POPJAM Logo
Tillbaka till bloggen

Geografiskt lyfttest för marknadsanalytiker: metodguide

Lär dig genomföra geografiska lyfttester för att mäta verklig påverkan på marknadsföringens KPI:er och få tillförlitliga resultat utan komplicerade upplägg.

Doruk Gezici
Doruk Gezici
17 min lästid
Geografiskt lyfttest för marknadsanalytiker: metodguide

Ett geografiskt lyfttest är ett inkrementalitetsexperiment på marknadsnivå där vissa geografiska områden får annonsering och andra hålls utanför, för att mäta den kausala skillnaden i ett affärs-KPI mellan grupperna. Använd det när du saknar tillförlitliga signaler på användarnivå, när kampanjer körs i flera kanaler samtidigt eller när du behöver en kausal skattning direkt kopplad till intäkter eller konverteringar i stället för ett modellerat attribueringsvärde. GeoLift-metodiken i Metas verktyg med öppen källkod kombinerar syntetiska kontrollmetoder med en inbyggd styrkekalkylator, så att experimentupplägget går att använda utan en doktorsexamen i ekonometri.

Viktigaste slutsatserna

Ett geografiskt lyfttest ger en trovärdig kausal skattning bara när styrkeanalys, marknadsurval, validering av den syntetiska kontrollen och rena data är på plats före kampanjstart.

Punkt Detaljer
Gör styrkeanalysen först Använd GeoLifts styrkekalkylator för att samordna MDE, antal marknader och längd innan du bestämmer upplägget.
Använd DMA-områden för tester i USA DMA-områden balanserar detaljnivå och stabilitet och är den rekommenderade geografiska enheten för de flesta geografiska experiment i USA.
Validera den syntetiska kontrollen Kontrollera L2-obalans, kör placebotester i tid och testa att utesluta en donatormarknad i taget före start.
Omvandla lyftet till iROAS Dela inkrementella intäkter med inkrementella utgifter på testmarknaderna för att ge intressenterna ett beslutsunderlag.
Validera annonsmaterialet före testet Minskad variation i annonsmaterialet före testet sänker din effektiva MDE utan fler marknader eller dagar.

Innehåll

Vad är ett geografiskt lyfttest och när bör du använda det?

Randomiserade kontrollerade studier, RCT:er, är guldstandarden för kausal inferens, men kräver randomisering på användarnivå. Det blir allt svårare i en miljö utan kakor där integriteten kommer först. Ett geografiskt lyfttest är det föredragna kvasi-experimentella alternativet när randomisering på användarnivå inte är möjlig.

Grundprincipen är enkel. Du delar in geografiska områden i test- och kontrollgrupper, kör kampanjen på testmarknaderna och bygger ett syntetiskt kontrafaktiskt utfall för att skatta vad som skulle ha hänt där utan kampanjen. Skillnaden mellan observerat och kontrafaktiskt KPI är ditt inkrementella lyft.

Fördelar:

  • Fångar effekter över flera kanaler eftersom KPI:t mäts på marknadsnivå, inte annonsplattformsnivå
  • Fungerar utan kakor eller användaridentifierare
  • Ger en kausal skattning kopplad till ett verkligt affärsmått som intäkter eller beställningar
  • Kan användas för alla kanalblandningar, inklusive tv, utomhusreklam och betalda sociala medier samtidigt

Nackdelar:

  • Geografiska spridningseffekter kan förorena kontrollmarknader om test- och kontrollområden gränsar till varandra
  • Kräver tillräckligt många områden för en stabil syntetisk kontroll, vilket kan begränsa mindre varumärken
  • Mer brus än RCT:er på användarnivå eftersom aggregering på marknadsnivå ökar variansen
  • Mer operativt arbete än plattformarnas egna lyftstudier

Den viktigaste statistiska skillnaden mot en enkel difference-in-differences-ansats, DiD, är hur det kontrafaktiska utfallet byggs. DiD antar parallella trender i test- och kontrollgrupper. Syntetiska kontrollmetoder, SCM, som GeoLift använder, bygger en viktad kombination av donatormarknader som bäst efterliknar testmarknadens trend före insatsen. Den viktade syntetiska kontrollen är ett mer trovärdigt kontrafaktiskt utfall när parallella trender inte kan antas.

