}{p _{c}}

Приближение справа работает, когда коэффициент конверсии не больше нескольких процентов. Его стоит запомнить, потому что оно показывает, от чего зависит шум: от числа конверсий. Не от пользователей, не от показов, не от расхода.

Здесь SE = 0,0466 (приближение даёт 0,0467). На 500 конверсий контрольной группы приходится 92% этой дисперсии. 5 400 конверсий тестовой группы почти ничего не меняют. Такова цена маленького холдаута: он бережёт выручку, и в нём же сидит почти вся неопределённость.

Google показывает 80%-ный интервал и уверенность, равную единице минус p-value: по сути это односторонний тест на уровне 90%. Meta показывает уровень доверия в процентах и называет надёжным результат выше 90%.⁴ ⁶ В логике Google:

Лифт: 20,0%, интервал от 13,0% до 27,4%. z = 3,91, уверенность выше 99,9%.
Инкрементальные конверсии: 900, интервал от 623 до 1 161.
Стоимость инкрементальной конверсии: 10 000 ₸, в диапазоне от 7 752 ₸ до 14 449 ₸.

Тот же тест в десять раз меньше: 90 000 человек и 540 конверсий против 10 000 человек и 50 конверсий. Коэффициенты конверсии те же, лифт по-прежнему 20,0%. Стандартная ошибка 0,1474, интервал от -0,7% до 45,0%, уверенность 89,2%. Истинный эффект не изменился. Тест его больше не видит.

Точка - измеренный лифт, полоса - интервал 80%. Доли конверсий одинаковые, тест в десять раз меньше.

Как Google обозначает уверенность

90% и выше - сильная, от 70% до 90% - хорошая, от 50% до 70% - только направление, ниже 50% в отчёте значится как отсутствие лифта.⁶ Разберитесь со шкалой до того, как читать отчёт.

Попробуйте на своих группах:

Калькулятор Conversion Lift

Открывается с числами из примера. Подставьте свои тестовую и контрольную группы.

Тестовая группа: человекТестовая группа: конверсийКонтрольная группа: человекКонтрольная группа: конверсийРасходКонверсий по атрибуции платформы

Инкрементальные конверсии900интервал 80%: 623 … 1 161

Лифт20,0%интервал 80%: 13,0 … 27,4

Уверенность (1 - p)>99,9%z = 3,91

Цена инкрементальной конверсии10 0007 752 … 14 449

Коэффициент инкрементальности0,30

Доля конверсий теста, вызванных рекламой16,7%

Лифт обнаружен. С вероятностью 90% настоящий лифт выше 13,0%.

Тест, в котором эффекта нет

Базовые 4 500 конверсий из таблицы выше выглядят как факт. На деле это 500 конверсий, умноженные на девять, и шум этих 500 умножен на девять вместе с ними.

Чтобы увидеть, к чему это приводит, я смоделировал 4 000 тестов кампании, которая ничего не меняет: обе группы конвертируются в 0,50%, в тестовой 900 000 человек, в контрольной 100 000. Для каждого теста «инкрементальные конверсии» посчитаны точно так же, как выше.

Слева: 4 000 тестов, в которых реклама ничего не дала. Разница «тест минус контроль × 9» всё равно гуляет со стандартным отклонением 210 конверсий. Упрощённый расчёт считает шумом только 67 и называет лифтом всё правее красной линии. Справа: он ошибается в 34,4% случаев вместо 10%.

Правильный ответ в каждом из этих тестов - ноль. У измеренного ответа стандартное отклонение 210 конверсий, и только 65,3% тестов попадают в пределы 200 конверсий от нуля. Два способа решить, лифт это или нет:

Тест	«Лифт» там, где его нет	Сколько должно быть
Интервал по логарифму отношения из раздела выше	9,9%	10%
Упрощение: 4 500 - это «база», далеко ли от неё тестовая группа?	34,4%	10%

Упрощение считает приведённую базу известным числом, и тогда остаётся только счётный шум вокруг 4 500: стандартное отклонение 67. Настоящее - 210, втрое шире, и почти вся разница приходит из маленькой контрольной группы. Слайд «ожидали 4 500, получили 4 700» делает именно эту ошибку. Каким бы инструментом вы ни считали, проверьте, что неопределённость контрольной группы попала в интервал.

