去年全球单次激活成本（CPI）整体上涨约 30%。面对获客成本走高的现状，各大增长团队纷纷做出务实选择：将更多营销预算倾斜至再营销，盘活存量流失用户。

这个决策逻辑不难理解：流失用户本身熟悉你的应用，早已跨过下载安装门槛，最初也主动产生过下载意愿。但随着再营销投放预算持续增加，行业质疑声也随之而来：这些用户，就算没有广告召回，原本也会主动回归吗？

这是一个直击本质的问题。传统归因模型只能统计广告曝光后产生的转化行为，却无法区分：转化究竟是广告带来的效果，还是用户自然回流的结果。举个例子：流失用户在看到再营销广告后次日重新安装应用，这笔转化会被直接归为广告功劳，但我们无从判断，用户本就打算回归，广告只是恰好出现。

而增量测试，恰好填补了传统归因的漏洞。

投放再营销广告，是盘活增长预算、提升投入性价比的最优方式之一。若想精准验证再营销的真实效果，增量测试便是核心解法。同时，它也是拆解优质流量资源、细分用户群体、分析投放策略的利器，帮助广告主聚焦高效打法，持续放大增长势能。

增量测试的核心原理

增量测试借鉴了临床医学对照实验的逻辑，并结合广告投放场景落地应用。

我们将同一批符合筛选条件的用户（比如近 30 天流失付费用户、60 天以上未打开应用的沉睡用户等任意细分人群），随机划分为两组：

• 实验组（80% 用户）：正常接收再营销广告
• 对照组（20% 用户）：全程不展示任何相关广告

实验全程保持用户群体、时间周期、用户行为特征等所有变量一致，唯一区别就是是否触达广告。实验结束后，统一统计两组用户的核心数据，包括唤活率、单用户收益等投放目标指标。

两组数据的差值，就是广告带来的真实增量效果：

• 超出对照组基准值的转化、收益等数据，可完全归功于再营销广告；
• 与基准值持平或低于基准值的部分，属于用户自然回流行为，和广告投放无关。

传统归因最大的短板，就是无法构建 “未投放广告” 的虚拟场景，而对照组正是这个对照基准。严格隔离两组用户、保证实验环境纯净，才能得出客观可信的结论。

做好增量测试，坚守三大核心原则

一份具备参考价值的增量测试报告，依赖严谨的执行规范。以下三大原则，能有效避免数据失真，杜绝 “结果迎合预期” 的问题：

• 随机且固定分组: 所有用户必须通过不可人为干预、无法作弊的方式划分组别。如果高价值用户集中在某一组，会直接高估或低估广告效果。随机分组是保障两组用户初始数据持平的基础。

• 杜绝流量泄露: 一旦用户被划入对照组，就必须全程屏蔽相关广告。无论是其他投放计划、重复曝光还是渠道流转导致的意外触达，都会污染实验数据，让测试结果失效。

• 统一统计口径: 两组用户的转化统计规则、统计周期、数据定义必须完全一致。第三方数据监测（MMP）回传规则、归因窗口期等参数全程保持不变，仅保留 “是否曝光广告” 这一个变量。

严格遵守以上规则，最终得出的数据，才能真实反映广告投放带来的因果性增量。

RZR 增量测试落地方法论

RZR 采用标准化的留白对照组实验体系开展增量测试，统一应用于所有客户的投放优化、数据统计与报表输出，整套方案依托四大核心规则搭建：

加密分组 (Hash binning) 结果不可篡改

平台基于 Apple 厂商识别码（IDFV），通过确定性 MD5 算法，对每一台设备进行分组：

• 所有设备 ID 经过 MD5 运算后，生成 0-99 区间内均匀分布的数值；
• 数值 0-79（占比 80%）划入实验组，正常投放广告；
• 数值 80-99（占比 20%）划入对照组，屏蔽广告。

同一设备 ID 在单次实验周期内，会固定对应唯一分组，竞价环节不会临时变更，设备也不会跨组流动。测试开始前，RZR 会向客户提供完整的设备 ID 及对应分组清单，支持客户独立核验。

这套机制从根源上解决了最常见的数据污染问题：避免因分组逻辑不稳定，导致对照组用户意外收到广告曝光。

中期重组人群，消除累积偏差

即便是随机分组，也可能出现 “高活跃用户偶然集中在某一组” 的情况。如果仅做单轮实验，这种初始失衡会直接影响最终结论。

为此，RZR 将整个测试拆分为两个阶段，规避偏差：

• 第一阶段：正式投放 14 天；
• 缓冲期：暂停投放 3 天，同步分析首轮数据，并重新划分用户分组；
• 第二阶段：基于新分组，再次投放 14 天。

两轮实验的数据相互中和，能抹平首轮分组带来的随机偏差。这套 31 天的完整测试流程，对比同周期单轮对照组实验，数据可信度大幅提升。

直连优质流量，严控曝光频次与投放节奏

虚假流量、重复曝光、不透明渠道会虚增基础曝光量，干扰两组数据对比。为保障曝光真实有效，平台设置多重管控规则：

• 直连一手流量：仅选用透明、可溯源的优质广告资源，彻底剔除二手流转及隐蔽渠道；
• 流量风险过滤：依托渠道优化引擎，在发起竞价前拦截异常流量；
• 严格频次上限：限制单用户广告曝光次数，避免过度曝光影响唤活数据；
• 平稳投放节奏：全程均匀放量，杜绝前期集中投放，保障两轮实验数据可比。

