本文談的是跨管道的預算配置。單一管道內的素材與活動優化，Measured 與 Polar Analytics 都把它歸給歸因處理，不在本文範圍。
歸因報表記 40% 貢獻，持出測試量到 14% 增量
Measured 在 2026 年 7 月 8 日發布的持出測試說明頁，記錄了一家專業零售商的型錄案例。這家零售商過去一直用最終接觸歸因評估型錄成效。
這次測試把品牌的活躍顧客名單隨機分成測試組與對照組，對照組在測試期間收不到型錄。比較兩組的購買行為後，型錄在收件者中帶來 14% 的增量營收提升，遠低於型錄供應商歸因報表宣稱的 40% 貢獻。兩個數字一個是歸因記給型錄的貢獻，一個是收件者的增量營收提升，不是同一個指標。該頁稱，品牌之後把型錄寄送對象調整到價值較高的顧客分群，測試結果也被餵回品牌的 MMM。
這個案例用的是已知受眾分組。同一頁把持出測試分成兩種：已知受眾分組適用 email、型錄、簡訊這類 CRM 管道；地理分組適用 CTV、社群開發型投放、付費搜尋這類廣泛投放的管道。
Measured 在 2026 年 9 月 13 日發布的 MMM 與多觸點歸因比較指南裡，舉了一家電商零售商的地理持出測試。三種投放被歸因高估或低估的幅度差很多：
Meta 再行銷被歸因記功的轉換中，約 39% 是增量，被歸因多算約 2.6 倍；Meta 開發型投放約 93% 為增量，歸因接近準確；Google 非品牌搜尋開發型投放約 128%，代表平台少報。
超過 100% 的意思是，這項投放帶來的增量轉換比歸因記給它的還多。
該指南的解釋是，即使資料完整，多觸點歸因也只記功給出現在轉換路徑上的接觸點，而下層漏斗、點擊型管道幾乎出現在每一條路徑上，因為它們離購買最近。不常產生可追蹤點擊的上層漏斗媒體，則長期被少記功勞。
歸因、增量測試、MMM 各自回答哪個問題
Measured 的決策樹指南把分工寫成一句話：歸因用於戰術執行，MMM 用於策略規劃，incrementality testing（增量測試）用於驗證因果。
該指南也稱，行銷人最大的錯誤是拿歸因來分配預算，或是沒經過增量驗證就相信 MMM。
| 工具 | 回答的問題 | 需要的資料 | 適用時機 |
|---|---|---|---|
| MMM | 預算該怎麼跨管道分配 | 1.5 到 2 年的每週花費與營收 | 季度的策略預算分配 |
| 多觸點歸因 | 單一管道或旅程內發生了什麼 | 乾淨的第一方點擊資料 | 日常的管道戰術優化 |
| 增量測試 | 這個管道是否真的增加營收 | 一個能執行的地理或受眾持出測試 | 最終的因果檢驗 |
Polar Analytics 稱三者是「three lenses, not rivals」，意思是三個鏡頭，不是對手。該文還寫道，三個鏡頭說法不一致時，不一致本身就是訊號。Polar 本身也販售 MMM 與增量測試產品。
什麼時候三種都要用？Measured 的決策樹用年度行銷支出分級：低於 100 萬美元，建議歸因加每年 1 到 2 次增量測試；100 萬到 500 萬美元，在歸因之外，每年針對花費最大的幾個管道做選擇性增量測試。
500 萬到 2,000 萬美元，再加入每季增量測試與年度 MMM，三種方法都已用上，該指南稱這是 MMM 投資報酬明顯轉正的拐點；2,000 萬到 5,000 萬美元，則是完整的三角量測（Full triangulated approach）。
除了預算規模，該指南也按單次決策的風險分級：單次重新分配 100 萬美元以上或進入新市場，要先用增量測試驗證再放大；重大轉向、年度計畫答辯這類董事會層級的決策，則要 MMM、增量測試與歸因三方對齊。
同一份指南的決策路徑 D 另稱，預算超過 500 萬美元、進入新市場、大幅調整管道或要向董事會報告時，就要用 MMM、增量測試與歸因三方交叉。
為什麼 MMM 要用實驗校準
Measured 在 MMM 與多觸點歸因比較指南中稱，傳統形式的 MMM 量的是媒體花費與銷售之間的相關，不是因果。
Polar Analytics 則寫道：
Media mix modeling output is a hypothesis until you test it.（MMM 的輸出，在實際測試之前都只是假設。）
該文也承認，MMM 以相關性為基礎，有點像黑盒子，擅長給策略方向，卻不適合當定案的證據。該文寫道，MMM 給的是方向，精準不到每一塊錢；對全新管道不擅長，花費波動很大時也會失準。宣稱自家 MMM 很精確的廠商，該文稱是在說故事。
促銷與缺貨是另一個陷阱。Polar Analytics 轉述操作者的經驗稱，全站促銷讓營收暴增卻與媒體無關，缺貨看起來就像需求崩跌，不標記出來，模型就會學錯。
