Inkrementalitás mérése kkv-nál hirdetési szüneteltetéssel és földrajzi tesztcsoporttal

Scheo · 2026-10-14 · olvasási idő ~10 perc · Szerző: Schmidt Péter

Az inkrementalitás azt mutatja meg, hány megrendelés vagy ajánlatkérés jött létre kifejezetten a hirdetés miatt, vagyis hány maradt volna el, ha a hirdetés nem fut. Kis költségvetésnél ezt két egyszerű kísérlettel tudod megbecsülni, a márkakulcsszó átmeneti szüneteltetésével és egy földrajzi kontrollcsoporttal. Egyik sem ad laboratóriumi pontosságú számot, de jó eséllyel megmutatja, merre billen a mérleg.

Mit jelent az inkrementalitás a hirdetésekben?

Az inkrementalitás a hirdetés okozta többlet, vagyis azoknak a konverzióknak a száma, amelyek a kampány nélkül nem történtek volna meg. A kérdés tehát az, hogy mi változott volna a hirdetés nélkül, és ez más, mint az, hogy hány vásárló kattintott előtte hirdetésre.

Képzeld el, hogy valaki egy székesfehérvári fogászat neve mellé beírja a Google-be, hogy „időpontfoglalás”. Rákattint a legfelső találatra, ami éppen a rendelő márkahirdetése, majd időpontot foglal. A hirdetési fiók ezt konverzióként könyveli el. Ez a páciens viszont már eldöntötte, hová megy, és ha a hirdetés nem jelenik meg, jó eséllyel az alatta lévő organikus találatra kattint. A konverzió megtörtént, a hirdetés hozzájárulása mégis közel nulla.

A témában három fogalmat érdemes szétválasztani:

• Riportált konverzió: amit a platform a saját szabályai szerint a hirdetésnek tulajdonít.
• Inkrementális konverzió: ami a hirdetés nélkül elmaradt volna.
• Alapforgalom: ami hirdetés nélkül is megérkezik, mert ismernek, ajánlottak, vagy visszatérő vevőd van.

Hivatalosan igazolt: a Google Ads és a Meta is kínál saját, kísérleti alapú mérést (Conversion Lift), amely tesztcsoportot és kontrollcsoportot hasonlít össze. Ezek a megoldások jellemzően nagyobb költésű fiókoknál érhetők el, ezért egy kisvállalkozásnak többnyire saját, kézi tesztre van szüksége.

Miért nem mutatja meg a platform riportja, hogy a hirdetés nélkül is megjött volna-e az ügyfél?

Azért, mert a platform riportja attribúciót végez, és az attribúció csak azt rögzíti, hogy a konverzió előtt volt-e hirdetésérintés. Arról semmit nem mond, hogy az érintés nélkül mi történt volna, mert ehhez egy hirdetést nem látó összehasonlító csoport kellene.

Hivatalosan igazolt: a Google Ads a konverziót a kattintást (bizonyos kampánytípusoknál a megtekintést) követő konverziós időablakon belül számolja el, a Meta alapbeállítása pedig a kattintás utáni hét napot és a megtekintés utáni egy napot veszi figyelembe. Mindkét rendszer a saját érintéseit látja, a másik platformét nem.

Ebből több torzítás következik:

• Dupla elszámolás. Ugyanazt a rendelést a Google és a Meta is magának könyvelheti el, ezért a két riport összege gyakran több, mint ahány rendelés a webáruház adminjában szerepel.
• Kiválasztási torzítás. A remarketing és a márkakampány olyan embereket ér el, akik eleve közel álltak a vásárláshoz. Magas a konverziós arányuk, ami a célzás következménye, és keveset mond a hirdetés hatásáról.
• Megtekintés alapú konverzió. Elég, ha a hirdetés megjelent valaki hírfolyamában, és másnap vásárolt, akár úgy is, hogy észre sem vette.
• Modellezett adatok. A hozzájárulás nélküli látogatók konverzióit a rendszerek becsléssel pótolják, ami hasznos, de nem megfigyelt tény.

Szakmai feltételezés: a torzítás iránya nem mindig felfelé mutat. Egy hideg közönségnek szóló videós kampány hatása könnyen alulmért lehet, mert a néző napokkal később, másik eszközön, márkakeresésen keresztül érkezik meg.