超大测试样本，强化数据信号

RZR 自建底层技术架构，拥有 4 大数据中心、英伟达 GPU 算力集群，每秒可处理 600 万次查询，每日承接超 2200 亿次广告竞价。依托行业领先的设备匹配能力，测试样本规模更大，实验组用户广告触达率更高，最终提炼的增量数据更精准。

测试交付成果

测试结束后 5 个工作日内，RZR 会交付全套可独立核验的报告资料：

• 增量效果简报：对比对照组数据，展示唤活增量、广告投入产出差值、用户质量等核心指标；
• 设备级明细报表：完整记录单台设备的竞价、曝光、点击数据，可与第三方监测平台（MMP）数据交叉核对；
• 专属答疑解读：专业团队一对一讲解数据逻辑，协助客户核验每一项指标，为后续决策提供支撑。

实战案例：增量测试助力手游厂商放大再营销价值

目前手游行业普遍存在大量流失用户池，以下两个手游客户案例，直观展现了增量测试如何挖掘重定向的真实价值、指导预算扩容。

Paxie Games —— 整体增量收益提升 44%

Paxie Games 是一家混合变现（广告变现 + 内购）的休闲手游厂商，希望验证其美国市场安卓端再营销投放的真实增量效果。

RZR 按照变现模式拆分人群（广告互动用户、内购付费用户），为不同人群匹配专属优化模型，并设置 20% 对照组，结合专业置信区间算法开展测试。

测试结果：

• 整体增量收益较对照组提升44%；
• 付费用户群体收益增幅达118%；
• 非付费用户群体收益增幅达25%。

基于这份数据，Paxie Games 将美国市场模型定为标杆，逐步把再营销投放拓展至英国、法国、德国、加拿大、澳大利亚、日本、奥地利七大市场，整体重定向预算上调 50%，并确定 RZR 为独家再营销合作方。

FOMO Games —— 增量收益提升 51%，7 日用户生命周期价值翻 1.8 倍

FOMO Games 旗下产品日活表现稳定，但积累了庞大的流失用户群体。增长团队希望明确：再营销广告能否有效召回流失用户，转化增量究竟来自广告拉动，还是单纯的归因统计偏差。

本次测试覆盖 iOS、安卓双端，区分付费 / 非付费人群，沿用 80% 实验组 + 20% 对照组的配比，为期三周。

测试结果：

• 再营销广告带来整体增量收益提升51%；
• 付费用户转化增量 63.7%，非付费用户转化增量 69%；
• 被召回用户的 7 日生命周期价值（D7 LTV）提升至原先的1.8 倍。

该测试证实，以广告变现为主的手游，同样能从流失用户召回中挖掘巨大价值。FOMO Games 彻底打消顾虑，将再营销从短期战术玩法升级为长期核心增长手段，测试结束后直接将再营销预算翻倍。

要点回顾

当下，再营销投放预算持续走高并非偶然。召回一名流失用户的成本，远低于获取新用户，而全球 CPI 上涨，进一步拉大了两者的成本差距。

但传统归因存在天然短板：它只能记录广告曝光后的转化行为，无法剥离用户自然回流的部分，导致我们看不清再营销广告的真实价值。

而增量测试通过科学设置对照组，构建 “不投放广告” 的对照场景，清晰区分 “广告带来的增量” 与 “自然转化量”，让投放效果有据可依。

一份靠谱的增量测试，离不开三大基础：绝对随机且固定的分组、严格隔离的对照组、统一的统计口径。

RZR 整套增量测试体系，通过加密分组、中期重组消除偏差、直连优质流量净化曝光、超大样本强化数据精度，全方位保障测试结果客观可信。

从落地效果来看，增量测试已成为手游厂商的增长利器：Paxie Games 依靠 44% 的增量收益，顺利开拓七大海外市场；FOMO Games 凭借 51% 的增量数据，果断翻倍投放预算。

即刻启动增量测试方案

如果你也想验证再营销广告的真实价值，不妨尝试 RZR 增量测试方案。仅需 31 天，就能拿到可落地、可核验的增量数据，聚焦高效策略，稳步放大投放收益。