Hur lägger du upp ett geografiskt lyfttest från början till slut?

Varje trovärdigt geografiskt experiment har tre faser: förberedelser, aktiv testperiod och efteranalys. Varje fas har ett första steg som inte går att hoppa över.

Diagram över det geografiska lyfttestets tre faser

Förberedelser

Hämta minst 10–12 veckors dagliga KPI-data på geografisk nivå innan du börjar välja marknader. Rimlighetskontrollera data för saknade dagar, avvikande toppar från säljkampanjer eller externa händelser och verksamhetsförändringar som nya butiker eller utökad distribution som skulle bryta jämförbarheten i förperioden. Normalisera KPI:t efter befolkning eller visningar om marknaderna skiljer sig mycket i storlek. Dokumentera alla begränsningar: marknader som inte kan användas av operativa skäl, planerade säljkampanjer under testet och redan schemalagda kanalförändringar.

Testperiod

Lås fördelningen mellan test och kontroll före kampanjstart och dokumentera den skriftligt. Ändra inte utgiftsnivåer, annonsmaterial eller målgruppsinriktning under testet om du inte har ett förutbestämt protokoll för det. Följ dagliga KPI:er på både test- och kontrollmarknader för att upptäcka mätavbrott eller förorening tidigt. Kontroll varannan eller var tredje dag räcker för de flesta tester; dagligen är motiverat om KPI:t varierar mycket.

Efteranalys

Låt en efterperiod passera när kampanjen har avslutats innan du hämtar slutvärdena. Fördröjda konverteringar, särskilt vid längre köpcykler, gör att lyftet underskattas om analysen avslutas för tidigt. Kör SCM-inferensen, beräkna den genomsnittliga behandlingseffekten och omvandla det procentuella lyftet till inkrementella intäkter och iROAS innan du presenterar resultaten. Dokumentera hela granskningsspåret, inklusive avvikelser under testet, så att experimentet kan upprepas eller ifrågasättas.

Hur gör du en styrkeanalys för ett geografiskt lyfttest?

Den enskilt viktigaste regeln: gör en styrkeanalys innan du bestämmer testupplägget. Att hoppa över den är den vanligaste orsaken till att geografiska tester ger oklara resultat, eftersom testet aldrig dimensionerades för att upptäcka det lyft som faktiskt uppstod. GeoLifts styrkekalkylator har tre lägen för att planera testmarknader, testlängd och nödvändig investering samtidigt.

Samla dessa indata till styrkeanalysen:

  1. Historisk KPI-baslinje på geografisk nivå, helst 10–12 veckors dagliga data
  2. Varians under förperioden över de möjliga testmarknaderna
  3. Minsta detekterbara effekt, MDE uttryckt som ett procentuellt lyft du anser kommersiellt betydelsefullt
  4. Önskad konfidensnivå och statistisk styrka, ofta 90% konfidens och 80% styrka som utgångspunkt
  5. Antal möjliga geografiska områden som kan ingå i test- och kontrollgrupperna
  6. Testlängd i dagar, begränsad av kampanjkalendern
  7. Antagen iROAS eller kostnad per inkrementell konvertering för att översätta statistisk styrka till en utgiftsskattning

Så här samverkar MDE, antal områden och längd principiellt. Fler testmarknader minskar variansen i skattningen av behandlingseffekten, vilket sänker MDE vid en given testlängd. En längre period ger modellen mer signal från förperioden för att anpassa den syntetiska kontrollen och förbättrar också precisionen. En högre MDE-tröskel, alltså att bara större effekter är viktiga, gör det möjligt att köra kortare tester med färre marknader. GeoLifts genomgång visar detta med simulerade data från 40 amerikanska städer och hur den beräknade styrkan förändras när varje parameter justeras.

