Insights · Marketing finance

Incrementality: media oceniają same siebie

Termin końca ciasteczek odwołano dwa razy. Zgody utrzymały się na poziomie około dwóch trzecich. A pomiar i tak się pogorszył, bo nic nie zniknęło: sygnał przeniósł się do wnętrza firm, które sprzedają Ci media, i to one produkują dziś liczbę.

Incrementality, czyli pomiar przyrostowości, to praktyka wyłączenia kanału na losowo wybranej części rynku i zmierzenia różnicy w sprzedaży między grupą z reklamą a grupą bez niej. To jedyna metoda, która daje reklamodawcy liczbę własną, a nie otrzymaną. W 2026 roku ma większe znaczenie niż w 2020, i nie z tego powodu, do którego branża przygotowywała się pięć lat.

Termin odwołano dwa razy

22 kwietnia 2025 Anthony Chavez, wiceprezes odpowiedzialny za Privacy Sandbox, napisał, że Google „podjął decyzję o utrzymaniu obecnego podejścia do wyboru w sprawie ciasteczek third party w Chrome i nie wprowadzi nowego, osobnego komunikatu zgody". Pół roku później, 17 października 2025, ten sam autor wycofał dziesięć technologii: Attribution Reporting API, IP Protection, On-Device Personalization, Private Aggregation, Protected Audience, Protected App Signals, Related Website Sets, SelectURL, SDK Runtime i Topics. Zostały cztery: CHIPS, FedCM, Private State Tokens i interoperacyjny standard atrybucji. Podany powód to ich spodziewana wartość „w świetle niskiego poziomu adopcji".

Pięcioletni program zastąpienia ciasteczka third party skończył się więc wcześniej niż samo ciasteczko. Jeśli w Twoim planie mediowym na 2027 nadal jest strumień prac pod nazwą gotowość na koniec cookies, to przygotowanie do wydarzenia, które formalnie odwołano dwukrotnie.

Ile ciasteczko było realnie warte

To nie to samo co twierdzenie, że jego utrata nic nie kosztuje. Brytyjski urząd antymonopolowy CMA opublikował 13 czerwca 2025 podsumowanie testów i jest to najbliższa rzecz do audytowanej odpowiedzi, jaką branża ma.

Przychód wydawcy na odsłonę spadł o 27 procent na ruchu w Google Ad Managerze i o 15 procent w AdSense, a narzędzia Privacy Sandbox odzyskały odpowiednio 13 i 3 punkty procentowe. Wydatki reklamodawcy spadły o 14 procent na DV360 i 11 procent w Google Ads, z około 10 punktami odzyskanymi w obu przypadkach. Testerzy zewnętrzni zmierzyli znacznie gorzej: wydatki niżej o 42, 60 i 67 procent, odsłony niżej o 35, 47, 67 i 69 procent, a opóźnienia wyżej nawet o 200 procent. Najważniejsze jest zdanie CMA o stronie sprzedażowej: przychód wydawcy na odsłonę był niższy o około 30 procent bez ciasteczek third party, już z uwzględnieniem dostępności Privacy Sandbox.

Trzeba jednak przeczytać, czym te liczby są. To ceny. Wydawca zarabia mniej na odsłonie, bo kupujący nie wie już, kto jest po drugiej stronie, a rynek wycenia brak informacji poprawnie. To przecena zapasu reklamowego. To nie jest pogorszenie Twojego raportu atrybucji. Twój raport atrybucji nigdy nie był dobry, a ciasteczko nigdy nie było tym, co go takim czyniło.

Ćwierć Europy nigdy nie była w ciasteczku

We wrześniu 2026 StatCounter podawał Chrome na 60,01 procent europejskiego ruchu w przeglądarkach, Safari na 19,94, Edge na 7,29 i Firefoksa na 4,3. Safari domyślnie blokuje ciasteczka third party od 2020 roku, a Firefox je partycjonuje, więc w żadnej z tych przeglądarek nie służą już do rozpoznawania użytkownika między witrynami. To 24,2 procent Europy i 18,5 procent Polski, gdzie świat bez ciasteczka nastał bez komunikatu prasowego i nikt nie zmienił nazwy żadnego dashboardu.

