跨境卖家常见的几种困惑:
- Google Ads 报告 ROAS 600%,但关掉一周广告,店铺订单只少了一点;
- YouTube 广告几乎没有直接转化,停掉一个月后品牌搜索和直接访问都下降了;
- Google Ads、GA4、Shopify 后台三个地方的数字都不一样,不知道该信哪个。
这些问题的根源是:不同的衡量方法在回答不同的问题。这篇讲清楚归因、增量实验和营销组合模型(MMM)各自能回答什么,以及怎样组合使用。
一、先统一业务结果
在讨论工具之前,先把「结果」定义清楚:
- 跨境独立站:是下单数、支付成功数,还是扣除退款后的订单?收入是含税还是不含税、扣不扣运费?
- 外贸询盘:是询盘数、合格询盘,还是成交客户?成交以什么为准(签单、首款到账)?
然后对齐三个地方的口径:Google Ads 转化、GA4 关键事件、后台订单或 CRM。先对交易和费用总量,再对指标定义和时间窗口,最后再看渠道分配。很多「数字对不上」其实是口径不同,比如 Google Ads 按点击日期计转化,后台按下单日期计。
指标要和目标对应
| 广告目标 | 常用指标 | 不能直接推出 |
|---|---|---|
| 让更多人知道品牌 | 覆盖人数、频次、可见率、品牌提升 | 销售增长 |
| 让人考虑你的产品 | 观看率、互动、品牌搜索、网站访问 | 购买意愿 |
| 带来购买或询盘 | 转化、转化价值、CPA、ROAS | 利润和增量 |
几个容易误解的:点击率是点击除以展示;观看率是观看次数除以可观看的展示次数,不是看完后的转化;ROAS 是转化价值除以广告费,不是利润率。ROAS 和利润的关系见 预算和利润。
二、三种方法各回答什么
| 方法 | 回答的问题 | 使用前要检查 |
|---|---|---|
| 归因 | 已经记录的转化,功劳怎么分给各个广告互动 | 转化定义、窗口、覆盖范围 |
| 增量实验 | 某个广告投入相比不投,多带来了多少结果 | 分组是否随机、是否有污染、样本够不够 |
| 营销组合模型 | 各渠道和非营销因素对总业务的影响,预算怎么分 | 数据长度、变化量、模型假设 |
三种方法的数字不能相加,也不必强行一致。
归因:分配功劳,不证明增量
数据驱动归因(DDA)根据账户里的转化路径,比较转化者和未转化者的互动,把功劳分给不同广告互动,并用于智能出价。
例如一笔订单先看了 YouTube 视频,再点了搜索广告。归因可能给视频 0.2、搜索 0.8,合计还是 1 笔订单。但这不能说明没有广告这笔订单就不会发生。客户可能本来就要买,只是顺手点了品牌词广告。
这就是为什么品牌词搜索广告的归因 ROAS 通常很高:它确实在客户购买前出现,但其中很多订单即使没有广告也会通过自然搜索来。
优化实验和留出实验
- 优化实验(Google Ads 实验功能):比较策略 A 和策略 B,比如新素材和旧素材、tCPA 和 tROAS。正确随机分组后,它可以证明「B 比 A 好多少」,但不能回答「这个渠道整体带来了多少增量」,因为两组都在投广告;
- 留出实验(Conversion Lift、地域实验):一组投广告,一组不投。这才能回答「广告带来了多少原本不会发生的结果」。
三、留出实验怎么算增量
假设随机分成两组,各 10 万个实验单位,每笔订单 200 元:
| 对照组(不投) | 处理组(投放) | |
|---|---|---|
| 订单数 | 1000 | 1200 |
| 订单率 | 1.00% | 1.20% |
| 订单价值 | 200000 元 | 240000 元 |
| 被测广告费 | 0 | 20000 元 |
- 增量订单:1200 − 1000 = 200 笔;
- 增量价值:240000 − 200000 = 40000 元;
- 增量 ROAS(iROAS):40000 ÷ 20000 = 2.0(200%);
- 增量 CPA(iCPA):20000 ÷ 200 = 100 元。
如果这时 Google Ads 的归因报告显示这批广告带来了 600 笔订单、ROAS 600%,那么增量只是归因的三分之一。这在再营销和品牌词广告里很常见。
做实验时注意
- 事先写好:被测的是什么、主要指标、成本口径,以及结果为正、为负、不确定时分别怎么做;
