Кальтер / Блог

Как посчитать прирост конверсий в контрольном рекламном тесте

Разбери treatment/control: посчитай ставки, разницу в процентных пунктах, относительный lift и расчётные дополнительные конверсии, не подменяя ими причинный эффект.

Материал подготовлен с помощью ИИ; официальная справка Google Ads и синтетическая арифметика проверены редакцией ZASLON 9 ноября 2026 года.

Редакционная схема: Измерить прирост. Условные обозначения, не скриншот сервиса или реальной операции.
Редакционная схема: Измерить прирост. Условные обозначения, не скриншот сервиса или реальной операции.

В синтетическом контролируемом примере treatment показал 1 080 конверсий из 50 000 человек (2,16%), control — 1 000 из 50 000 (2,00%). Разница — 0,16 процентного пункта, относительный lift по базовой ставке — 8%, а ожидаемый контрольный уровень для treatment-аудитории — 1 000 конверсий. Значит, простая разница составляет 80 расчётных дополнительных конверсий. Это арифметика учебного примера, не доказательство причинного эффекта и не результат теста Google.

Не смешивай lift и attributed conversions

Google описывает Conversion Lift как контролируемое сравнение группы, видевшей рекламу (treatment), с группой, которой рекламу не показывали (control); отчёт может включать incremental conversions и relative lift (обзор Conversion Lift). В справке Google отдельно сказано, что стандартные attributed conversions следуют настроенным окнам и правилам атрибуции, тогда как Conversion Lift измеряет разницу между экспериментальной и контрольной группами за длительность исследования (описание метрик и атрибуции). Поэтому сумма Conversions в обычном отчёте не заменяет lift.

Пересчитай один и тот же исход

Данные полностью синтетические; группы одинакового размера, событие конверсии и период наблюдения считаются одинаковыми.

Группа Размер Конверсии Rate
Treatment 50 000 1 080 1 080 / 50 000 = 2,16%
Control 50 000 1 000 1 000 / 50 000 = 2,00%

Абсолютная разница ставок: 2,16% − 2,00% = 0,16 п.п. Это процентные пункты, не «рост на 0,16%».

Относительный lift: (2,16% − 2,00%) / 2,00% = 0,08 = 8%.

Оценка дополнительных конверсий в treatment: 1 080 − (50 000 × 2,00%) = 1 080 − 1 000 = 80.

Проверка тем же способом: control rate 2% даёт ожидаемые 50 000 × 0,02 = 1 000 конверсий при размере treatment. Сравнение 1 080 − 1 000 снова даёт 80.

При неодинаковом размере групп сравни сначала ставки, а затем масштабируй контрольный baseline до treatment-размера. Например, если control — 25 000 человек и 500 конверсий, его ставка всё ещё 2%. Для treatment 50 000 при 1 080 конверсиях baseline остаётся 50 000 × 2% = 1 000; оценка разницы — 80. Не вычитай 500 из 1 080: знаменатели разные.

Попроси ИИ проверить расчёт

Проверь только арифметику этих синтетических результатов контролируемого рекламного теста. Ничего не считай подтверждённым эффектом без дизайна исследования и provider uncertainty/interval.

Treatment: 50,000 человек; 1,080 конверсий.
Control: 50,000 человек; 1,000 конверсий.
Одинаковы ли целевое событие, eligibility и окно наблюдения: в этом учебном примере да.

Верни таблицу с group size, conversions и rate; затем посчитай разницу ставок в percentage points, relative lift относительно control rate и ожидаемые conversions в treatment при control rate. Отдельно объясни, почему при разных group sizes нельзя вычитать сырые counts без нормализации. Не называй результат статистически значимым, не придумывай confidence/credible interval и не путай этот расчёт с обычными attributed conversions. Отметь, какие поля реального платформенного отчёта нужно сверить.

Ожидаемый ответ на этот ввод: treatment 2,16%, control 2,00%, absolute difference +0,16 п.п., relative lift +8%, контрольный baseline в treatment-размере 1 000, простая разница 80. Поля с интервалом неопределённости и итоговым статусом исследования отсутствуют, поэтому ИИ обязан назвать их неизвестными. Это промпт для арифметической проверки, а не тест какой-либо модели.

Что проверить в реальном отчёте

Сверь, что treatment/control относятся к одному study, одному целевому событию, одинаковому периоду и правилам включения. Если размеры групп различаются, используй rates и нормализованный baseline; если группы не сформированы контролируемо, назови расчёт описательной разницей, а не причинным lift. Сохрани confidence/credible interval и статус результата именно из отчёта провайдера. Google указывает, что lift лежит в интервале неопределённости, а study power оценивает ожидаемую определённость результата; требования к доступу и eligibility применяются не ко всем аккаунтам (настройка Conversion Lift). Не выдавай пороги или возможность запуска за универсально доступную функцию.

80 — ожидаемая разница по control rate для учебных чисел. Без дизайна исследования, отчётного интервала и статуса нельзя объявлять эти 80 доказанным эффектом или приписывать кампании причинность. Планирование контрольной группы и переменной относится к плану creative test; здесь разбирается уже полученная пара чисел. Для оценки обычных изменений в отчёте смотри проверку рекламных claims.

Материал подготовлен с помощью ИИ; официальная справка Google Ads и арифметика примера проверены редакцией ZASLON 9 ноября 2026 года. Значения синтетические; аккаунт и Conversion Lift study не проверялись.