Hogyan teszteld az inkrementalitást a márkakulcsszó szüneteltetésével?

Úgy, hogy a saját márkanevedre futó keresési kampányt meghatározott időre leállítod, és közben a teljes márkás forgalmat (fizetett és organikus együtt), valamint a tényleges megrendeléseket figyeled. Ha az összesített szám alig változik, a márkakampány riportált konverzióinak nagy része hirdetés nélkül is megérkezett volna.

A teszt lépései:

1. Nézd meg az aukciós statisztikát. Ha a márkanevedre versenytársak is hirdetnek, a szünet alatt ők kerülnek a találati lista tetejére. Ilyenkor a teszt kockázatosabb, és rövidebb időre érdemes tervezni.
2. Rögzítsd a kiinduló állapotot. Legalább négy hét adatát írd fel hetente. Kellenek a márkás hirdetéskattintások, a márkás organikus kattintások a Search Console-ból, és a saját rendszeredben (CRM, webáruház admin, telefonos napló) rögzített megrendelések.
3. Válassz nyugodt időszakot. Olyan heteket, amikor nincs akció, hírlevélkampány, ünnep vagy szezoncsúcs.
4. Állítsd le a márkakampányt két-négy hétre. Minden más kampány maradjon érintetlen, különben nem tudod, minek a hatását látod. A szüneteltetést te indítod és te is oldod fel, automatikus szabályra ne bízd.
5. Kövesd hetente ugyanazokat a számokat. Ha a megrendelések száma látványosan esik, kapcsold vissza a kampányt, ez is eredmény.
6. Kapcsold vissza, és figyeld a visszaállást. Ha a számok a visszakapcsolás után sem mozdulnak, az megerősíti az eredményt.

A kiértékeléshez az összesített márkás kattintást hasonlítsd össze a két időszakban.

megtartott arány = organikus márkás kattintás a szünet alatt / (fizetett + organikus márkás kattintás a szünet előtt)

Ha ez az érték egy közelében van, az organikus találat szinte mindent felszívott. A kattintásnál fontosabb a saját rendszeredben látott megrendelésszám, mert a végső kérdés az, hogy kevesebb ügyfél jött-e.

Hivatalosan igazolt: egy sokat idézett, az Econometrica folyóiratban megjelent kutatás (Blake, Nosko és Tadelis) az eBay-nél azt találta, hogy a márkakulcsszavas hirdetések leállítása után a forgalom szinte teljes egészében az organikus találatokon érkezett meg. Ez egy rendkívül ismert márka esete, kisvállalkozásra közvetlenül nem vihető át.

Saját tapasztalat: ahol a márkanévre nem hirdet versenytárs, és az első organikus találat a saját weboldal, ott a márkakampány valódi többlete rendszerint jóval kisebb annál, amit a fiók mutat. Ahol versenytárs is licitál a névre, ott a kampánynak védelmi szerepe van, és a szünet érezhető veszteséggel járhat.

Hogyan állíts fel földrajzi kontrollcsoportot kis költségvetéssel?

Úgy, hogy két hasonló területet választasz, az egyikben változatlanul hirdetsz, a másikban kikapcsolod a vizsgált kampányt, és a két terület megrendeléseinek alakulását veted össze. A módszer előnye, hogy nem függ sütiktől és attribúciós beállításoktól, mert a saját megrendelési adataidból dolgozik.

1. Válassz összehasonlítható területeket. Olyanokat, ahol az elmúlt hónapokban hasonló ütemben mozogtak a megrendelések. Egy országosan szállító webáruháznál lehet ez két megye vagy két megyecsoport, egy több telephelyes szolgáltatónál például a Győrben és a Pécsen működő üzlet környéke.
2. Ellenőrizd az előzményeket. Legalább nyolc hétre visszamenőleg számold ki hetente a két terület megrendeléseinek arányát. Ha az arány hétről hétre ugrál, a párosítás nem jó.
3. Zárd ki a tesztterületet a kampányból. A helybeállításoknál a jelenlét alapú célzást használd, hogy a rendszer azokat érje el, akik ténylegesen ott tartózkodnak, és ne azokat, akik csak érdeklődnek a hely iránt.
4. Futtasd legalább négy hétig. Hosszabb döntési idejű szolgáltatásnál ennél tovább, mert a szünet előtti hirdetések hatása még hetekig érkezhet.
5. Gyűjtsd a megrendeléseket terület szerint. Szállítási irányítószám, telephely vagy az ajánlatkérő űrlap település mezője alapján.