- 先检查数据:转化去重、价值、地区匹配、账户资格;
- 运行期间不要随意改:预算、素材、地区、受众的变动可能让结果无法解释;
- 不要中途偷看就停:看到好结果就提前结束,或者结束后从几十个细分里挑一个显著的,都会让结论不可靠;
- 点估计一样,证据强弱可能不同:样本小的实验,置信区间更宽。
Google Ads 提供 Conversion Lift(按用户或按地域)、Search Lift 和 Brand Lift 等研究,各有预算和资格要求。中小卖家可以先用地域留出:选几个相似的州或地区停投,对比后台订单变化。
四、用实验结果校准目标 ROAS
实验做一次,不可能每个月都做。可以用实验结果算一个校准乘数,调整日常看的归因 ROAS:
| 渠道甲 | 渠道乙 | |
|---|---|---|
| 研究期归因 ROAS | 5.00 | 4.00 |
| 研究期实验 iROAS | 3.00 | 3.20 |
| 校准乘数(iROAS ÷ 归因 ROAS) | 0.60 | 0.80 |
| 之后的归因 ROAS | 6.00 | 4.50 |
| 估计的 iROAS | 3.60 | 3.60 |
换算成目标 ROAS
如果希望渠道甲的增量 ROAS 达到 3,乘数是 0.6,那么需要的归因 ROAS 是 3 ÷ 0.6 = 5,也就是在 Google Ads 里设 目标 ROAS 500%。
注意:
- 这个换算假设乘数在新的投放环境里仍然成立(渠道、受众、价格、市场没有大变化),这是一个强假设,应定期重新实验;
- 提高目标 ROAS 通常会减少流量和规模,结果也不一定精确达到目标;
- 原手册说「每次调整不超过 20%」是操作建议,不是产品规则。
五、营销组合模型(MMM)
MMM 用按周(最好按地区)汇总的数据,估计各营销渠道和其他因素(季节、促销、价格、竞争)对总销量的影响。它不需要追踪每个用户的路径,所以不受 Cookie 和同意选择的影响。
Google 的开源 MMM 工具 Lightweight MMM 已被 Meridian 取代,新项目应该用 Meridian。
数据要求
Meridian 文档给出的经验起点:按地区的周数据约 2 年,全国汇总约 3 年,只有月度数据至少 3 年。这不是硬性门槛,也不是达到就可靠。更关键的是数据里有没有足够的变化:如果每个渠道的预算常年同比例增减,模型很难分清是谁的功劳。
需要准备的数据:每周各渠道花费和展示或点击、业务结果(订单、收入)、重要的非营销变量(促销、价格、节假日、缺货、竞争对手大促)。
广告余效和饱和
- 余效(Adstock):广告的影响会延续到之后几周。比如假设每周保留上周的一半,第 1 周投入 100,之后不投,效果状态依次是 100、50、25、12.5;
- 饱和:投入越多,每多花一块钱带来的额外效果越少。
平均 ROI 和边际 ROI
- 平均 ROI:过去一段时间的增量收入 ÷ 花费;
- 边际 ROI(mROI):在当前投入基础上再多花一点,能多带来多少。
一个渠道平均 ROI 很高,可能已经投得接近饱和;另一个平均 ROI 较低的渠道,追加投入的回报反而可能更高。假设总预算 3 万不变,把 A 渠道的 2 万减到 1.8 万、B 渠道的 1 万加到 1.2 万,模型估计 A 少 2500、B 多 4000,总收入从 11 万增加到 11.15 万。预算调整看边际,不看平均。
读 MMM 结果要注意
- 模型能很好地还原过去的销量曲线,不代表各渠道的功劳分对了。低 MAPE 只说明预测误差小;
- 先看置信区间和假设,不要只看排名;
- 对重要又不确定的渠道,用一次增量实验校准,比反复调参数直到结果好看更有价值。Meridian 支持用实验结果设置先验。
对多数中小卖家,MMM 门槛较高(数据长度和统计能力)。年广告费较大、多渠道投放、有线下或其他平台销售的,才值得投入。Meridian 本身免费开源,但需要计算环境、人员和维护。
六、品牌指标:品牌搜索份额和 Brand Lift
品牌广告(YouTube、Demand Gen)的直接转化通常很少,需要看品牌指标。
品牌搜索份额
搜索份额 = 本品牌搜索量 ÷(本品牌 + 竞品品牌搜索量)。
