Инкрементальность в маркетинге и аналитике

Инкрементальность — это метрика, определяющая реальную добавочную ценность конкретной рекламной кампании, маркетингового канала, продуктовой фичи или механики.

Если отвечать на вопрос «инкрементальный эффект это что?», можно сказать так: это дополнительная выгода, которую компания гарантированно потеряла бы при отключении тестируемого инструмента.

Соответственно, инкрементальные продажи — это те заказы, которые случились исключительно благодаря рекламному воздействию. Понимание этой метрики позволяет директорам по маркетингу (CMO, Chief Marketing Officer) и директорам по данным (CDO, Chief Data Officer) трезво оценивать рентабельность инвестиций и прекращать финансирование каналов, генерирующих клики, но не приносящих бизнесу новых денег.

Разбирая понятие «инкрементально — это как», важно подчеркнуть: инкрементальный подход выявляет истинную причинно-следственную связь (каузальность) между показом креатива и транзакцией. Любой инкрементальный рост — это чистая прибавка к базовому органическому показателю.

Маркетологи часто объединяют понятия атрибуции и инкрементального анализа. Модели атрибуции (Last-Click (последний клик), First-Click (первый клик), U-shape (U-образная модель)) отвечают на вопрос «какой канал участвовал в пути пользователя до конверсии?». Инкрементальность решает другую задачу — определяет, произошла бы покупка в случае полного отсутствия этого канала.

Атрибуция опирается на корреляцию событий во времени. Инкрементальный анализ базируется на математически доказанной каузальности.

Разобраться в том, что значит инкрементальный эффект, необходимо для принятия стратегических решений по бюджетированию. Практическое применение метода решает фундаментальные бизнес-задачи:

• Расчет истинных метрик окупаемости. Переход от классического ROAS (возврат инвестиций в рекламу) к инкрементальному (iROAS) показывает реальный возврат инвестиций. Метрика CPIS демонстрирует стоимость привлечения именно добавочного заказа.
• Отключение каналов-паразитов. Анализ выявляет источники, перехватывающие горячий трафик на последнем этапе воронки продаж. Например, купонные агрегаторы или брендовый контекст при сильном SEO-позиционировании (поисковая оптимизация).
• Оптимизация частоты контактов. Инкрементальные тесты помогают установить оптимальные лимиты показов. Вычисляется момент, когда каждое последующее рекламное сообщение перестает приносить добавочную ценность.
• Проверка эффективности акций и распродаж. Часто скидки в период «Черной пятницы» привлекают постоянных клиентов, готовых купить товар по полной цене. Инкрементальный анализ показывает, привела ли акция новых людей или только снизила общую маржинальность (сместила спрос).

При всей точности метода существуют объективные ситуации, в которых расчет инкрементального эффекта затруднен или нецелесообразен:

• Длинный цикл сделки. Если путь к покупке (CJM, Customer Journey Map, карта пути клиента) занимает больше года и состоит из десятков касаний, изолировать влияние одного фактора практически невозможно.
• Малый объем трафика. Для выявления статистической значимости (p-value, p-значение) требуются тысячи целевых действий. На маленьких выборках результаты будут случайными.
• Абсолютно новый продукт. Компаниям, только выходящим на рынок, не с чем сравнивать данные. У них отсутствует исторический базовый уровень (baseline, базовая линия) органических продаж.

На практике применяется несколько фреймворков. Выбор зависит от специфики канала, возможностей IT-инфраструктуры и ограничений конфиденциальности (например, политики IDFA (Identifier for Advertisers, идентификатор для рекламодателей) в iOS (операционная система Apple)).