Сколько конверсий нужно

Если развернуть формулу стандартной ошибки, получится число конверсий в контрольной группе, нужное, чтобы обнаружить заданный лифт. Односторонний уровень 90% и мощность 80% дают z_α + z_β = 2,1232; k - размер тестовой группы относительно контрольной:

C_{c} = \frac{( z _{α} + z _{β} ) ^{2} ( 1 + \frac{1}{k \cdot R R} )}{( ln R R ) ^{2}}

Лифт, который нужно обнаружить	50/50: конверсии в контроле	50/50: все конверсии	Холдаут 10%: конверсии в контроле	Холдаут 10%: все конверсии
5%	3 698	7 580	2 095	21 884
10%	948	1 990	547	5 956
20%	249	547	149	1 749
30%	116	267	72	903

Конверсий в контрольной группе, односторонние 90% и мощность 80%. Холдаут 10% требует меньше конверсий в контроле, но втрое больше конверсий в тесте целиком.

Лифт вдвое меньше - конверсий вчетверо больше

Кампании нижней части воронки с истинным лифтом 5% нужны тысячи конверсий в контрольной группе. У большинства аккаунтов столько не набирается за одно окно теста.

За маленький холдаут платят временем

Холдауту 10% нужно примерно втрое больше конверсий в сумме, чем равному разделению. Он обходится меньшим числом недополученных продаж в день и большим числом дней.

Считайте конверсии, а не людей

Тесту на редком событии (выданный кредит, годовая подписка) не хватает мощности почти при любом размере аудитории. Lewis и Rao показали это на большом масштабе: в 25 экспериментах с расходом $2,8 млн медианный доверительный интервал для ROI был шире 100 п.п.⁷

Входные требования платформ - это та же арифметика. Google не показывает результаты при расходе ниже $5 000 или если в тестовой группе меньше 150 конверсий, а в контрольной меньше 65; результаты с уверенностью ниже 90% показываются только при расходе выше $5 000 и более чем 1 000 конверсий.⁶ Эти 65 стоят рядом со строкой 30% в таблице.

Охват и к чему именно относится лифт

Допустим, показ реально получили только 60% тестовой группы: 540 000 из 900 000. Все 900 инкрементальных конверсий пришли от этих людей, это 0,167 п.п. на охваченного человека. По всей тестовой группе это 0,10 п.п.

Число инкрементальных конверсий в обоих случаях одно и то же, и именно оно вместе со стоимостью нужно для решения по бюджету. Меняется процент: 40% тестовой группы, не видевшие рекламу, добавляют конверсии в обе стороны сравнения и не добавляют эффекта, поэтому лифт в процентах сжимается и его труднее обнаружить.

Метод «ghost ads» Johnson, Lewis и Nubbemeyer создан именно для этого: он определяет людей в контрольной группе, которым реклама была бы показана. Авторы сообщают о той же точности при затратах на порядок ниже, чем у дизайнов intent-to-treat.⁸ Если кампания охватывает малую часть своей доступной аудитории, для платформенного lift-теста она плохой кандидат.

Что требует каждая платформа

	Meta	Google Ads, по пользователям	TikTok	Яндекс Директ, Target Lift
Как получить доступ	Experiments, Create test, Conversion Lift. Кнопка неактивна, если аккаунт не проходит по требованиям³	Через представителя Google, который ведёт аккаунт⁵	Через представителя, который ведёт аккаунт¹⁶	Только медийные кампании, включается до первого показа⁹
Входные требования	Кампания, запущенная за последний год, с расходом не менее $5 000 и 500 конверсиями; Conversions API с event match quality выше 5³	Не менее 1 000 конверсий и бюджет кампании не менее $5 000⁵	Минимальный расход различается; не опубликован¹⁶	От 1 до 5 целей; кампания не короче 7 дней⁹
Разделение	Контроль составляет 10% от тестовой группы в тесте с одной ячейкой⁴	Холдаут от 1% до 50%⁵	Тестовая и контрольная группы¹⁶	90% тест, 10% контроль⁹
Длительность	Рекомендуется не менее 28 дней³	Не менее 7 дней, рекомендуется больше 14⁵	Не опубликована	Результат примерно через 10 дней после окончания кампании⁹
Что в отчёте	Инкрементальные конверсии, стоимость инкрементальной конверсии, лифт продаж, лифт ROAS, уровень доверия⁴	Инкрементальные конверсии, относительный лифт, инкрементальная ценность, инкрементальные CPA и ROAS, интервалы⁶	Инкрементальные конверсии, абсолютный и относительный лифт, стоимость инкрементальной конверсии, iROAS, уровень доверия¹⁶	Прирост целевых действий; при отсутствии заметного лифта может не показываться ничего⁹

Когда делить приходится по географии

Если рандомизировать людей нельзя (для канала нет платформенного теста, каналов несколько сразу, продажи офлайн), рандомизируют места: в одних регионах реклама идёт, в других нет, и разница в продажах между ними с поправкой на обычное поведение этих регионов и есть лифт.