Burkhard Berger（Novum 創辦人）發表在 Ranktracker 中文部落格的文章稱，沒有實驗驗證，模型會誤導你，誤差有時高達 50% 以上。該文未說明數字來源。
Measured 主張的做法是因果 MMM，也就是用增量實驗校準的 MMM。該公司在比較指南裡這樣描述校準：
Test results anchor the model’s estimates to experimental reality, so the MMM extends causal ground truth across every week and every channel, not just the ones under active test.（實驗結果把模型的估計錨定在實測上，讓 MMM 把因果基準延伸到每一週、每一個管道，而不只是正在測試的那幾個。）
用 GeoLift 地理持出測試檢查模型建議
Polar Analytics 建議的順序是：先跑模型，得到各管道的邊際 ROAS，投入真預算前再用增量測試驗證。Polar 把這套流程濃縮成「Model recommends, experiment confirms.」，也就是模型建議，實驗確認。
該文推的是自家 Causal Lift 產品，用 GeoLift 地理持出測試確認模型看好的管道是否真的帶來增量營收。做法是在部分地區停掉某個管道，其他地區照常投放，量出真實的提升。
地理持出測試是在部分地區停掉某個管道、其他地區照常投放，比較兩邊的結果來估算這個管道的增量貢獻。Measured 把它列為適合 CTV、社群開發型投放、付費搜尋等廣泛投放管道的分組方式。
動手前先確認資料夠不夠。Polar Analytics 稱，可用的 MMM 大約需要 1.5 到 2 年的週資料，最少約 52 個週觀察值，管道越多需要的歷史越長。該文也提到操作者常見的情況：品牌在相對穩定的管道組合下投放約 18 到 24 個月後，通常就有足夠乾淨的資料。其他來源的門檻不同：Burkhard Berger 的文章稱至少要一年半的週資料；ALM Corp 則稱建立 Meridian 模型至少要兩年的週或日資料。
測試頻率方面，Burkhard Berger 在 Ranktracker 部落格的文章建議，每年針對主要管道做 2 到 3 次簡單測試：在某個地區暫停廣告數週，其他地區照常投放，看測試區銷售掉多少，再把結果回饋給模型。Measured 的決策樹則建議年度行銷支出低於 100 萬美元的品牌，每年做 1 到 2 次增量測試。
模型和實驗結果不一致時怎麼辦，兩個來源的說法不同。Burkhard Berger 的文章稱，模型預測與實驗數據的偏差應控制在 30% 以內，超過就採信實驗結果。Polar Analytics 則稱，MMM 與持出測試不一致時不要挑一邊站，要去調查，因為這個衝突透露了兩個鏡頭單獨都看不到的事。
至於預算要動多少，Burkhard Berger 的文章給了一條規則，該文稱適用於多數中小品牌：投放超過曲線拐點的管道削減 10% 至 15%，資金不足的管道增加 15% 至 25% 的測試預算，其餘本季不動，下季再檢查。
Google 把 MMM 的使用門檻往下拉，建模門檻還在
ALM Corp 報導，Google 在 2026 年 2 月 19 日宣布推出 Scenario Planner，這是開源 MMM 平台 Meridian 的無程式碼介面，讓行銷人不寫程式就能試算預算情境、預估 ROI。
該文也寫明，無程式碼只適用於用模型做規劃，不適用於一開始建立模型；建立 Meridian 模型仍要寫 Python、做統計診斷與模型驗證。該文另引述 Harvard Business Review Analytic Services 的研究稱，將近 40% 的組織難以把模型輸出轉成可執行的商業決策。
談決策流程的還有 MMM 服務商 Analytic Partners，它的報告介紹頁開場文案這樣寫：
In 2026, marketing leaders aren’t constrained by a lack of data – they’re constrained by slow, fragmented decisioning.（2026 年，行銷主管受限的不是數據不足，而是緩慢又破碎的決策流程。）
這句是介紹頁的開場文案。介紹頁稱，報告取自一份當時即將發布的 2026 State of Commercial Decisioning Survey，受訪者是行銷、財務與分析部門共 455 位主管。
另一個工具在 Google Analytics 裡。Google Analytics 說明中心的「跨管道預算企劃書」目前是 Beta 版，說明頁列出幾個前提：