• A/B-тестирование (сплит-тестирование) с контрольной группой. Золотой стандарт Performance-маркетинга и CRM-маркетинга. Аудитория случайным образом делится на сегменты. Тестовая группа получает коммуникацию. Контрольная группа полностью изолируется от воздействия. Для крупных проверок выделяют Глобальную контрольную группу (ГКГ) — около 5% базы, которая годами не получает рассылок. Для точечных кампаний используют Локальную контрольную группу (ЛКГ).
• PSA-тесты (социальная реклама). Применяется в медийной рекламе. Тестовая группа видит баннер вашего продукта. Контрольной группе вместо пустого места показывают социальную рекламу или нейтральный креатив (PSA). Метод позволяет исключить влияние самого факта «мелькания» баннера на экране и замерить чистый эффект рекламного предложения.
• Отключение каналов и поэтапный запуск. Радикальный метод. Компания останавливает рекламу в канале на 2–4 недели для фиксации органического базового уровня. Затем источник включается обратно, и аналитики замеряют прирост. Альтернативный вариант — постепенное подключение каналов и отслеживание скачков трафика.
• Географические эксперименты (Geo-tests, гео-тесты). Актуально для офлайн-ритейла. Маркетинговая кампания запускается в одном регионе (например, в Самаре). Другой регион со схожими экономическими параметрами (например, Уфа) выступает в роли глобальной контрольной группы.
• Brand Lift (оценка влияния на бренд) и Conversion Lift (оценка прироста конверсий). Инструменты, встроенные в рекламные платформы. Brand Lift измеряет изменения в восприятии бренда (Ad Recall (запоминаемость рекламы), Brand Awareness (узнаваемость бренда)) путем проведения массовых опросов аудитории. Conversion Lift фиксирует прирост конкретных целевых действий.
• Прогнозные модели (Каузальный анализ). Продвинутый математический метод для ситуаций, когда выделить контрольную группу невозможно. Специалисты по Data Science (наука о данных) используют алгоритмы для предсказания результатов:
• Difference-in-Differences (DiD, разность разностей): Сравнение разницы в метриках двух групп до и после воздействия.
• Байесовский метод (BSTS, Bayesian Structural Time Series, байесовские структурные временные ряды): Моделирование показателя, который был бы достигнут без рекламной кампании, на основе огромных массивов исторических данных.
• Propensity Score Matching (PSM, псевдорандомизация): Искусственный подбор пар пользователей со схожими характеристиками для сравнения.

Разберем процесс вычислений. Для расчетов требуются данные по контрольной и тестовой группам после завершения эксперимента.

• Инкрементальный объем (в штуках): Инкрементальный эффект = Результат тестовой группы - Результат контрольной группы
• Инкрементальность в процентах (Lift, прирост): Инкрементальность (%) = (Конверсия_тест - Конверсия_контроль) / Конверсия_контроль
• Уровень каннибализации: Каннибализация = Общие продажи из платного канала - Инкрементальный объем
• Рентабельность инкрементальной кампании (с учетом маржи): Инкрементальная прибыль = (Инкрементальная выручка − Затраты на маркетинг) × Маржинальность

Пример из практики e-commerce (электронная коммерция): Магазин запустил SMS-рассылку по сегменту «Горячая база» (пользователи с брошенными корзинами).

• Тестовая группа: 10 000 человек. Покупки совершили 500 человек (Конверсия 5%).
• Контрольная группа: 10 000 человек (без SMS). Покупки совершили 400 человек (Конверсия 4%).
• Затраты на рассылку: 20 000 рублей. Средний чек: 3 000 рублей. Маржинальность: 40%.

Рассчитываем метрики:

• Инкрементальный объем = 500 - 400 = 100 дополнительных покупок.
• Каннибализация = 400 покупок (эти люди оформили бы заказ и без SMS).

Инкрементальность (%) = ((5% - 4%) / 4%) 100 = 25%.
Инкрементальная выручка = 100 * 3 000 = 300 000 рублей.
Инкрементальная прибыль = (300 000 - 20 000) * 0,4 = 112 000 рублей.

Рассылка оказалась математически выгодной, несмотря на каннибализацию 400 органических заказов.

