营销归因，先过地理实验这一关

你发现某城市销量上涨，同时广告预算也增加了。广告团队说是投放奏效，财务团队却可能反问：会不会只是公司早知道旺季要来，所以提前加了预算？这正是营销归因最难验证的地方。投入与销量一起变化，不等于前者造成了后者。

Niklas Heusch 的两项工作试图把这件事拆成一套可检验的流程：先用随机化地理实验为因果关系打锚，再把实验产生的完整时间序列用于校准营销组合模型；同时提供一套故意加入“内生投放”的合成数据，让模型面对已知答案考试。这里的所有效果数字都来自作者的合成实验，尚无第三方复现或真实业务数据验证。

预算为什么会骗过模型

营销组合模型（Marketing Mix Model，MMM）用按周或按月汇总的销量、广告投入、价格和季节等数据，估算各渠道贡献，并辅助分配预算。它尤其适合无法逐个追踪用户的广告。

麻烦在于，广告预算很少随机产生。企业会在促销期和预期旺季加投，竞价系统也会追逐近期表现。于是，推高预算的因素往往也在推高销量。这叫内生投放——投入本身受到需求和业绩信号影响。只看历史时间序列，模型很难判断究竟是广告带来销售，还是销售前景带来广告。

而且，广告效果不只看“投了多少”。一次投放的影响可能延续数周，这叫 adstock，也就是广告滞后；投入不断增加时，每一元新增预算带来的效果又可能越来越小，这叫 saturation，也就是饱和。MMM 通常用三个参数描述这些变化：adstock decay $\alpha$ 表示影响衰减多快，saturation $\lambda$ 表示边际回报何时开始明显下降，effectiveness $\beta$ 表示整体效果强弱。

别把一场实验压成一个数字

地理实验（geo-experiment）把城市、门店区域或媒体市场随机分为处理组和对照组，再改变处理组的投放。论文讨论的典型做法是 go-dark test：测试期内把处理组某个渠道的投入降到零，对照组照常投放。随机化切断了预算与需求之间原有的纠缠，给广告增量提供一个因果锚点。

常见分析会把整场实验压成一个 ROAS。ROAS 是广告支出回报，即增量收入除以增量投入。它能回答“这次投放平均带回多少钱”，却丢掉了更有价值的时间结构。

Heusch 的关键改动，是保留处理组和对照组每一周的销量与投入，再对两组结果作差。按论文的设定，两组除了被测试渠道的投入不同，季节、价格、其他渠道和未观测需求冲击都由随机化保持平衡，因此相减后会抵消。剩下的差异，就可以直接与两组的广告投入以及 $\alpha$、$\lambda$、$\beta$ 联系起来。

直觉上，这像观察两个原本同步行驶的车队，只让其中一队松开油门。速度差何时出现、多久消失，可以告诉你惯性有多强；在不同速度下多次松油门，又能看出动力响应是否逐渐变钝。

实验开始时，处理组停止投放。如果销量差距很快拉开，说明过去投放留下的影响衰减较快；如果差距缓慢扩大，说明广告余效更长。测试结束、投放恢复后，差距闭合的速度又提供一次判断。多场实验若覆盖不同投入水平，投入差与销量差的关系还能帮助识别饱和曲线。论文把不同实验整理成可堆叠的观测，从而共同估计同一渠道的参数。

一场带答案的归因考试

真实市场没有“正确答案”，所以第二项工作构造了一份合成零售数据。它覆盖 156 周和三个媒体渠道，并让预算通过四种机制形成：季度预算反馈、促销日历前的提前加投、排期式电视投放，以及追逐近期表现的算法投放。

这不是把随机预算塞进一个简单销量公式。生成器还加入季节、质量、价格和未观测市场情绪，并用 geometric adstock（按固定比例逐期衰减的广告滞后）和 logistic saturation（投入增加后逐渐变平的饱和曲线）生成广告效果。每周销量的真实因果分解被保留下来，同时另给模型一套带测量误差的可观测变量。配套程序还能模拟 go-dark 地理实验；所谓 exact treatment effects，指模拟器知道自己写入的真值，并不表示真实实验没有误差。

第一篇论文用这套数据测试付费搜索渠道。作者模拟了四场地理实验，每场包括 4 周实验前、4 周停止投放和 8 周冷却期。四场实验的对照组周均投入分别约为 5.4 万、12.9 万、6.4 万和5.7 万欧元，合计覆盖约 4.3 万至19.4 万欧元的广告滞后投入范围。

合成数据中的真实 ROAS 是 4.20 倍。使用三年观察数据和常规控制变量的 MMM 给出 10.61 倍，90% credible interval（贝叶斯分析中参数落入该范围的后验概率为 90%）为 6.56 至14.36倍。即使把生成过程中的真实混杂因素交给“oracle controls”模型，估计仍为 8.41 倍，区间为 6.91 至9.81倍。

相比之下，结构估计使用两场地理实验时得到 4.31 倍，区间为 3.87 至4.75倍；汇集四场实验后得到 4.14 倍，区间缩至 3.79 至4.48倍。两种设置都覆盖真实值。按作者解释，观察模型仍会受追逐当周随机表现的竞价算法，以及生成过程与线性控制项不完全匹配的影响。

参数层面也能看出时间序列的价值。真实 adstock decay 为 0.20；四场实验的估计中心为 0.19，90%区间为 0.09 至0.28。常规 MMM 则估到 0.50，区间为 0.34 至0.63。实验前、停投和冷却阶段完整保留了差距形成与消退的轨迹，因此衰减速度比只看总 ROAS 更容易辨认。

真正值得关注的是验证链

这两项工作的价值，不只是又提出一个归因模型。它们把“校准”和“验收”接到了一起：地理实验提供随机化产生的因果变化，结构估计从完整轨迹中提取滞后、饱和与效果强度，合成基准再检查这些参数能否找回已知真相。

这也改变了地理实验的角色。过去，一场实验常被压缩成一个 ROAS 点估计；现在，同一批数据还可能告诉模型效果持续多久、在哪个投入区间开始变钝。多场实验可以汇集，提高精度，并覆盖更宽的投放范围。作者还提出三种接入完整 MMM 的方向：把实验估计作为先验，把实验差分直接加入联合似然，或先估实验渠道、再对剩余销量建模。论文目前只展示了单渠道的独立结构估计，尚未实证比较这三种整合路径。

局限与未知

• 证据全部来自合成数据，而且生成与估计都采用 geometric adstock 和 logistic saturation。若真实广告的滞后或饱和形状不同，结果可能变化；目前没有真实业务验证或第三方复现。
• 反应曲线只在实验覆盖的投入区间内贴近真值。超出约 4.3 万至19.4 万欧元的测试范围后，曲线开始发散；大幅扩张预算仍依赖函数形式，不能把区间内的成功直接外推。
• 方法要求处理组与对照组之间没有地理溢出，参数在多场实验期间保持稳定，并且实验足够长、投入水平足够多样。短测试可能看不清广告衰减，只在相近预算上做实验也难以辨认饱和。作者称生成器、固定实例和复现全部数字的 notebooks 已公开，但材料未提供仓库链接，亦未见独立核验。