A kiértékelés a kontrollterületből becsüli meg, mi történt volna a tesztterületen hirdetéssel.

várt konverzió = kontroll a tesztidőszakban × (teszt előtte / kontroll előtte)

inkrementális konverzió = várt konverzió - tényleges konverzió a tesztterületen

Nézzünk egy szemléltető számítást kitalált számokkal. A tesztidőszak előtt a kontrollterületen 80, a tesztterületen 60 megrendelés volt, az arány tehát 0,75. A teszt alatt a kontrollterület 88 megrendelést hozott, így a tesztterületen 66 lett volna várható. Ha ténylegesen 58 érkezett, a kikapcsolt kampány nagyjából 8 megrendelésnyi többletet jelentett ebben a régióban. Ha a platform ugyanerre a területre korábban 25 konverziót mutatott, akkor a riportált számnak körülbelül a harmada volt valódi többlet.

Hivatalosan igazolt: a földrajzi kísérlet elismert módszer, a Google kutatói részletes módszertant publikáltak róla, a Meta pedig nyílt forráskódú eszközt (GeoLift) adott ki hozzá. Ezek statisztikai modellekkel dolgoznak, a fenti arányszámítás ennek leegyszerűsített, kézzel is elvégezhető változata.

Szakmai feltételezés: ha a kimutatott különbség kisebb, mint amekkora a két terület aránya a tesztet megelőző hetekben magától is ingadozott, akkor az eredményt zajnak érdemes tekinteni. A fenti példában a 8 megrendelésnyi eltérés csak akkor jelent valamit, ha az arány korábban stabilan 0,75 körül maradt.

Milyen zavaró tényezők miatt nem értelmezhető egy teszt?

Minden olyan esemény zavaró tényező, amely a hirdetéstől függetlenül megmozdítja a keresletet, vagy amely csak az egyik csoportot érinti. Ha ilyen történt a teszt alatt, az eredményből nem lehet tisztán kiolvasni a hirdetés hatását.

• Szezonalitás. Iskolakezdés, ünnepek, fűtési szezon, nyári szabadságok. Előtte-utána összehasonlításnál ez a leggyakoribb hibaforrás, ezért nézd meg az előző év azonos heteit is.
• Akció vagy kedvezmény. Egy kuponkampány vagy hírlevél a teszt közepén felülír mindent.
• Kis mintaszám. Heti néhány megrendelésnél egyetlen nagyobb ügyfél is megfordítja az eredményt.
• Versenytársak lépései. Új hirdető a márkanevedre, vagy egy konkurens nagy kampánya az egyik régióban.
• Egyidejű változtatások. Új weboldal, módosított űrlap, költségkeret-átcsoportosítás, új kampány a teszt alatt.
• Mérési változás. Sütikezelő csere, címkekezelő módosítás, új konverziós esemény. Ha a mérés változik, a két időszak nem vethető össze.
• Átszivárgás a területek között. Ingázók, a szomszéd megyéből rendelők, pontatlan helymeghatározás.
• Elhúzódó hatás. A leállítás előtt látott hirdetések még hetekig hozhatnak ügyfelet, ami a szünet hatását kisebbnek mutatja.
• Helyi események és külső hírek. Vásár, útlezárás, sajtómegjelenés, készlethiány.

Vezess tesztnaplót, amelybe dátummal felírsz mindent, ami a futás alatt történt. Kiértékeléskor ez dönti el, hogy az eredményt elfogadod, vagy megismétled a tesztet.

Hogyan értelmezd az eredményt, és mit kezdj vele?

Az eredményt irányjelzőként kezeld, és a döntés nagyságát igazítsd a bizonyosság mértékéhez. Egy négyhetes, kis mintás teszt arra elég, hogy a költségkeretet óvatosan átcsoportosítsd, arra kevés, hogy egy csatornát végleg megszüntess.

• Ha a szünet alatt az összesített megrendelésszám a szokásos ingadozáson belül maradt, a vizsgált kampány többlete kicsi. Csökkentsd a keretét, és a felszabaduló összeget tedd olyan kampányba, amely új közönséget ér el.
• Ha a megrendelések érezhetően visszaestek, a kampány dolgozik, és a riportja valószínűleg közelebb áll a valósághoz.
• Ha az eredmény a zajszinten belül van, ne erőltess rá magyarázatot. Ismételd meg hosszabb ideig, vagy váltakozó hetekkel (egy hét be, egy hét ki).