Достоверность результатов напрямую зависит от методологии. Ошибки на этапе подготовки сводят ценность вычислений к нулю.

• Грязные клиентские данные. Самая критичная проблема. Если в базе компании один человек существует под разными ID (Identifier, идентификатор) (с десктопа он попал по Cookie (куки, фрагмент данных), а в приложении — по номеру телефона), система может определить мобильный ID в тестовую группу, а десктопный — в контрольную. Чистота эксперимента будет нарушена.
• Игнорирование калькуляторов статистической значимости. Завершение теста до набора необходимого числа конверсий приводит к ложным выводам.
• Фродовый трафик. Боты и накрученные клики искусственно раздувают показатели тестовой группы.
• Ограничения конфиденциальности (без файлов куки). Политики браузеров и запреты на передачу IDFA в iOS усложняют процесс отслеживания конкретного пользователя от показа рекламы до покупки. Подробнее о сборе данных без cookies мы рассказывали в нашей базе знаний.

Для проведения точных экспериментов бизнесу требуется мощный фундамент управления данными. Базовые CRM-системы и стандартные инструменты веб-аналитики с задачей дедупликации профилей в реальном времени не справляются.

Ручные расчеты в таблицах подходят для разовых проверок гипотез. Системное управление омниканальным маркетингом на основе данных требует внедрения корпоративной платформы клиентских данных (CDP).

Платформа CleverData Join решает проблему чистоты данных и автоматизирует запуск инкрементальных экспериментов на всех этапах: от сборки аудитории до итоговой аналитики. Независимый модуль CleverData Tag Manager (диспетчер тегов) обеспечивает надежный сбор событий с сайтов, решая проблему блокировки сторонних трекеров.

Ядром системы выступает модуль IDGraph (граф идентификаторов). Алгоритм автоматически склеивает разрозненные идентификаторы в Единый профиль клиента. Использование механизма Immutable ID (неизменяемый идентификатор) гарантирует, что конкретный человек попадет строго в одну группу эксперимента, независимо от используемого устройства или канала.

Для работы с гипотезами в платформе предусмотрены профильные модули:

• Audience Manager (Менеджер аудиторий): Позволяет мгновенно собрать целевой сегмент аудитории и выделить репрезентативную контрольную группу. Встроенный ИИ-помощник помогает генерировать оптимальные правила для построения целевых сегментов.
• Campaign Manager (Менеджер кампаний): Drag-n-drop (перетащи и брось) конструктор многоэтапных сценариев. Маркетолог настраивает сплитование потоков для разных каналов (Email, SMS, Web Push, VK Max, Telegram). Одна из веток сценария назначается контрольной. Участники этой ветки не получают сообщения, но платформа через агрегатные атрибуты продолжает отслеживать их транзакции.

Соблюдение строгого регламента гарантирует получение достоверных цифр.

• Выберите объект тестирования. Определите конкретный рекламный канал, формат креатива или триггерную цепочку писем.
• Сформулируйте целевую метрику. Установите показатель успеха: конверсия в покупку, рост среднего чека, количество реактивированных пользователей.
• Обеспечьте чистоту данных. Объедините дубли профилей с помощью функционала CDP. Отфильтруйте ботовый трафик.
• Определите размер выборки. Воспользуйтесь калькуляторами статистической значимости для понимания необходимого объема трафика.
• Выделите контрольную группу. Зафиксируйте часть аудитории (обычно 10–20%), полностью изолированную от маркетингового воздействия.
• Запустите эксперимент. Выдерживайте корректный период проведения теста (обычно от 2 до 4 недель).
• Подведите итоги. Сравните показатели, рассчитайте метрику iROAS и инкрементальную прибыль.

Внедрение инкрементального подхода делает бизнес прозрачным и высокоэффективным. Бюджет перенаправляется из зон органического роста в каналы, генерирующие реальную добавочную ценность.