升幅检测的确定性简介

升幅检测的确定性(仅适用于品牌提升效果研究)是一项重要指标,可以帮助您了解升幅结果的可靠性。它表示所测出的升幅是由您的广告系列产生而非由偶然因素所致的可能性。

本页内容

运作方式

升幅检测确定性的计算方法为“1 - p 值”,有时称为升幅结果的“统计显著性”或“置信度”。p 值表示在广告实际无效时达到升幅结果的可能性有多大。较高的确定性(对应的 p 值较低)表示相应结果不太可能完全由偶然因素促成,这意味着升幅极有可能是广告带来的。


了解品牌提升效果研究的升幅检测确定性水平

Google 会尽力收集足够的回复,以检测到确定性最高 (90%) 的升幅,但确定性较低的结果仍有助于您做出广告决策。在 Google Ads 账号中,您可以找到评测确定性超过 70% 的所有研究的升幅结果及其确定性。系统不会报告确定性低于 70% 的结果,因为这些结果在统计意义上不够有力,不足以作为有用且值得信赖的参考信息。

注意:升幅检测的确定性仅适用于部分账号。如果您的账号不适用该指标,您就只能查看确定性较高(超过 90%)的结果。升幅检测的确定性仅适用于品牌提升效果研究。只有升幅检测确定性最高(超过 90%)的搜索次数和转化量升幅结果才会分享。


如何解读和使用包含升幅检测确定性的结果

关于如何解读包含不同升幅检测确定性的结果,下表提供了通用指南。请注意,为简单起见,升幅检测的确定性以 5% 为增量向下舍入。您可以参考下表作为指导,但建议您根据自己的业务需求和风险承受能力来解读结果。

升幅检测的确定性 解释
≥90% 置信度较高 - 这些结果最为可靠,因为这表示升幅不太可能由偶然因素促成。您可以根据置信度较高的结果来做出与广告相关的决策,因为这意味着,有充分证据表明效果提升是由广告带来的。
85% 置信度中等 - 这些结果受到噪声影响的可能性很小。建议将这些结果作为方向性指引,或在制定低风险决策时将它们作为参考。
80%
75% 置信度较低 - 这些结果可能是由偶然因素促成的,无法准确反映您广告的效果。建议将置信度较低的结果作为方向性指引,或在制定风险非常低的决策时将它们作为参考。在制定重大决策之前,您可以(通过重新评测)收集更多调查问卷回复,以提高确定性。
70%
“没有提升” 结果不可靠 - 确定性低于 70% 的结果无法有力证明效果有提升,会在 Google Ads 中报告为“没有提升”。

请务必注意,品牌提升效果研究旨在检测确定性最高(不低于 90%)的升幅。显示确定性较低的结果不会降低结果的质量,但可以让您获得原本无法获得的数据点。

了解确定性较低的结果

确定性较低并不总是意味着广告效果不佳。这些结果有助于您获得应该进一步验证的数据洞见。升幅检测的确定性较低意味着,相应评测方法无法检测到置信度较高的升幅。出现这种情况可能是因为,收集到的调查问卷回复数量不足,或者升幅较低。

  • 调查问卷回复数量不足:调查问卷回复数量较少(低于 4,100 条)会导致评测能力不足,这意味着更有可能出现升幅检测可能性较低的情况。尤其是在按年龄、性别或广告系列细分结果时,每个细分的调查问卷回复数量会更少。您可以通过重新评测来增加调查问卷回复数量。
  • 绝对升幅较低:升幅低于 2% 时,很难检测到确定性较高的结果。不过,绝对升幅较低并不一定表示效果不佳。如果衡量的是有提升效果的用户人均费用 (CPLU),绝对升幅较低的广告系列仍可能表现出色。

比较升幅检测确定性不同的细分级升幅

不同细分(例如不同年龄段)的升幅检测确定性可能不同。正如上文所解释的那样,您不应断定升幅检测确定性最高的细分就是效果最佳的细分。

需要注意两点。首先,建议使用绝对升幅或 CPLU 来比较细分(不要使用有提升效果的用户数指标)。其次,不同细分的提升效果通常相似(置信区间高度重叠),因此很难清楚确定效果最佳的细分。不过,如果您需要针对效果最佳的细分来优化广告系列,最好选择绝对升幅最高(或 CPLU 最低)的细分,一般而言这样做出的决策最为明智。但请注意,升幅检测的确定性越低,测出的效果受到噪声影响的可能性就越大。如果有多个效果类似的细分,明智的做法是选择确定性最高的细分,这样可最大限度地降低风险。如果不清楚如何确定效果最佳的细分,请咨询您的客户代表。