Гео-тест включает рекламу в одних регионах и выключает в других. Карта здесь выдуманная, это не реальная страна.

Исследование Google по географии делает это на собственных географических единицах, подобранных так, чтобы ограничить перетекание эффекта между регионами, и показывает инкрементальный ROAS с доверительным интервалом. Google предупреждает, что бюджет обычно выше, чем для исследования по пользователям, и что кампании должны быть нацелены на одну страну.¹¹

Чтобы провести такой тест самостоятельно, есть три открытых инструмента: Meridian GeoX от Google, выпущенный в 2026 году вместе со статьёй, на которую опирается этот раздел, GeoLift от Meta (синтетический контроль) и CausalImpact от Google (байесовские структурные временные ряды).¹⁸ ¹² ¹³

Контрфактический прогноз

Самый простой метод, который выдерживает проверку, - регрессия по времени (time-based regression). Сложите дневные продажи по тестовым регионам и отдельно по контрольным. На днях до кампании постройте прямую, которая предсказывает одно по другому:

Y_{t es t, t} = α + β Y_{co n t r o l, t} + ε_{t}

Во время кампании контрольные регионы продолжают давать данные. Подставьте их продажи в построенную прямую и получите контрфактический прогноз: сколько тестовые регионы продали бы без рекламы. Эффект - это разрыв между фактом и прогнозом, просуммированный по дням кампании:

\hat{Y}_{t es t, t} = \overset{α}{^} + \hat{β} Y_{co n t r o l, t} effect = t \in campaign \sum (Y_{t es t, t} - \hat{Y}_{t es t, t})

Синтетический контроль и синтетическая разность разностей строят тот же прогноз из взвешенной смеси контрольных регионов вместо их простой суммы. В GeoX есть все три метода, и в бенчмарке авторов лучшей в целом оказалась регрессия по времени на стратифицированном дизайне.¹⁸

Где гео-тесты ошибаются: проверка значимости

Дневные продажи - не независимые наблюдения. Слабая неделя остаётся слабой, каждый понедельник похож на предыдущий. t-тест по дневным разрывам считает 30 дней кампании тридцатью независимыми наблюдениями и показывает намного больше уверенности, чем есть в данных.

Статья о GeoX измеряет, насколько. В 38 400 смоделированных A/A-экспериментах на данных 192 рекламодателей, где эффекта не было ни в одном, t-тест давал ложные срабатывания более чем в десять раз чаще номинальных 5%.¹⁸ Замена - плацебо-тест. Весь анализ повторяют на множестве фиктивных распределений, составленных по тому же правилу, по которому выбирали настоящие тестовые регионы, но без рекламы. Каждое даёт эффект, который целиком состоит из шума, а p-value - это доля таких эффектов, не менее экстремальных, чем настоящий:

p = \frac{1 + # { ∣ T _{pl a ce b o} ∣ \geq ∣ T _{o b ser v e d} ∣ }}{1 + N _{pl a ce b o}}

Авторы рекомендуют не меньше 100 плацебо-распределений и делят каждый эффект на ошибку прогноза в предтестовом периоде, чтобы шумная плацебо-группа и спокойная сравнивались в одном масштабе.¹⁸

Я воспроизвёл это сравнение на синтетическом рынке: 20 регионов, 6 из них тестовые, 60 дней до теста и 30 дней теста, у продаж общий недельный цикл и зависимость от предыдущего дня. 1 000 тестов, эффекта нет ни в одном.

Слева один смоделированный тест с настоящим лифтом 10%: пунктир показывает, что тестовые регионы продали бы без рекламы, по связи с контрольными до теста. Справа 1 000 тестов вообще без эффекта: t-тест, который считает дни независимыми, находит эффект почти в каждом втором.

Тест	Ложные эффекты при пороге 10%	При пороге 5%
t-тест по дневным разрывам	48,7%	40,6%
Плацебо-тест, 200 фиктивных распределений	10,5%	4,3%

Симуляция моя, и её цифры описывают этот синтетический рынок, а не ваш. Направление - вывод статьи: на дневных рядах учебный тест не осторожное приближение, он производит эффекты из шума.