- 僅限付費管道，預算結果不含自然管道。
- 模型採用貝葉斯迴歸，主要輸入是資源的以資料為準歸因歷來資料，並用 12 個月的資料訓練以考量季節性。
- 需要至少一年、來自至少兩個管道（Google 與非 Google）的廣告活動資料，非 Google 管道的資料可用資料匯入功能上傳。
- 模型受 Meridian 啟發，但說明頁提醒，不應期待與 Meridian 得到一致的結果。
- 這項工具僅用於規劃，不影響已連結帳戶的預算或支出。
說明頁寫明，這個預算工具的主要輸入是 GA 資源的以資料為準歸因資料，模型會再結合從資料中學到的信號。
第一節 Measured 在單一電商零售商的地理持出測試裡看到，歸因多算了 Meta 再行銷、少算了非品牌搜尋開發型投放；該指南稱，這種誤差不是隨機的，固定高估離轉換最近的戰術、低估上游創造需求的戰術。
銷波快觀點：先承認後台數字只是其中一個鏡頭
我們在診斷行銷數據下滑時，習慣先把原因分成兩類。一類是素材、文案、銷售頁這種可以直接控制的；另一類是競爭對手、社群氛圍、整體環境這種控制不了的。MMM 增量校準其實是把這套分類放大到整個預算層級：模型幫你把季節和大環境拆出去，剩下那塊是否真由廣告帶來，交給實驗確認。
我們自己踩過一個坑。排內容優先順序時，一開始照既有點擊排，看起來很合理。後來用 DataForSEO 查了搜尋量才發現，最大的市場從來沒被碰過，所以它的點擊當然是零。用「現在有什麼」排序，等於讓過去的錯誤決定未來的順序。MMM 也有同樣的風險：從來沒被加碼的管道，模型就看不到它的潛力。實驗是唯一能把這個盲區打開的方法。
還有一塊是連歸因都看不到的。顧客可能已經在 ChatGPT 或 Perplexity 的對話裡看過你，你卻完全不知道。這類接觸點不會出現在轉換路徑上，只會在持出實驗的營收差裡留下痕跡。
我們的判斷是：GA 預算工具的主要輸入是歸因資料，它的建議同樣值得用持出測試對照。
回到最基本的結構：一個流量技術加一個轉換技術，就是一個完整的收單機制。預算分配的問題，說穿了就是流量那一層該把錢放在哪裡。我們的建議是，先別急著買模型，先把最花錢的那一個流量管道做一次持出測試。
結論：先用一次持出測試檢查最花錢的管道
Measured 的型錄案例裡，持出測試量到收件者的增量營收提升為 14%，遠低於供應商歸因報表宣稱的 40% 貢獻。
Measured 與 Polar Analytics 都主張 MMM 要用增量實驗驗證。ALM Corp 稱 Scenario Planner 的無程式碼只適用於用模型做規劃；GA 跨管道預算工具（Beta）的主要輸入則是歸因資料。
能先做的事有兩件。第一，照 Polar Analytics 的建議，把每個管道的花費與營收按週整理成一張表，不留缺口。資料量的門檻各來源說法不同：Polar Analytics 稱最少約 52 個週觀察值，Burkhard Berger 的文章與 ALM Corp 分別稱一年半與兩年。第二，挑花費最大的管道做一次持出測試；Measured 的決策樹建議年度支出低於 100 萬美元的品牌每年做 1 到 2 次增量測試，100 萬到 500 萬美元的品牌則每年針對花費最大的幾個管道測試。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
- Measured：What is a Holdout Test in Marketing?measured.com
- Measured：MMM vs. Multi-Touch Attribution: Which Should You Use in 2026?measured.com
- Measured：Incrementality vs. Attribution vs. MMM: A Decision Tree for What to Use Whenmeasured.com
- Polar Analytics：Media Mix Modeling for Ecommercepolaranalytics.com
- Ranktracker（Burkhard Berger）：小型品牌如何利用媒體組合建模優化支出ranktracker.com
- ALM Corp：Google Launches Scenario Planneralmcorp.com
- Google Analytics 說明中心：跨管道預算企劃書（Beta 版）support.google.com
- Analytic Partners：5 Forces Shaping Marketing Budget Decisions in 2026analyticpartners.com