Teraz przemnóż to przez zgody. Benchmark Didomi na 2026, zbudowany na danych z 2025, podaje opt-in na poziomie 55,7 procent w Europie Zachodniej i 67,6 procent w Europie Wschodniej, przy czym od 21,7 do 27,4 procent użytkowników po prostu zostawia banner bez odpowiedzi. Trzy czwarte europejskiego ruchu w przeglądarce, która dopuszcza ciasteczko, i sześciu na dziesięciu z nich wyrażających zgodę: obserwowalna część Twojej widowni od dawna jest gdzieś w okolicach połowy. Żaden dashboard tego mnożnika nie pokazuje, bo dashboard raportuje sumę, nie pokrycie.

Zwrot z reklamy jest statystycznie niewidoczny

Tu jest fragment, który powinien kończyć większość sporów o atrybucję. Randall Lewis i Justin Rao opublikowali w Quarterly Journal of Economics pracę o nietypowo szczerym tytule: O niemal niemożliwości zmierzenia zwrotu z reklamy. Na realnych kampaniach ustalili, że próba potrzebna, aby eksperyment dał użytecznie wąskie przedziały ufności, zwykle przekracza dziesięć milionów osobo-tygodni. Stosunek wpływu reklamy do odchylenia standardowego sprzedaży wyniósł 0,0047, co daje R-kwadrat na poziomie 0,0000054. Żeby odróżnić umiarkowanie opłacalną kampanię o zwrocie 10 procent od progu opłacalności, mediana badanych przez nich eksperymentów detalicznych musiałaby być 61 razy większa. W usługach finansowych 1241 razy większa.

Warto się przy tym zatrzymać. Jeśli randomizowany eksperyment o takiej skali jest minimum, żeby zobaczyć efekt, to model dopasowany do obserwacyjnych danych o klikach nie zobaczy go wcale. Autorzy mówią to wprost: bardzo niewielka endogeniczność poważnie zaburza szacunki skuteczności reklamy, bo błąd selekcji potrzebny do wyjaśnienia nawet znikomej części wariancji jest o rząd wielkości większy niż prawdziwy efekt. Szum nie jest problemem trackingu, który naprawi lepsze rozpoznawanie tożsamości. Szumem jest sam rozkład sprzedaży.

Liczba na Twoim dashboardzie nie powstała z Twoich danych. Powstała w firmie, która sprzedała Ci media.

Dlatego liczbę produkuje sprzedawca

George Akerlof opisał tę strukturę w 1970 roku. Na rynku, gdzie sprzedawca zna jakość towaru, a kupujący nie, przewidywanie jest konkretne: kupujący płacą średnią, prawdziwa jakość zarabia mniej, niż jest warta, i prawdziwa jakość ostatecznie opuszcza rynek.

Pomiar mediów spełnia tę przesłankę dokładnie. Platforma ma kontrfaktyczny scenariusz, bo platforma zdecydowała, którzy użytkownicy zobaczą reklamę, i dzięki temu wie, którzy z nich i tak by kupili. Reklamodawca ma raport. A raport produkuje strona, która dostaje zapłatę.

Nikt nie musi kłamać, żeby to się zepsuło. Ostatnie kliknięcie, siedem dni od kliknięcia i jeden od wyświetlenia, konwersje modelowane: każde z tych podejść da się obronić osobno. Postaw cztery kanały na ich własnych okienkach i przypisany przychód zsumuje się do więcej niż przychód. Wszyscy są uczciwi, a suma jest fałszywa.

Przewidywanie przełożone na plan mediowy: kanały najłatwiejsze w atrybucji raportują najlepsze zwroty i dostają budżet. Brand search, retargeting, retail media na stronie sieci. Kanały, które realnie tworzą popyt, raportują najgorzej i dostają cięcie, bo szeroki zasięg działa z opóźnieniem i na populacji, której tag nigdy nie widzi. Ten argument prowadziliśmy już przy retail mediach, gdzie raportowane osiem razy zwykle ląduje między jednym a dwoma razy przyrostowo, a konsekwencję dla wzrostu opisaliśmy w tekście o penetracji, nie lojalności. W ciągu dwóch cykli planowania budżet migruje z mediów, które działają, do mediów, które liczą. To jest wyjście dobrej jakości u Akerlofa, tylko z planem mediowym w ręku.

eBay to wyłączył i nic się nie stało

Najczystsza demonstracja ma dwanaście lat i nadal nie dostała odpowiedzi. Blake, Nosko i Tadelis przeprowadzili eksperyment polowy na amerykańskim paid searchu eBaya, który wydawał wtedy 51 milionów dolarów rocznie, wyłączając go na 68 rynkach wobec dopasowanych grup kontrolnych na 60 dni. Praca ukazała się w Econometrice w 2015 roku.

