我们一直在寻找优化PPC活动并最大化影响力的方法。

测试对于这一过程至关重要，但A/B 测试、增量评估和地理实验等传统方法通常具有很大的局限性。

大量的数据需求、广泛的规划以及对广告平台功能的依赖使得获得清晰、可靠的见解变得困难。

当这些限制发挥作用时，我们可能会发现自己根据不完整或误导性的数据做出重要决策——浪费预算或错失扩展机会。

本文探讨了一种强大但经常被忽视的测试技术：因果影响研究。了解它们的工作原理、何时使用它们以及如何改变您的优化和决策方法。

什么是因果影响研究？

因果影响研究通过估计反事实（即，如果没有实施变更，会发生什么情况？）来准确衡量您的活动变更的真实影响。 

理解相关性和因果关系之间的区别至关重要。

例如，如果我在夏天喝的 Aperol Spritzes 的数量随着我对炎热的抱怨而增加，那么一个原因并不是另一个原因；两者都受到阳光照射较多的影响。

因果影响研究可以帮助您确定付费媒体活动的变化是否直接导致特定 KPI 的变化，或者这种变化是否会发生。 

该研究采用了一组观察数据并估计了这种反事实情景——本质上是询问如果没有这种变化会发生什么。

这些反事实数据和观察到的数据之间的差异揭示了你的干预的因果效应。

深入挖掘：有效的 PPC 报告和分析的 3 个步骤

它们如何工作？

在 A/B 测试中，涉及两组用户：一组处于测试条件下，另一组处于控制条件下。

您可以观察两组的结果——测试条件下发生的情况和没有任何变化发生的情况。

但是，如果没有做出任何改变，您就无法看到测试组的结果，也无法确定如果应用测试条件，对照组的表现会如何。

在因果影响研究中，目标是估计如果没有做出任何改变，测试组的结果（此图中为测试组 2）：

要构建此估算值，您需要找到同一时间段内与您的 KPI 相关但不受广告系列变化影响的另一个数据集。这可能是来自未受测试影响的类似广告系列的数据，也可能是品牌搜索或整体类别需求等更广泛的数据。

当你在这两个数据集（你观察到的数据和相关数据集）上运行模型时，它会首先检查它们之间的关系。然后，它会估计如果在实施点之后遵循这种关系，观察到的数据会发生什么。

如果此估算值与您的观察数据相符，则表明您的更改没有影响。但是，如果估算值显示的结果明显不同，则可以确定有意义的因果关系。

该研究对模型进行了多次迭代，以生成估计结果的分布，从而可以建立置信区间。 

为了验证您的结果，您可以随时返回 A/B 测试。

如果您使用相同的测试条件运行 A/B 测试，您的对照组是否会出现与您的反事实估计相同的数据趋势？ 如果是这样，那么您可以自信地说您的模型是准确的。

Kay H. Brodersen 和 Alain Hauser 创建的软件包的完整信息和实施指南可在GitHub上找到。我还强烈建议在 YouTube 上观看 Brodersen关于这个主题的演讲。

深入挖掘：衡量 PPC 的高级分析技术

---

何时使用因果影响研究

何时适合使用因果影响研究？要回答这个问题，请考虑以下利弊。

优点

• 清晰的理解：您可以清楚地了解特定变化的影响。
• 灵活性：测试设置具有灵活性，只要您选择正确的数据集进行比较，您就可以控制混杂变量，例如季节性。
• 回顾性分析：这些测试可以回顾性地进行。如果无法进行 A/B 测试或未实施 A/B 测试，您仍然可以分析过去的更改，以确定它是否产生影响，或者其他因素是否影响了结果。

缺点

• 所需的技术专长：实施测试需要一定的技术专长。虽然我得到了 Google 团队和数据解决方案团队的支持，但并不是每个人都有这样的条件。
• 资源密集型：如果可以使用 A/B 测试充分回答一个假设，那么该方法通常更容易实现并且资源消耗更少。
• 数据依赖性：模型的强度很大程度上取决于您用来训练它的数据集。如果您选择的数据集与测试 KPI 不密切相关，您的模型可能不准确，从而导致无意义的结果。

如果您具备技术能力（或学习意愿）、适合进行比较的数据集，并且您的假设无法通过 A/B 等更简单的测试来回答，那么因果影响研究就是准确确定干预措施的真实影响的有价值的工具。

例如，我的团队目前正在为客户进行两项分析：一项是关闭他们的 GDN 活动并将预算重新分配给需求生成；另一项是测试将资产重新添加到仅限 feed 的效果最大化广告系列的影响。因果影响研究将帮助我们确定这些变化是否显著影响了我们的整体 Google Ads 效果。

我的下一个考试？

验证我喝 Aperol Spritz 是否是因为阳光更多导致的，或者是否与我的待办事项清单越来越长有关！

通过因果影响研究衡量真正的活动效果

因果影响研究对于寻求了解其营销活动变化的真实效果的付费媒体营销人员来说是一个强大的工具。

通过准确估计反事实情景，这些研究可以帮助您辨别观察到的结果是由您的行为还是其他因素造成的。 

虽然它们需要一些技术专长和仔细的数据选择，但它们提供清晰见解的能力使它们对于优化营销策略具有不可估量的价值。 

进行因果影响研究可以做出更明智的决策，并最终提高您的活动的效果。

深入挖掘：如何改进您的 PPC 测量策略以适应隐私优先的未来