Incrementality

Najważniejsze informacje w skrócie

• Incrementality mierzy efekt kampanii ponad naturalny baseline.
• To nie to samo co zwykły uplift, korelacja albo wzrost sprzedaży po kampanii.
• W retail media incrementality może dotyczyć sprzedaży, paragonowości, ruchu albo innych proxy.
• Najmocniejsze metodologie opierają się na wiarygodnym counterfactualu, czyli scenariuszu „co byłoby bez kampanii”.
• IAB i IAB Europe wyróżniają cztery główne grupy metod: eksperymenty, modele kontrfaktyczne, modele ekonometryczne i hybrydowe proxy. :contentReference[oaicite:2]{index=2}

Czym naprawdę jest incrementality

Najprościej: incrementality mierzy przyrost wywołany kampanią. Nie pyta tylko, czy sprzedaż wzrosła. Pyta, czy wzrosła bardziej, niż wzrosłaby bez kampanii. To jest kluczowa różnica.

Jeśli sklep sprzedał więcej batonów w tygodniu kampanii, to jeszcze niczego nie dowodzi. Może wzrósł ruch. Może była promocja cenowa. Może konkurencja miała braki. Może po prostu był lepszy tydzień. Dopiero incrementality próbuje odizolować wpływ samej aktywacji mediowej lub ekspozycyjnej od wszystkiego, co dzieje się wokół.

Czym incrementality nie jest

Dlaczego incrementality jest tak ważne w retail media

Retail media przyciągają budżety, bo obiecują bliskość do zakupu i lepszy pomiar niż wiele klasycznych mediów. Ale jeśli ten pomiar kończy się na ad plays, OTS albo liczbie zdjęć półek, to reklamodawca nadal nie wie, czy pieniądze zadziałały. Incrementality jest próbą uczciwej odpowiedzi na pytanie, czy kampania stworzyła dodatkowy wynik biznesowy, czy tylko „pojechała na tym, co i tak by się wydarzyło”. :contentReference[oaicite:3]{index=3}

Właśnie dlatego IAB oraz IAB Europe poświęciły temu tematowi osobne materiały: najpierw one-pager wyjaśniający, czym incrementality jest i czym nie jest, a potem pełne Guidelines for Incremental Measurement in Commerce Media z podziałem metod, ich siły przyczynowej i zastosowań. :contentReference[oaicite:4]{index=4}

Czy retail media działa i jak to sensownie przetestować

Najuczciwsza odpowiedź brzmi: retail media działa wtedy, gdy przestajesz je oceniać „na czuja”, a zaczynasz mierzyć jak normalny kanał reklamowy. Mając do dyspozycji sieć kilkuset sklepów z całego kraju — z różnych formatów, takich jak sklepy wielobranżowe, monopolowe, stacje paliw i inne lokalne punkty — da się zaprojektować test, który daje znacznie mocniejszy dowód niż pojedyncze case study czy kilka zdjęć półek. Model jest prosty. Najpierw wybierasz z sieci próbę sklepów dobrze oddającą strukturę rynku: odpowiedni udział sklepów mniejszych i większych, odpowiedni podział miasto/wieś, różne regiony i różne typy placówek. Następnie dzielisz tę próbę na grupę testową i grupę kontrolną, możliwie podobne pod względem ruchu, kategorii, paragonowości i profilu sprzedaży. Kampania retail media — na przykład półki sponsorowane albo ekrany reklamowe — działa przez cały kwartał tylko w grupie testowej. Po zakończeniu porównujesz zmianę sprzedaży między obiema grupami, najlepiej nie w wartościach bezwzględnych, tylko względem punktu startowego i przy kontroli sezonowości. Jeśli sklepy testowe rosną wyraźnie mocniej niż kontrolne, dostajesz nie „wrażenie”, tylko twardy dowód incremental value kampanii. I właśnie to jest najczystszy sposób, żeby pokazać marce, ile naprawdę jest warta reklama retail media w fizycznym sklepie.

