假设审片桌上摆着六条新视频：有人换了开头，有人重写了卖点，音乐、出镜人、产品演示和行动号召也一起变了。投放一周后，第二条的归因转化最好。下一轮该复制什么？团队往往答不出来。
问题不只是“测试没做好”，而是这六条片从一开始就没有被生产成可测量广告创意。它们能上线，却不能留下可复用的判断。
对跨境品牌来说，这个区别正在变得更重要。2026 年 10 月 5 日，Uber Advertising 宣布把美国餐饮广告主的 Sponsored Listings 增量测量，从 Uber Eats 内的销售扩展到线下餐厅消费。方案把原有测试—对照实验与 Affinity Solutions 的去标识、汇总银行卡交易数据结合起来。它只证明 Uber 推出了这一特定产品，不证明所有平台、行业或广告都已经解决了跨渠道增量问题。但它释放出一个值得采购方注意的信号：媒体平台开始尝试回答“广告是否创造了原本不会发生的生意”，而不只是“哪次点击拿到了转化功劳”。
先分清两个问题
归因回答：一笔已发生的转化，按规则记给哪个广告、渠道或点击？
增量测量回答：如果没有这次广告干预，哪些转化原本不会发生？
前者适合日常报表、渠道优化和事件回传；后者需要可信的反事实——对照组、地区留出、匹配市场或其他能估计“没有投放会怎样”的方法。IAB 与 IAB Europe 在 2025 年 11 月发布的《Guidelines for Incremental Measurement in Commerce Media》把实验、模型反事实、计量经济模型和混合代理指标放在不同的因果强度与适用范围里比较。它的现实意义不是让每家公司都做随机对照实验，而是提醒品牌：方法的严谨度必须与要做的决定相匹配。
如果团队只是想判断两个开头哪个更能留下观众，平台内的方向性测试可能够用；如果要据此决定是否增加一个市场、渠道或大笔预算，就需要更强的对照、更稳定的干预和更长的观察。
创意 brief 也应是一份实验说明
Google 的官方实验指南反复强调几个朴素原则：先写清假设和业务目标；一次只改变一个变量；开始前确定指标；实验期间不要随意改动基线；结束后保存学习记录。这些原则并不能自动把测试变成增量研究，却能先解决制作端最常见的污染。
ONCE 建议把准备测试的每组素材定义为一个“可测量创意单元”，至少包含六项：
| 字段 | 采购时要写清什么 |
|---|---|
| 决策假设 | 结果会改变哪一个真实决定，例如继续使用“问题演示”开头，还是改用“结果展示”开头 |
| 单一创意变量 | 本轮只变一个可辨认因素：开头、产品动作、证据表达、优惠或行动号召 |
| 固定基线与处理版本 | 哪一版是基线，哪一版是处理组；文件名、市场、语言、版位和上线日期如何对应 |
| 反事实与测量负责人 | 由谁确定平台实验、地区留出、匹配市场或仅做方向性比较；谁拥有最终解释权 |
| 观察窗口与干预日志 | 何时开始和结束；期间预算、受众、落地页、价格、库存发生过哪些变化 |
| 学习记录 | 结果支持什么、不支持什么；下一轮要保留、放大或重新验证哪个变量 |
这六项不是为了给普通剪辑增加表格，而是为了让制作、投放与数据团队使用同一套版本事实。尤其当 AI 可以在很短时间内生成几十个变体时，变量纪律比变体数量更稀缺。相关的权限、审批、变更记录和退出机制，可继续参考 ONCE 此前的自动创意系统六项控制权。本文增加的是“怎样让变化本身可测量”。
四个问题，足以让一个漂亮结果失效
第一，是否同时改变了多个创意变量？ 开头、音乐、演员和价格一起变，即使处理组胜出，也很难把结论写进下一份 brief。
第二，基线是否在测试期间漂移？ 控制组换了预算、落地页或受众，比较的已不是同一个问题。
第三，对照是否被其他渠道污染？ 被留出的地区同时看到了同一促销的达人内容、邮件或线下活动，差异就不能只归因于这一组广告。
第四，数据量是否足以支持原本的决定？ 没有显著差异、区间过宽或转化太少时，正确结论可能是“暂时无法判断”，而不是挑一个看起来更高的数字宣布胜者。
品牌应在测试前约定这些失效条件。否则，项目复盘很容易把随机波动包装成创意洞察。
报价不只算每条片，也要算每个可解释学习
传统报价常把成本除以视频条数。但十条彼此差异过大的片，可能只产生一次无法解释的排名。更适合持续投放团队的比较方式是：
每个可解释创意学习成本 =（策略设计 + 素材制作 + 测试媒体 + 数据接入 + 分析 + 版本治理）÷ 完成且能够支持行动的测试数量
这里的“完成”至少意味着：有可信的基线或对照、处理版本稳定、观察条件有记录、结果能推动一个明确决定。公式中的每一项都应使用项目真实报价和实际投入，不应套用所谓行业平均。
这个模型也会改变制作公司的毛利逻辑。只靠批量剪更多版本，单位价格很容易被压低；如果能负责假设拆解、模块化拍摄、版本治理和学习归档，交付物就从“更多文件”变成了“更高质量的决策资产”。但测量设计和统计判断应由有相应能力的一方负责，制作团队不能把整齐的命名当成因果证明。
不是每个账户都需要做增量实验
可以按三档采购：
- 短期、低量级、低风险。 只做方向性创意比较。控制一个变量，保留版本记录，不声称因果增量。
- 稳定投放、有足够转化。 使用平台实验或合格测量伙伴，在固定窗口内比较基线与处理组。让结果服务于具体的创意或预算选择。
- 多市场、常态化、预算决策重大。 把地区留出、匹配市场或其他增量方法纳入年度测量设计，同时管理跨渠道污染、季节性、价格和库存变化。
OpenAI 当前的广告测量文件也提供了一个好例子：Pixel、Conversions API、点击归因和建模可以提升转化报告质量；其官方公告同时把基于地区的增量实验描述为仍处于早期合作阶段。两类能力可以共存，但不能互相冒充。
下一次采购素材时，不妨把“要几条视频”改成三个问题：这批素材要改变哪项决定？每次只允许哪个变量变化？结果将被记录到哪一份下一轮 brief？
如果这三个问题没有答案，更多素材大概率只会制造更多报表。真正能积累的，不是一次胜出的文件，而是一条在未来仍能被复用、被质疑、也能被重新验证的创意学习。
核心来源
- Uber Advertising，《Sponsored Listings Cross-Channel Incrementality》，2026 年 10 月 5 日。
- IAB / IAB Europe，《Guidelines for Incremental Measurement in Commerce Media》，2025 年 11 月 3 日。
- Google Ads Help，《Test with confidence with the Experiments page》《About Conversion Lift》，本轮于 2026 年 10 月 6 日核验。
- OpenAI，《Conversion Measurement》《Building advertising for the way people use AI》，本轮于 2026 年 10 月 6 日核验。