Számolhatsz egy saját mutatót is, ez a költés / inkrementális konverzió. Rendszerint magasabb, mint a fiókban látott konverziónkénti költség, és közelebb áll ahhoz, amibe egy valóban új ügyfél megszerzése kerül.

Mikor nem érdemes egyáltalán inkrementalitási tesztet futtatni?

Akkor nem érdemes, ha a teszt várhatóan nem ad értelmezhető választ, vagy ha a válasz semmilyen döntésen nem változtatna. A szünet alatt valódi megrendeléseket veszíthetsz, ezért a teszt csak akkor éri meg, ha a tanulság többet ér a kockázatnál.

Saját tapasztalat: kisvállalkozásoknál az alábbi helyzetekben szoktuk azt javasolni, hogy a teszt maradjon el.

• Túl kevés a konverzió. Ha havonta csak néhány tucat megrendelés vagy ajánlatkérés érkezik, a véletlen ingadozás nagyobb, mint a kimutatni kívánt hatás.
• Hosszú az értékesítési ciklus. Ha az első érdeklődéstől a szerződésig hónapok telnek el, egy pár hetes szünet hatása a teszt lezárása után jelentkezik.
• Egyetlen csatornád van. Ha az érdeklődők döntő része egy kampányból jön, a leállítás a bevételedet kockáztatja, a kérdésre pedig előre sejthető a válasz.
• Nincs megbízható saját nyilvántartásod. Ha a megrendeléseket csak a hirdetési fiókban látod, nincs mihez mérni. Előbb a mérést tedd rendbe.
• Szezoncsúcsban vagy. A legerősebb heteidben a kiesés sokba kerül, az eredmény pedig a szezon miatt értelmezhetetlen.
• A válasz nem változtatna semmin. Ha a márkakampány a keret elenyésző részét viszi el, és a nevedre versenytárs is hirdet, a kampányt úgyis megtartod.
• Nem tudsz területet bontani. Egyetlen városban működő helyi szolgáltatónál a földrajzi kontrollcsoport nem kivitelezhető.

Szakmai feltételezés: ilyenkor többet ér, ha a tesztre szánt energiát a mérés tisztítására fordítod. Egy rendesen vezetett érdeklődőnapló, amelyben minden új ügyfélnél szerepel, honnan hallott rólad, sok kis cégnél hasznosabb képet ad, mint egy zajos kísérlet.

Mit ellenőrizz a teszt indítása előtt?

Egy teszt akkor indítható, ha előre le tudod írni, mit mérsz, mennyi ideig, és milyen eredménynél hogyan döntesz. Az alábbi lista ebben segít.

• Megvan a saját rendszeredben a megrendelések heti száma legalább nyolc hétre visszamenőleg.
• Leírtad a hipotézist és a döntési szabályt, még az indulás előtt.
• A tesztidőszakban nincs tervezett akció, hírlevél vagy weboldal-módosítás.
• Tudod, hirdet-e versenytárs a márkanevedre.
• Meghatároztad a vészféket, vagyis azt a visszaesést, amelynél kézzel visszakapcsolod a kampányt.
• Egyszerre egyetlen dolgot változtatsz.
• Vezeted a tesztnaplót.

Egyetlen kísérlet sem ad végleges választ, mert a piac és a versenytársak változnak. Ha a helyzeted megengedi, érdemes a tesztet időnként megismételni, és az eredményeket egymás mellé tenni.

Források és további olvasnivalók

• Google Ads Súgó: Conversion Lift, attribúciós modellek, helycélzási beállítások és aukciós statisztikák
• Meta Business Súgóközpont: Conversion Lift és attribúciós beállítások
• Google Search Central: a Search Console teljesítményjelentésének dokumentációja
• Google Analytics Súgó: attribúció és modellezett konverziók
• Google Research: Vaver és Koehler, Measuring Ad Effectiveness Using Geo Experiments
• Meta Open Source: GeoLift dokumentáció
• Blake, Nosko, Tadelis: Consumer Heterogeneity and Paid Search Effectiveness (Econometrica)