| 上季度 | 本季度 | |
|---|---|---|
| 本品牌搜索 | 1200 | 1500 |
| 竞品甲 | 1800 | 2500 |
| 竞品乙 | 1000 | 2000 |
| 总量 | 4000 | 6000 |
| 本品牌份额 | 30% | 25% |
本品牌搜索涨了 25%,但份额从 30% 降到 25%,说明整个品类的关注涨得更快,竞品抢得更多。分母要包含自己,竞品集合要有业务依据并保持固定。
Google Trends 的指数不是搜索次数
Google Trends 的数字是抽样后归一化到 0–100 的相对值。100 代表所选时间和地区里的最高点,不是 100 次搜索。分别导出的两个关键词各自最高都是 100,不代表两者需求相等。要比较,必须放在同一次查询里。
品牌搜索上升时,先看用户在搜什么:是在找产品、找客服、搜退款投诉,还是搜「XX 品牌 scam」。
Brand Lift:要有对照组
活动前后各做一次问卷,会把广告和同期的其他变化混在一起。Brand Lift 研究随机分出曝光组和对照组:
| 对照组 | 曝光组 | |
|---|---|---|
| 有效回答 | 400 | 400 |
| 正向回答 | 120 | 160 |
| 正向回答率 | 30% | 40% |
- 绝对提升:40% − 30% = 10 个百分点;
- 相对提升:10 ÷ 30 ≈ 33%。
汇报时要说清楚是哪一种。另外,品牌提升的用户不是已经成交的客户,从品牌态度到销售还要另外验证。不要自己拿「点过广告的人」和「没访问过网站的人」比较,两组人本来就不一样。
品牌和效果的预算比例
原指南引用了约 60% 品牌、40% 效果的行业建议,但明确说这只是讨论起点。新品牌可能还没有清楚的定位,成熟品牌可能要先承接现有需求,比例要根据自身情况决定。
七、给不同的决定指定证据
| 要做的决定 | 主要证据 | 辅助证据 |
|---|---|---|
| 关键词、素材、出价日常调整 | 归因报告、优化实验 | 后台订单 |
| 某个渠道值不值得继续投 | 增量实验 | MMM、归因 |
| 年度或季度各渠道预算 | MMM(有条件时) | 实验校准、归因 |
| 品牌广告效果 | Brand Lift、品牌搜索份额 | 直接访问、复购 |
八、中小卖家可以这样起步
- 先对齐口径:Google Ads、GA4、后台的订单和收入,每月对一次总量;
- 做一次地域留出:选一个对你重要、花费较多的渠道(比如品牌词或再营销),找几个相似地区停投 2–4 周,看后台订单变化;
- 用结果校准:算出校准乘数,调整目标 ROAS;
- 品牌投放跟踪品牌搜索份额:用 Google Ads 关键词规划师或 Search Console 的品牌词数据,固定竞品集合,按月记录;
- 数据积累到 2–3 年、渠道较多时,再考虑 MMM。
先用已有的 Google Ads 报告、GA4、后台导出和表格完成这些步骤,不需要先买数据平台。
下载:衡量计划与实验记录表
我们把上面的计算整理成了一份 Excel 表,包括指标定义卡、留出实验计算、校准乘数与目标 ROAS、余效与预算调整、品牌搜索份额、Brand Lift、实验计划 7 个工作表,填入数字自动计算。
相关文章
参考资料
- Google Ads:数据驱动归因
- Google Ads:归因模型
- Google Ads:实验概览
- Google Ads:Conversion Lift
- Google Ads:地域 Conversion Lift
- Google Ads:Search Lift
- Google Ads:Lift 研究说明
- Google Ads:Brand Lift
- Google Ads:目标广告支出回报率
- Google Meridian 简介
- Google Meridian:数据准备
- Google Meridian:从 Lightweight MMM 迁移
- Google Meridian:ROI、边际 ROI 和响应曲线
- Google Trends:数据如何归一化
毕瑞出海BerightDigital微信扫码关注,视频和文章同步更新