Praktiskt tips: När budgeten begränsar antalet testmarknader bör du prioritera testlängd framför antal marknader. En längre förperiod ger den syntetiska kontrollen mer signal att anpassas till, vilket delvis kompenserar för färre donatormarknader. Det omvända gäller inte: fler marknader utan tillräckliga förperiodsdata ger en instabil syntetisk kontroll.

Hur väljer och validerar du test- och kontrollområden?

Välj helst marknader som är historiskt stabila, liknar varandra i KPI:t och dess viktigaste drivkrafter och är stora nog för en tillförlitlig signal. Instabilitet på en donatormarknad, exempelvis en tillfällig säljkampanjtopp eller distributionsförändring, försämrar den syntetiska kontrollen.

Matchningskriterier att bedöma:

  • KPI:ts basnivå och trend under förperioden
  • Likartad säsongsvariation, särskilt om kategorin har stark regional säsongsvariation
  • Liknande demografi och kanalfördelning där data finns
  • Inga planerade verksamhetsförändringar under testperioden

Designated Market Areas, DMA-områden, är den rekommenderade geografiska enheten för de flesta tester i USA. De balanserar detaljnivå och stabilitet och stämmer överens med hur de flesta medieplattformar rapporterar geografisk annonsleverans.

Valideringstester före start:

Kontrollera den syntetiska kontrollgruppens anpassning med L2-obalans och skalad L2-obalans. Låg skalad L2-obalans visar att den syntetiska kontrollen följer testmarknaden nära under förperioden. Kör placebotester genom att tillämpa samma modell på ett fönster i förperioden utan behandling och kontrollera att det skattade lyftet ligger nära noll. Gör historiska bakåttester på tidigare kampanjperioder om sådana finns.

Operativa begränsningar att flagga tidigt: geografisk förorening är den största risken när test- och kontrollområden delar mediemarknad eller fysiskt butiksområde. Minsta geografiska storlek spelar också roll. Mycket små marknader ger brusiga KPI-serier som är svåra att anpassa en syntetisk kontroll till.

Hur bygger syntetiska kontrollmetoder det kontrafaktiska utfallet?

SCM bygger en viktad kombination av obehandlade donatormarknader som bäst efterliknar testmarknadens trend före behandlingen. Den viktade syntetiska kontrollen fungerar sedan som kontrafaktiskt utfall: hur testmarknadens KPI skulle ha sett ut utan kampanjen. Lyftskattningen är skillnaden mellan observerat KPI efter behandlingen och det syntetiska kontrafaktiska utfallet.

GeoLift kombinerar två varianter för ökad tillförlitlighet. Augmented Synthetic Control Methods, ASCM, lägger till en biaskorrigering som minskar felet från ofullständig matchning i förperioden. Det är vanligt när ingen enskild donatormarknad eller kombination perfekt speglar testmarknaden. Generalized Synthetic Control, GSC, utvidgar ramverket till panelmodeller med interaktiva fasta effekter och ger starkare teoretisk grund för kausal inferens när behandlingseffekterna varierar mellan marknader. Artikeln om GSC på Cambridge Core ger den akademiska grunden för ansatsen. Kombinationen av ASCM och GSC, som dokumenteras i GeoLifts GitHub-arkiv, minskar bias från ofullständig matchning och möjliggör robust inferens med små urval.