了解置信区间和置信度

在提到广告带来的效果升幅时,人们通常指的是升幅的“点估计值”,这是广告最有可能带来的升幅。不过,在 Google Ads 中,您还可以找到所有品牌提升效果指标的置信区间,即升幅结果可能落入的估计范围。此范围由上限和下限界定,分别表示升幅实际可能达到的最高值和最低值。升幅结果采用 80% 的两端置信区间,这意味着实际升幅有 80% 的可能性介于下限和上限之间。这也意味着,升幅有 90% 的可能性会高于下限。

示例:您可能会看到相对升幅为 35%,这是一个点估计值。但是,如果还看到其置信区间为 30% 到 40%,则意味着实际升幅有 80% 的可能性介于 30%(下限)和 40%(上限)之间。从另外一个角度来说就是,升幅有 90% 的可能性会超过 30%(下限)。

请注意,升幅检测的确定性低于 90% 时,置信区间的下限将低于 0,因为 Google 无法保证存在升幅的确定性超过 90%。


常见问题解答

我能否自行选择最低的升幅检测确定性?

不能。系统会始终显示升幅检测确定性超过 70% 的结果。如果您希望设置更高的确定性下限(例如 80%),请舍弃低于该下限的所有结果。您无法将确定性下限设为低于 70%。

如何提高升幅检测的确定性?

升幅检测的确定性取决于评测结果的准确性。若要提高评测结果的准确性,您可以:
  1. 通过重新评测来增加收集的调查问卷回复数量。
  2. 衡量广告回想度或认知度,确定能获取确定性较高的升幅的最高几率。
  3. 与客户经理联系,选择可带来较高升幅的广告系列。

如何详细了解升幅检测确定性的计算方法?

问卷调查中总会存在一些自然的随机性,这可能会导致数据出现波动。这通常称为“随机评测噪声”。这种随机噪声可能会导致品牌提升效果评测的结果为有升幅,即使广告实际上并未带来效果提升。p 值量化了在广告未带来效果提升的情况下,所测出的升幅是由噪声所致的可能性。如果 p 值非常低,就表示所测出的升幅不太可能是由随机噪声所致,而且广告系列肯定带来了效果提升。
升幅检测确定性的计算方法为“1 - p 值”,以百分比表示。这个百分比数值越高(即 p 值越低),就越能确定是广告带来了效果提升。
示例 1:广告带来的绝对升幅为 5%,p 值为 0.01:这意味着,升幅有 1% 的几率会因随机评测噪声而达到 5%。也就是说,广告带来升幅的确定性很高 (99%)。

 

示例 2:广告带来的绝对升幅为 5%,p 值为 0.35:这意味着,升幅有 35% 的几率会因随机评测噪声而达到 5%。也就是说,广告带来升幅的确定性较低 (65%),不足以证明是广告带来了升幅。

为什么细分的升幅检测确定性较低?

按细分(例如按广告系列)划分数据时,每个细分的调查问卷回复数量都只是所有调查问卷回复的一部分。由于各个细分的调查问卷回复数量少于总体研究,因此预计更难检测到确定性较高的升幅。请注意,如果某个细分的覆盖面比另一个细分更广(例如,某个广告系列的预算高于另一个广告系列),前者会收集到更多调查问卷回复,升幅检测的确定性也可能更高,即使它的升幅可能较低。如果细分的覆盖面最小,检测出升幅的挑战性就会最高。

在哪里可以找到每个细分的升幅检测确定性?

在提升效果报告中,图表下方会显示一个展开式表格。您可以查看该表格,找到所有提升效果指标,包括升幅检测的确定性。

在哪里可以找到置信区间?

置信区间包含在提升效果图表中,将鼠标悬停在表格中的升幅结果上即可查看。通过这些图表,您可以检查评测结果的不确定性。此外,在比较细分时,您还可以通过它们快速检查两个细分的置信区间是否重叠。重叠程度越高,就越无法确定某个细分是否优于另一个细分。在所有图表中,置信区间均截取为 0,但将鼠标悬停在表格中的升幅结果上即可查看确切值。

相关链接

该内容对您有帮助吗?

您有什么改进建议?
搜索
清除搜索内容
关闭搜索框
主菜单
4057375503753938396
true
搜索支持中心
true
true
true
true
true
73067
false
false
false