Jak mierzy się incrementality w praktyce

Według wytycznych IAB i IAB Europe główne grupy metod incremental measurement są cztery. Różnią się poziomem rygoru, zakresem zastosowania i tym, ile danych trzeba mieć, żeby użyć ich sensownie. :contentReference[oaicite:5]{index=5}

1. Eksperymenty

Najbardziej klasyczne podejście. Tworzysz grupę testową i kontrolną, uruchamiasz kampanię tylko w części sklepów, a potem porównujesz wynik. To może być randomised controlled trial albo inny kontrolowany eksperyment. To zwykle najmocniejsza ścieżka, jeśli da się ją operacyjnie przeprowadzić. :contentReference[oaicite:6]{index=6}

2. Modele kontrfaktyczne

Tu system albo analityk modeluje scenariusz „co stałoby się bez kampanii”. Potem porównuje wynik rzeczywisty z przewidywanym baseline. To przydatne, gdy pełny eksperyment nie jest możliwy, ale nadal chcesz oddzielić wpływ kampanii od naturalnego trendu. :contentReference[oaicite:7]{index=7}

3. Modele ekonometryczne

Czyli bardziej makro podejście: Media Mix Modeling i podobne narzędzia. One nie zawsze schodzą do poziomu jednej półki czy jednego placementu, ale pomagają ocenić wkład kanału retail media w szerszym miksie mediowym. :contentReference[oaicite:8]{index=8}

4. Hybrydowe proxy

W praktyce bardzo ważne, bo nie każda organizacja ma idealne dane sprzedażowe albo warunki do eksperymentu. Wtedy incrementality można przybliżać przez zestawienie delivery z proxy, takimi jak paragonowość, units per 100 receipts, traffic per zone czy matched-store comparison. To nie daje tej samej mocy dowodowej co eksperyment, ale nadal bywa użyteczne, jeśli metodologia jest jawna i rozsądna. :contentReference[oaicite:9]{index=9}

Incrementality w kampaniach in-store

W sklepie fizycznym incrementality jest trudniejsze niż online, ale właśnie dlatego jest tak cenne. Świat fizyczny nie daje prostego logu „user kliknął i kupił”. Trzeba łączyć wykonanie kampanii, proof of execution, dane o ruchu, dane o sprzedaży albo proxy oraz porównania między sklepami i okresami.

W praktyce incrementality dla in-store retail media może być mierzone na przykład przez:

• porównanie sklepów z kampanią i bez kampanii,
• porównanie stref lub placementów w obrębie podobnych punktów,
• porównanie okresów przed i po kampanii z korektą o baseline,
• połączenie POE, footfall i paragonowości w jednym modelu oceny.

Incrementality w systemach RMMS

W RMMS incrementality ma sens tylko wtedy, gdy system potrafi spiąć kampanię od strony operacyjnej i pomiarowej. To znaczy: placement jest zdefiniowany, sklep jest zidentyfikowany, proof of execution jest przypisany do kampanii, a dane wynikowe albo proxy mogą zostać dołączone do tych samych obiektów raportowych.

Bez tego incrementality zamienia się w luźne „wydaje się, że zadziałało”. Z tym — zaczyna być testowalnym elementem raportowania. Nie zawsze idealnym. Nie zawsze na poziomie SKU. Ale wystarczająco dobrym, żeby porównywać kampanie, sklepy, placementy i kolejne fale wydatków.

Najczęstsze błędy w myśleniu o incrementality

• „Sprzedaż wzrosła, więc kampania zadziałała.” Niekoniecznie. To może być zwykła korelacja.
• „Nie mamy pełnych danych POS, więc nie da się nic zmierzyć.” Da się, ale trzeba uczciwie przejść na proxy albo test porównawczy.
• „Incrementality = atrybucja 1:1.” Nie. To szersza logika dowodu wpływu, nie magiczna etykieta.
• „Wystarczy jedno porównanie przed i po.” Zwykle nie wystarczy, jeśli nie masz kontroli nad baseline i sezonowością.

Najczęściej zadawane pytania