Na frazach brandowych 99,5 procent utraconego płatnego ruchu z kliknięć zostało natychmiast przechwycone przez wyniki organiczne. Reklamy kupowały ruch, który eBay już miał. Dla całego reżimu paid searchu efekt na sprzedaży wyniósł 0,66 procent, z 95-procentowym przedziałem ufności od minus 0,42 do 1,74 procent, co implikuje zwrot z inwestycji na poziomie minus 63 procent z przedziałem od minus 124 do minus 3 procent. Praca odrzuca hipotezę, że kanał dawał jakikolwiek dodatni zwrot w krótkim okresie.

Najważniejsze jest odkrycie wewnątrz odkrycia, to do powtarzania na spotkaniu planistycznym. Efekt był największy u użytkowników, którzy nigdy nie kupili na eBayu, rósł znowu u tych nieobecnych dłużej niż rok i był bliski zera u kupujących regularnie. Pieniądze szły do klientów, których nie trzeba było przekonywać, a pomiar nazywał to sukcesem, bo ci klienci konwertowali.

Pomiar przyrostowości, policzony

Zarzut wobec holdoutów jest zawsze ten sam: nie możemy sobie pozwolić na wyłączenie mediów. Dobrze. Policzmy to.

Holdout geograficzny, policzony	Wartość
Roczny budżet digital	10 000 000
Udział wyłączonych rynków	10%
Czas trwania	6 tygodni
Wstrzymane wydatki	115 000
Założony prawdziwy zwrot przyrostowy	2,0x
Marża kontrybucyjna	30%
Utracona kontrybucja	69 000
Koszt eksperymentu jako udział budżetu rocznego	0,69%

Waluta nie ma znaczenia, każda linia to proporcja. Kontrybucja, a nie przychód, bo przychód nie jest tym, co zostaje - argument, który rozpisaliśmy w tekście o rabacie, którego nikt nie policzył.

Siedem dziesiątych procenta. I to jest wariant najgorszy, ten, w którym wyłączone media realnie działają na poziomie dwóch razy przyrostowo. Jeśli kanał jest przypadkiem brand searchu eBaya, holdout nie kosztuje nic, bo zwraca wydatek. Eksperyment eBaya nie kosztował eBaya pieniędzy. Znalazł kanał pracujący na minus 63 procent.

Wybór nie jest więc między wydatkiem na pomiar a wydatkiem na media. Jest między siedmioma dziesiątymi procenta a błędem, który w opublikowanych eksperymentach sięgał całego zwrotu z kanału.

Jak to liczymy

To praca na styku dwóch naszych soczewek. Digit It odbudowuje stos pomiarowy tak, żeby każda liczba na dashboardzie miała przy sobie trzy nazwane rzeczy: kto ją wyprodukował, jaki był scenariusz kontrfaktyczny i jakie jest pokrycie. Większość stosów przewraca się na pierwszym pytaniu, a pierwsze pytanie jest najtańsze do odpowiedzenia. Cashstream, nasza soczewka portfelowego P&L, stawia liczby, które przeżyły, tam, gdzie należą, czyli przy kontrybucji, nie przy przychodzie, i wycenia eksperyment względem decyzji, której służy. Tak się przepycha test wart 0,7 procent budżetu w pokoju, który właśnie odmówił 3 procent podwyżki budżetu.

Pięć rzeczy do zrobienia, w tej kolejności. Wypisz pokrycie: miks przeglądarek razy wskaźnik zgód. Jeśli wyjdzie w okolicach połowy, każdy raport kanałowy, który czytasz, jest co najmniej w połowie modelem. Zsumuj przypisany przychód ze wszystkich kanałów i podziel przez przychód faktyczny; różnica to nadmiarowe przypisanie, a policzysz je w tym tygodniu bez żadnego nowego narzędzia. Wybierz kanał o najbardziej podejrzanie stabilnym zwrocie, bo stabilność jest sygnałem - prawdziwe media są zmienne, liczenie jest gładkie. Wyłącz go: podział geograficzny, sześć tygodni, 10 procent, i ustal sposób odczytu przed startem, bo na odczycie testy przyrostowości umierają najczęściej. Na koniec zapytaj, kto w organizacji jest właścicielem odpowiedzi. Jeśli strona, która kupuje media, raportuje też wynik, masz problem Akerlofa i żadna praca nad dashboardem go nie naprawi.