Что гео-тест способен увидеть

Наименьший лифт, который тест может обнаружить, следует из стандартной ошибки эффекта, а её плацебо-прогоны дают ещё до того, как потрачены деньги:

M D E = \frac{( z _{1 - α /2} + z _{1 - β} ) \times S E}{baseline}

Поэтому анализ мощности - это та же процедура на данных прошлого квартала. Чем лучше контрольные регионы предсказывают тестовые до кампании, тем меньше стандартная ошибка. В бенчмарке авторов плацебо-группы, составленные по правилу самого дизайна, а не случайно, снизили средний минимальный обнаруживаемый эффект на 26,8%.¹⁸

На синтетическом рынке выше плацебо-тест нашёл настоящий лифт в 3% в 82,0% прогонов, а лифт в 5% - в 98,8%. Реальные региональные продажи грубее симуляции, поэтому до того, как доверять любой из этих цифр, прогоните плацебо-анализ на своей истории.

Рекомендации GeoLift хорошо возвращают к реальности: не менее 20 географических единиц, предтестовый период в четыре-пять раз длиннее теста и не менее 15 дней теста на дневных данных.¹² Статья о GeoX требует предтестовых данных минимум втрое длиннее теста, а при сезонных продажах больше.¹⁸

В Казахстане это выполняется впритык. В стране 20 единиц первого уровня (17 областей плюс Алматы, Астана и Шымкент), и они далеко не равны по размеру. Это довод в пользу стратификации: сгруппируйте регионы с похожим объёмом продаж и сезонностью и рандомизируйте внутри каждой группы, чтобы крупнейший город не оказался против самого маленького региона.¹⁸ Гео-тест здесь реален для продукта с ощутимым объёмом в регионах. Насколько малый лифт он увидит - эмпирический вопрос к вашей истории продаж, и плацебо-анализ отвечает на него до запуска. И он протекает. Человек, который увидел рекламу в тестовом регионе и купил в контрольном, уменьшает измеренную разницу.¹¹

Настройка теста

Отмечайте пункты по ходу; отметки сохраняются в этом браузере. Выполнено 0 из 6

Выберите конверсию и передавайте её с сервераТест не может быть лучше события, которое он считает. Для самостоятельного запуска теста Meta требует Conversions API с match quality выше 5.³ Если продажа закрывается офлайн, сначала заведите офлайн-конверсию в платформу.
Проверьте мощность до запускаВозьмите свои недельные конверсии, долю холдаута и длительность теста, посчитайте ожидаемое число конверсий в контрольной группе и найдите свою строку в таблице. Если лифт, который вы можете обнаружить, больше любого лифта, в который вы верите, не запускайте тест.
Покройте задержку до покупкиGoogle обнаружил, что в исследованиях короче 14 дней измеренный абсолютный лифт для конверсий с длинной задержкой теряет до 17%.⁵ Meta рекомендует не менее 28 дней.³
Держите тест чистымОдновременно только одно исследование на кампанию. Не завершайте холдаут в день старта акции: по рекомендациям Meta, исследование, у которого холдаут снят в день распродажи, показывает мало инкрементальных покупок.¹⁴
Сначала запишите правило решения«Если стоимость инкрементальной конверсии по верхней границе ниже 12 000 ₸, бюджет остаётся». До результата.
Не останавливайте раньше срокаОстановка в первый же день, когда интервал ушёл от нуля, превращает 90%-ный тест во что-то гораздо более слабое.

По первому пункту техническая часть разобрана в статьях Meta CAPI и CAPIG и как связать рекламу с продажами в отделениях.

Как читать результат

Сначала интервал, потом точечная оценка

«Лифт 20%» с интервалом от 13% до 27% - это результат. «Лифт 20%» с интервалом от -1% до 45% - это догадка, к которой приложили число.

Нейтрально не значит ноль

Meta называет это «similar performance» и определяет как отсутствие значимой разницы.¹⁵ Google при низкой уверенности пишет, что лифт не обнаружен. Ни то, ни другое не означает, что реклама ничего не дала. Сначала сверьте число конверсий в контрольной группе с таблицей.

Применяйте коэффициент, но осторожно

Коэффициент 0,30 означает, что 3 000 ₸ по атрибуции - это примерно 10 000 ₸ в реальности. Он относится к этой кампании, этой аудитории, этому сезону и этому уровню расхода. У проспектинга и ретаргетинга коэффициенты разные. У октября и декабря тоже.

Средний эффект, а не предельный

Lift-тест показывает, что добавила вся кампания. Он не показывает, что добавили последние 20% расхода. Для этого нужны два уровня расхода как отдельные ячейки, у каждой свой холдаут.

Передайте результат дальше

Результат lift-теста - самые сильные входные данные, которые может получить модель медиамикса. Документация Google Meridian считает эксперименты лучшей основой для априорных распределений ROI и предупреждает, что временное окно эксперимента и то, что он оценивает, могут отличаться от модельных.¹⁷ Используйте его для калибровки, а не для перезаписи.

