主要是读这篇基于AB实验的边际ROI增长分析实践 的随笔记。

传统ROI计量

一些营销活动中的传统的ROI的计算方式是：

• 拉新ROI = LTV / CAC = 用户生命周期价值/平均获客成本
  • 买量类拉新策略评估使用。
• 促活ROI = GMV / RotalRecallCost = 促销活动期间的总销售额/促销活动的总成本

最明显的是，这种方式至少会存在一种问题，即无法剔除自然增长所带来的效果，比如历史数据显示ROI经常随季节行情大幅波动，像电商类广告主在双11期间ROI会特别高，而游戏类广告主在寒暑假期间ROI会有一定幅度的增长。

基于AB 实验，改进的 边际ROI

Avg是人均函数，该公式核心是通过设置对照组剔除自然增长的作用，从而精算出实验组策略的增量效果，降本增效背景下只有ROI>100%才有可能保证利润为正

两者对比

从基于AB实验的边际ROI标准出发，要想计算边际ROI，核心是在随机实验组之外增设一个不投广告的对照组，同样是随机分配。该对照组虽然不投广告，但是仍然会有自然获客和新用户付费收益。

综合来看，实验组3虽然朴素ROI最高（达514%，但是剔除掉对照组的自然增长后，实际的边际ROI只有38%，某种意义上是烧钱赚吆喝，而实验组2的边际ROI是145%，它和实验组1才是打正的策略。
综上，边际ROI可以准确地剥离出自然增量的干扰，准确计算出广告预算带来的实际额外收益，更适合应用于复杂的实际商业环境。