Robusthetskontroller som alla praktiker bör göra:

  • Placebotest i tid: tillämpa modellen på ett förperiodsfönster utan behandling och kontrollera att den skattade effekten ligger nära noll
  • Uteslut en donator i taget: ta bort varje donatormarknad i tur och ordning och kontrollera att det kontrafaktiska utfallet är stabilt
  • Diagnostik av L2-obalans: hög L2-obalans signalerar dålig anpassning i förperioden och ett otillförlitligt kontrafaktiskt utfall
  • Känslighet för donatorgruppens sammansättning: lägg till eller ta bort marknader och kontrollera om lyftskattningen förändras väsentligt

För inferens rekommenderar metodlitteraturen inom ekonomi parametrisk bootstrap och augmenteringsmetoder för giltiga konfidensintervall i geografiska experiment med små urval, där traditionell asymptotisk inferens kan vara otillförlitlig. Berkeleys arbetsrapport om SCM-diagnostik beskriver hela uppsättningen rekommenderade falsifieringstester.

Vilka data och vilken mätinstrumentering krävs för ett geografiskt lyfttest?

Rena, fullständiga och dagliga geografiska data är en förutsättning. Saknade dagar, inkonsekventa områdesdefinitioner eller KPI-serier som blandar mätmetoder förstör den syntetiska kontrollens anpassning.

Nödvändiga dataelement:

  • Dagligt KPI per geografiskt område: beställningar, intäkter, appinstallationer eller det affärsmått du mäter
  • Nämnarserie för normalisering: användare, sessioner eller visningar på geografisk nivå
  • Dagliga utgifter per kanal och område under behandlingsperioden
  • Exponeringsdata per kanal om testet omfattar flera kanaler

Råd om aggregering och förperiod:

  • Dagliga KPI-serier är bättre än veckovisa; veckoaggregering förlorar den varianssignal som styrkekalkylatorn behöver
  • Förperioden bör vara minst dubbelt så lång som det planerade testet och helst tre gånger så lång för volatila KPI:er
  • Markera saknade dagar uttryckligen i stället för att interpolera; interpolering kan dölja verkliga dataluckor

Regler för datahygien:

Maskera säljkampanjer under förperioden som inte väntas återkomma under testet. Samordna händelsernas tidpunkt mellan marknader: en nationell rea som når test- och kontrollmarknader olika dagar skapar konstgjord divergens. Normalisera för butiksöppningar, utökad distribution och andra verksamhetsförändringar som påverkar en marknad men inte de andra. Dokumentera varje normaliseringsbeslut i en ändringslogg.

Anmärkning om mätinstrumentering: dokumentera behandlingstilldelningen i ett versionshanterat dokument före kampanjstart. Logga förändringar under testet, inklusive byten av annonsmaterial, budgetförskjutningar och justerad målgruppsinriktning, med tidsstämplar. Granskningsspåret gör att du kan försvara resultaten inför en skeptisk intressent eller upprepa upplägget i ett framtida experiment.

Hur beräknar du lyftet och översätter det till affärseffekt?

GeoLift-modellens resultat är en skattad genomsnittlig behandlingseffekt, ATE: skillnaden mellan observerat KPI på testmarknaderna och det syntetiska kontrafaktiska utfallet, i genomsnitt över testperioden. Läs den tillsammans med konfidensintervall och p-värde innan du drar någon slutsats.

Beräkningsgång:

  1. Procentuellt lyft = (observerat KPI på testmarknaderna minus kontrafaktiskt KPI) delat med kontrafaktiskt KPI, uttryckt i procent
  2. Inkrementella konverteringar = procentuellt lyft multiplicerat med testmarknadernas baslinjevolym för konverteringar under testperioden
  3. Inkrementella intäkter = inkrementella konverteringar multiplicerat med genomsnittligt ordervärde
  4. iROAS = inkrementella intäkter delat med inkrementella utgifter på testmarknaderna

Beslutsregler för intressenter:

Ett resultat går att agera på när konfidensintervallet utesluter noll och p-värdet ligger under den förutbestämda tröskeln, vanligtvis 0,10 för geografiska experiment med mindre urval. Ett oklart resultat där konfidensintervallet sträcker sig över noll betyder inte att lyftet är noll. Det betyder att testet saknade styrka att upptäcka det vid den valda tröskeln. Rapportera skillnaden tydligt.