Когда тест запускать не стоит

В контрольной группе будет меньше сотни конверсий. Возьмите более частое событие ближе к верху воронки и примите, что это более слабый прокси, или подождите, пока объём вырастет.
У кампании нет конверсии, которую можно считать. Флайт на узнаваемость измеряют опросом: см. исследования Brand Lift.
Вы тестируете два креатива. Это A/B-тест. Lift-тест сравнивает рекламу с её отсутствием.
Охват составляет малую долю доступной аудитории. Размывание, описанное выше, съедает сигнал.

Итог

Тест Conversion Lift заменяет вопрос «сколько конверсий соприкоснулось с рекламой» вопросом «скольких не было бы без неё». Ответ - это отношение с интервалом, а ширину интервала задаёт число конверсий в меньшей группе. Рассчитывайте размер теста от этого числа, зафиксируйте правило решения до запуска и читайте результат как диапазон.

Чтобы проверить размер выборки для равного разделения, возьмите калькулятор экспериментов на этом сайте: он использует ту же логику сравнения двух долей. Про брендовую сторону той же кампании: исследования Brand Lift и опросы знания бренда.

¹ Gordon, Moakler, Zettelmeyer (2023). Close Enough? A Large-Scale Exploration of Non-Experimental Approaches to Advertising Measurement. Marketing Science 42(4)
² Blake, Nosko, Tadelis (2015). Consumer Heterogeneity and Paid Search Effectiveness. Econometrica 83(1)
³ Meta Business Help Center: about Conversion Lift, creating a test, lift and attribution
⁴ Meta Business Help Center: Conversion Lift results
⁵ Users-based Conversion Lift - Google Ads Help
⁶ Google Ads Help: certainty of lift, Bayesian methodology for lift
⁷ Lewis, Rao (2015). The Unfavorable Economics of Measuring the Returns to Advertising. Quarterly Journal of Economics 130(4)
⁸ Johnson, Lewis, Nubbemeyer (2017). Ghost Ads: Improving the Economics of Measuring Online Ad Effectiveness. Journal of Marketing Research 54(6)
⁹ Справка Яндекс Директа: как работает Target Lift, условия, результаты
¹⁰ Marketing experimentation and incrementality testing - Think with Google, February 2026
¹¹ Google Ads Help: geography-based Conversion Lift, its results
¹² Meta Open Source: GeoLift, best practices
¹³ CausalImpact - Google
¹⁴ Meta Business Help Center, on promotions during a lift test
¹⁵ Meta Business Help Center, on test results with similar performance
¹⁶ About Conversion Lift Study - TikTok Business Help Center
¹⁷ ROI priors and calibration - Google Meridian
¹⁸ Ye, Sinn, Li, Jiao (2026). Meridian GeoX: An Open-Source Framework for Precision and Efficiency in Geo Experiments. Google, 1 сентября 2026 года. Код: github.com/google/meridian-geox

Частые вопросы

Тест Conversion Lift - это то же самое, что A/B-тест?

Нет. A/B-тест сравнивает две версии объявления или страницы. Lift-тест сравнивает рекламу с её отсутствием: одной случайной группе кампания может быть показана, а другую держат в холдауте.

Почему lift-тест показывает меньше конверсий, чем Ads Manager?

Атрибуция считает конверсии, которые последовали за рекламой. Lift-тест считает конверсии, которых не было бы без рекламы: он вычитает то, что контрольная группа сделала и так. Второе число обычно меньше.

Каким должен быть размер холдаута?

Достаточным, чтобы набрать нужное тесту число конверсий в контрольной группе. Чтобы обнаружить лифт 10%, нужно около 547 конверсий в контроле при холдауте 10% или 948 в каждой группе при равном разделении. Больший холдаут сокращает тест и отнимает больше продаж в день.

Какой коэффициент инкрементальности считать хорошим?

Универсального бенчмарка нет. В исследовании 663 экспериментов в Facebook медианный экспериментальный лифт составил 29% для результатов верхней части воронки, 18% для средней и 5% для нижней, а стандартные наблюдательные методы завысили все три. Измеряйте свой, по каждому типу кампаний.

Можно ли провести тест Conversion Lift в Яндекс Директе?

Только для медийных кампаний, через Target Lift с разделением 90/10. Для поисковых и performance-кампаний документированного холдаута без рекламы нет, поэтому остаётся гео-тест, который вы проводите сами. Проверено 5 октября 2026 года.

Теги: conversion-lift, incrementality, experiments, attribution, meta, google-ads

Узнаёте свою воронку?

Две недели, фиксированный скоуп, доступы только на чтение. Находки и роадмап на 90 дней остаются у вас в любом случае.

Забронировать 30 минут