作者：北京师范大学新闻传播学院 张洪忠、王競一

　　增效度量（Lift Testing）是移动互联网算法时代的一种新型广告效果测量方法，它利用大样本随机分组在线实验，测量广告是否对用户购买行为产生影响，从而精确计算广告实际产生的价值大小。

　　在互联网社交化、移动化背景下，算法应用使广告的个性化、强互动和精准性特征变得非常突出，传统的广告测量方法面临挑战。一方面，广告效果归因变得更加复杂。用户在微博、微信朋友圈、头条、抖音等多平台中积极互动，消费者跨设备、跨媒体、线上线下行为交叉的情况也越来越多，如何精确测量单一平台的广告效果成为现实问题。另一方面，目前互联网广告常用的cookies-based或last-click等方法都无法追踪用户在其他渠道中的转化。以视频信息流广告为代表的一类广告存在着极强的“种草”、分享等性质，用户的“拔草”行为可能是在其他渠道中完成的。当前通行的cookies-based或last-click广告效果测量方法只能了解某一平台的点击量，但无法知道该平台带来的全部转化效果。换句话说，用户的一次转化，可能是在多个渠道、多个触点的共同影响下完成的，这类方法不能准确评估出每一个渠道、触点投放的影响。基于此，增效度量作为一种新的广告度量方法被提了出来。

　　增效度量方法有三个特点：大样本量、场景性、在线控制实验。

　　首先，增效度量的大样本量是指达到百万级甚至千万级的真实用户样本量，近乎真实消费群体数量，这与传统抽样调查几百到几千的样本数量有很大区别，测量样本本身就是具有市场价值的消费群体。

　　其次，场景性是指实验发生在真实互联网广告场景中，测量结果本身就是实际产生的效果。如果在人为设置的实验环境里进行，可以有好的因果关系推断，但往往缺乏场景，与复杂现实场景会有差异。增效度量所具备的场景性特点则规避了这个问题。

　　第三，增效度量的原理是通过在线控制实验，比较两组人群（看到广告vs原本可以看到广告）在广告投放后一段时间内的转化差异、行为差异和用户认知差异等，进而科学地衡量广告价值，验证广告投放对受众后续转化行为产生的影响。简单来说，将大数据样本分为四组，其中TEST为实验组，是可以正常进行广告竞价并正常展示目标广告的总人群池；HOLDOUT为对照组，是可以进行正常广告竞价但不会展示广告的总人群池，理论上与TEST人群同质；EXPOSED为曝光人群，即展示了广告的人群；CONTROL为控制曝光人群，即原本可以展示广告但在广告漏出前被广告系统屏蔽的人群。该实验通过科学的网络分流能力，控制用户是否“有机会”看到广告，进而来对比并度量“看到”广告产生的增量价值。

　　图1 增效度量实验原理

　　广告效果测量是一个典型的因果关系判断，在线实验为广告效果测量的因果关系判断提供了可能性。增效度量通过随机对照在线实验直接验证广告效果，广告主能够更真实地知晓算法驱动和社交场景融入情况下广告带来的实际价值，更全面准确地发现广告投放和转化间的因果关系。因此，在未来的传媒产业发展中，增效度量将会产生非常重要的作用。