Om de inkrementella utgifterna på dessa marknader var 40 000 dollar blir iROAS 2,5. Det talet, inte enbart det procentuella lyftet, styr budgetbeslutet. Praktikerguider rekommenderar att presentera iROAS tillsammans med konfidensintervallet så att intressenterna förstår både skattningens storlek och osäkerhet.

Vilka är de vanligaste misstagen i geografiska lyfttester?

Det vanligaste avgörande misstaget är att starta ett test utan föregående styrkeanalys. Du får ett resultat som inte går att tolka: fanns inget lyft eller var testet för litet för att upptäcka det? Kör styrkekalkylatorn först, varje gång.

Vanliga misstag:

  • Tester med otillräcklig styrka: för få marknader, för kort tid eller en MDE som är lägre än vad testet realistiskt kan upptäcka
  • Dåligt val av donatormarknader: marknader med strukturella brott, avvikande säljkampanjer eller verksamhetsförändringar i förperioden tas med
  • Förorening och spridningseffekter: test- och kontrollmarknader delar mediemarknad, butiksområde eller distributionsnätverk
  • Olika säljkampanjer: en säljkampanj som bara körs på testmarknaderna eller bara på kontrollmarknaderna under testet skapar en störfaktor som inte går att skilja från annonslyftet
  • Feldefinierade KPI:er: plattformsrapporterade konverteringar mäts i stället för affärsmått som beställningar eller intäkter, vilket återinför attribueringsbias

Åtgärder och god praxis:

  • Maskera alla säljkampanjer i förperiodens data och undvik att planera säljkampanjer på någon marknad under testperioden
  • Låt minst tre till fem dagar gå efter kampanjslut före slutlig inferens, längre för produkter med utdragna köpcykler
  • Välj donatormarknader försiktigt: hellre utesluta en tveksam marknad än ta med en som förstör den syntetiska kontrollen
  • Jämför lyftresultatet med en plattformsintern lyftstudie eller ett MMM-resultat om sådant finns; samstämmig riktning mellan metoder stärker tilltron

Övervakning för tidiga varningar under testet: kontrollera dagliga KPI:er för både test- och kontrollmarknader. Plötslig divergens på kontrollmarknaderna, en topp eller nedgång utan motsvarande behandlingsförändring, signalerar förorening. Ett mätavbrott på testmarknaderna, där KPI:t faller till noll eller en orimlig nivå, måste undersökas direkt innan det försämrar efteranalysen.

En checklista att kopiera och en exempeltidsplan för ditt geografiska lyfttest

För en produkt med snabb köpcykel är den kortaste trovärdiga tidsplanen ungefär åtta veckor: två till tre veckors förvalidering, två till tre veckors aktivt test och en vecka för efterperiod och analys. För längre köpcykler bör enbart den aktiva testperioden planeras till fyra till sex veckor.

Checklista att kopiera:

  1. Hämta 10–12 veckors dagliga geografiska KPI-data och gör rimlighetskontroller
  2. Definiera affärs-KPI och normaliseringsmetod
  3. Identifiera möjliga test- och kontrollområden; DMA-områden rekommenderas i USA
  4. Gör styrkeanalys med GeoLifts kalkylator och kontrollera att MDE, antal marknader och längd stämmer överens
  5. Kontrollera den syntetiska kontrollgruppens anpassning: L2-obalans, skalad L2-obalans och placebotester
  6. Dokumentera behandlingstilldelning och alla operativa begränsningar i en versionshanterad körplan
  7. Maskera förperiodens säljkampanjer och markera planerade säljkampanjer under testet
  8. Starta kampanjen bara på testmarknaderna; dokumentera startdatum och utgiftsmål
  9. Följ dagliga KPI:er för båda grupperna och logga avvikelser med tidsstämplar
  10. Avsluta kampanjen och påbörja efterperioden, minst tre till fem dagar för produkter med snabb köpcykel
  11. Kör GeoLift-inferens och beräkna ATE, konfidensintervall, p-värde, procentuellt lyft, inkrementella intäkter och iROAS
  12. Dokumentera resultat och granskningsspår; presentera med konfidensintervall för intressenterna

Exempeltidsplan för en produkt med snabb köpcykel:

  • Dag 1–14: datahämtning, rimlighetskontroller, marknadsurval, styrkeanalys och validering före start
  • Dag 15–35: aktiv testperiod med daglig övervakning
  • Dag 36–42: efterperiod och inferens efter testet
  • Dag 43–45: resultatdokumentation och presentation för intressenter

Minska bruset före testet genom att validera annonsmaterialet

Validera annonsmaterial och målgrupp innan det geografiska testet startar. Variation mellan annonskoncept, där ett koncept presterar mycket bättre av skäl som inte hör ihop med kanal eller geografi, tillför brus till KPI:t som den syntetiska kontrollen inte kan skilja från verkligt geografiskt lyft. Att minska variationen före testet förbättrar effektiv MDE utan att ändra antal marknader eller testlängd.

Det praktiska arbetsflödet har tre steg. Gör först små A/B-valideringar av annonsmaterial för att hitta koncept med stabila och förutsägbara responsnivåer. Använd sedan syntetisk målgruppsbedömning för att kontrollera om materialet tilltalar de psykografiska profilerna på de planerade testmarknaderna. Kör till sist en liten kanalpilot på en enda marknad för att validera mätinstrumentering och KPI-dataflöde innan ett fullskaligt geografiskt experiment.

Praktiskt tips: POPJAMs simulering med syntetiska personas låter dig bedöma annonsmaterial mot testmarknadernas psykografiska profiler innan någon budget börjar användas. Att göra bedömningen före styrkeanalysen ger en snävare variansskattning och förbättrar direkt precisionen i MDE-beräkningen. Utforska arbetsflöden för annonstestning och metoder för målgruppsanalys som kompletterar valideringen före testet.

Att kombinera validerat annonsmaterial med ett geografiskt experiment med tillräcklig styrka är snabbaste vägen till ett användbart resultat. Det geografiska testet svarar på om kanalen driver inkrementella affärsresultat. Valideringen av annonsmaterialet svarar på om budskapet fungerar. Med båda delarna slipper du undra om ett nollresultat kom från kanalen eller annonsmaterialet.

Vill du minska variationen i annonsmaterialet före nästa geografiska test? POPJAM skapar varumärkesanpassade annonser och bedömer dem mot syntetiska köparpersonas innan en enda dollar binds upp. Det ger renare indata, snävare variansskattningar och geografiska tester som faktiskt upptäcker det lyft du arbetat för att skapa.

POPJAM

Prova POPJAMs AI-annonsverktyg och se hur testning av annonsmaterial före start förändrar vad dina geografiska experiment kan upptäcka.

Minska bruset före testet genom att validera annonsmaterialet: översiktsdiagram

Vad de flesta guider om geografiska lyfttester missar

De flesta guider behandlar geografiska lyfttester som ett statistikproblem. Det är ett operativt mätproblem som råkar använda statistik för att ge sitt svar.

De vanligaste råden handlar om att välja rätt modellvariant, jämföra ASCM med GSC eller finjustera donatormarknadernas vikter. En perfekt specificerad syntetisk kontroll byggd på smutsiga data ger en precis skattning av fel sak.

Det andra som guiderna underskattar är annonsmaterialet som störfaktor. Om du gör ett geografiskt test med oprövat annonsmaterial mäter du kanalens och budskapets kombinerade effekt. Ett nollresultat kan betyda att kanalen inte fungerar eller att materialet inte tilltalade just de marknaderna. Det går inte att skilja dem åt i efterhand. Att validera materialet före testet, genom små piloter, bedömning med syntetiska personas eller simulering före start, är inte bara ett trevligt extrasteg. Det är det som gör resultatet tolkningsbart.

Det tredje förbisedda området är efterperioden. De flesta team avslutar analysen samma dag som kampanjen slutar. För produkter med en köpcykel över 48 timmar underskattas då lyftet. Den syntetiska kontrollen fångar den kontrafaktiska trenden, men om verkliga kampanjkonverteringar fortsätter komma på testmarknaderna efter kampanjslut underskattas ATE. Vänta minst tre till fem dagar, längre för övervägda köp.

Om tid eller antal geografiska områden begränsar dig, prioritera längd framför antal marknader och kör styrkekalkylatorn före allt annat.

Källor

Här är de centrala resurserna att läsa härnäst, ordnade efter mål.

Om du vill planera ett test: börja med GeoLifts metodikdokumentation, som täcker hela experimentramverket, styrkekalkylatorer och kombinationen av ASCM och GSC som används för inferens.

Om du vill implementera kod: GeoLifts GitHub-arkiv innehåller alla funktioner för marknadsurval, styrkeanalys, inferens och diagram. Genomgången visar ett komplett exempel från datainläsning till lyftskattning med simulerade data för 40 amerikanska städer.

Om du vill kontrollera den statistiska teorin: ger Cambridge Core-artikeln om Generalized Synthetic Control den akademiska grunden för modeller med interaktiva fasta effekter och robust kausal inferens. AEA-artikeln i Journal of Economic Perspectives om SCM-inferens tar upp bootstrap och augmentering för giltiga osäkerhetsskattningar i små urval. Berkeleys arbetsrapport om SCM-diagnostik beskriver rekommenderade falsifieringstester.

För praktisk tillämpning: Triple Whales GeoLift-guide översätter metoden till marknadsföringsflöden, inklusive DMA-urval, tidsplansregler och omräkning till iROAS.

Vanliga frågor

Vad är ett geografiskt lyfttest inom marknadsföring?

Ett geografiskt lyfttest är ett inkrementalitetsexperiment på marknadsnivå som jämför ett affärs-KPI i behandlade områden med en syntetisk eller matchad kontrollgrupp för att skatta annonseringens kausala effekt. Det är den föredragna metoden när randomisering på användarnivå inte är möjlig.

Hur många marknader behövs för ett geografiskt lyfttest?

Det finns inget fast minimum, men GeoLifts styrkekalkylator hjälper dig hitta kombinationen av antal marknader, testlängd och MDE som uppnår önskad statistisk styrka. Fler marknader minskar variansen; färre marknader kräver längre tid eller en högre MDE-tröskel.

Hur länge bör ett geografiskt lyfttest pågå?

Praktiska riktlinjer rekommenderar minst ungefär 15 dagar för produkter med snabb köpcykel och fyra till sex veckor för längre köpcykler, plus en efterperiod på minst tre till fem dagar efter kampanjslut.

Vad är skillnaden mellan geografiska lyfttester och MMM?

Geografiska lyfttester ger en kausal skattning för en viss kampanj på vissa marknader under en bestämd period. Media Mix Modeling, MMM, skattar kanalernas bidrag i hela mediemixen över en längre historisk period. Metoderna kompletterar varandra: geografiska lyftresultat kan användas för att kalibrera MMM-koefficienter.

Vad betyder iROAS i ett geografiskt lyfttest?

iROAS står för inkrementell avkastning på annonsutgifter. Du beräknar det genom att dela inkrementella intäkter, härledda från lyftskattningen, med inkrementella utgifter på testmarknaderna under testperioden. Måttet översätter en statistisk lyftskattning till ett affärsmässigt budgetbeslut.