A GA4 cikk után általában kétféle ember létezik. Az egyik végre fellélegzik: oké, most már látom a számokat. A másik meg hirtelen pánikol: oké, most már látom a számokat… és fogalmam sincs, mit kezdjek velük. És most jön a következő szint.
Mert hiába látod, hogy „a kampány hozott 120 konverziót”, a valódi kérdés nem ez. A valódi kérdés az, hogy hoztál-e vele plusz konverziót, vagy csak átcímkézted azt, ami amúgy is megtörtént volna.
Ha még nem raktad rendbe a GA4 alapokat és az attribúció logikáját, itt kapsz hozzá egy gyors kapaszkodót: érdemes tisztázni, hogyan működik a GA4.
Ha most nincs időd rá, simán menj tovább, a lényeget így is érteni fogod.
A cikk üzenete pedig legyen kristálytiszta:
A ROAS nem egyenlő inkrementális hatással.
Nem az a kérdés, hogy „mennyi konverziót látok”, hanem hogy mennyi lett volna kampány nélkül.
1. Mi az az incremental lift, és miért csap be a hagyományos attribúció?
Az incremental lift (vagy inkrementalitás) a marketing egyik legőszintébb kérdése. Nem azt kérdezi, hogy „kapott-e a kampány kreditet”, hanem azt, hogy okozott-e valós változást.
Képzeld el így:
• Ha fut a kampány, van 100 vásárlás
• Ha nem fut a kampány, van 85 vásárlás
• A különbség, a 15 vásárlás, az inkrementális hatás
Ez a 15 az, amiért érdemes volt fizetni. A maradék 85 lehet, hogy amúgy is megjött volna: már ismerték a márkád, már kosárban volt a termék, már keresték a neved, csak épp a hirdetés „ott volt az út végén”.
Na és itt csap be az attribúció.
Az attribúció ugyanis nem „igazság”, hanem modell. Egy nagyon hasznos modell, csak van egy alapvető korlátja: kreditet oszt, nem okozatiságot bizonyít.
Az attribúció logikája tipikusan így működik:
• megfigyeli, milyen érintések történtek a konverzió előtt
• szabály vagy algoritmus alapján kreditet rendel hozzájuk
• majd ebből csinál riportot, csatornaértékelést, ROAS-t, CPA-t
A baj ott kezdődik, hogy a legtöbb marketing rendszerben a „konverzió előtti utolsó érintés” nagyon gyakran a hirdetés. Főleg:
• remarketingnél
• branded kereséseknél
• kuponos kampányoknál
• „last push” jellegű kreatívoknál
És ha a hirdetés az utolsó érintés, akkor szép számokat kapsz. Csak közben nem tudod, hogy az illető hirdetés nélkül is vásárolt volna-e. Az incremental lift pont ezért fontos: kiveszi a sztoriból a „kreditet” és berakja helyette a „mi lett volna, ha…” kérdést.
És ez 2025–2026-ban nem véletlenül lett trend. A nagy platformok is egyre inkább erre tolják a gondolkodást: a Google Ads például külön kiemeli, hogy a Conversion Lift kifejezetten arra jó, hogy megmutassa, hány konverziót közvetlenül a hirdetések váltottak ki.
Sőt, a Google 2025-ös összefoglalójában azt is leírja, hogy a Conversion Lift már alacsonyabb költési és konverziós szinteken is működik, hogy több hirdető tudjon inkrementalitást mérni.
A rövid BOOM-os fordítás: nem csak a nagyok játéka többé.
2. A ROAS-csapda: amikor jó számok mellett sem nő az üzlet
Van egy klasszikus jelenet, amit rengetegszer látunk. A kampány riportja csillog:
• magas ROAS
• olcsó CPA
• szép konverziószám
• a platform szerint „top performer”
A cég kasszájában meg… nem történik semmi extra. Nincs érezhető plusz növekedés. Sőt, néha az van, hogy a profit romlik, mert fizetsz olyan vásárlókért, akiket amúgy is megkaptál volna. Ez a ROAS-csapda.
A ROAS alapból nem ördögtől való. Csak egy dolgot mér: a hirdetési költéshez rendelt bevételt. A gond az, hogy ez a bevétel nem biztos, hogy inkrementális.
A leggyakoribb „ROAS-hazugság” forgatókönyvek:
• Remarketing túlsúly: a kampány a már meleg közönséget zárja le, és közben elviszi a kreditet az organikus, email vagy direkt csatorna elől
• Brand kampány túlmérés: valaki rákeres a márkádra, mert amúgy is megvette volna, te pedig fizetsz a saját nevedért úgy, hogy a riportban ez „extra bevételnek” látszik
• Kuponos „mentőöv”: a vásárló már ott volt a pénztárnál, te meg odadobsz neki egy kedvezményt, és a rendszer ezt a kampány érdemének könyveli el
Ha a ROAS és a ROI még keveredik, itt 3 perc alatt rendbe tudod tenni: ROI vs. ROAS… melyiket érdemes figyelned? Ha most nincs időd, nyugodtan menj tovább, a gondolatmenet így is érthető.
És egy opcionális, „power user” gondolat, ami sok vezetőnél helyre teszi a képet: a marketing nem csak hirdetésből álló költség. A teljes megtérüléshez néha érdemes a komplett befektetés logikáját nézni. Ehhez az AI Boostnál van egy tök jó, lépésről lépésre anyag a ROI-kalkuláció szemléletéről.
A ROAS-csapda ellenszere pedig nem „jobb riport”, hanem kísérlet.
3. 3 inkrementalitás-teszt, amit KKV-ként is meg tudsz csinálni
Itt jön a jó hír: az inkrementalitás mérés nem azt jelenti, hogy adatkutató csapatot kell felvenned.
A lényeg mindig ugyanaz:
csinálsz egy kontroll helyzetet, ahol nem fut a kampány, és összehasonlítod az eredményt.
3.1 Holdout, conversion lift a platformon belül
A holdout logika a legtisztább: a közönséged egy részének szándékosan nem mutatsz hirdetést, és megnézed, mennyivel teljesít jobban az a csoport, aki látott.
A Google Ads a Conversion Liftet kifejezetten úgy írja le, mint inkrementalitási eszközt, ami megmutatja, hány konverziót váltottak ki azok, akik látták a hirdetést.
Mikor jó ez KKV-ként?
• ha van már stabil forgalmad és konverziód
• ha a kampányod nem „mindig mindenkinek” szól, hanem célzott
• ha tudsz 2–4 hétig békén hagyni egy beállítást
A tipikus hiba itt az, hogy a teszt közben elkezded „megmenteni” a számokat. Kicsit emelsz költséget, kicsit cserélsz kreatívot, kicsit módosítasz célzást. Emberileg érthető. Mérési szempontból viszont olyan, mintha futás közben átrendeznéd a pályát, majd csodálkoznál, hogy nem tudod összehasonlítani az időket.
3.2 Geo lift, régiók összehasonlítása
A geo lift lényege, hogy földrajzi bontásban csinálsz kontrollt. Példa:
• Budapest kap kampányt
• Győr és Szeged nem kap kampányt
• összehasonlítod a változást, nem csak a nyers számokat
Ez akkor működik jól, ha:
• a régiók nagyságrendileg hasonlóak
• nincs közben helyi akció, boltmegnyitás, rendezvény, ami felborítja
• a terméked nem nagyon „helyspecifikus”
A geo lift szépsége, hogy sokszor egyszerűbb kivitelezni, mint egy közönség holdoutot, mert nem kell platformon belüli kísérlet, elég a józan struktúra és egy kis fegyelem.
3.3 Switchback, időablakos ki-be kapcsolás okosan
A switchback tesztnél időben váltogatod a kampányt:
• 1. hét fut
• 2. hét nem fut
• 3. hét fut
• 4. hét nem fut
A lényeg, hogy előre megtervezetten csináld, és ne pánikból. