インクリメンタリティ

インクリメンタリティ​（incrementality）は、​広告が​あった​場合の​成果と、​なかった​場合の​成果の​差を​指します。​増分売上は​広告に​よって​増えた売上金額を​指し、​増分リフトは、​その​効果を​広告が​なかった​場合に​対する​相対値で​表した​ものです。​この​「なかった​場合」の​数値、​つまり​反実仮想を​直接観測する​ことは​誰にも​できません。​だから​インクリメンタリティは​常に​差の​推定であり、​幅を​伴います。​その​幅も​答えの​一部です。

反実仮想を​作る​方法は​2つあります。​実験は、​他と​同じように​行動したはずの​集団から​広告を​意図的に​外して、​反実仮想を​作ります。​地域別リフト実験は​地域単位で​行います。​広告を​配信しない​対照群を​設ける​ホールドアウトは、​地域単位でも、​ユーザーや​顧客単位でも​実施できます。​メディアミックス​モデルは​履歴データから​推定します。​売上を​動かした他の​要因から​メディアの​効果を​切り分け、​実験の​結果で​モデルを​較正します。

この​定義が​重要なのは、​プラットフォームの​ダッシュボードが​報告するのは​増分の​売上ではなく、​広告に​貢献を​割り当てた売上だからです。​アトリビューションは​チャネル間で​重複し、​広告が​なくても​購入した​顧客を​数え、​飽和した​チャネルでも​高い値を​示し続けます。​インクリメンタリティは、​ある​広告費の​水準で、​事業に​とって​意味の​ある​成果に​対して​測定します。​限界​インクリメンタル​ROASは、​同じ​考え方を​次の​1円に​ついて​読み​取った​ものです。​Media Plannerでは、​実測した​結果には​実測値の​タグが​付き、​モデルの​数値には​予測値の​タグが​付いて、​プランには​両方が​表示されます。

インクリメンタリティの​解説では、​3つの​測定方法と​結果の​読み方を​説明しています。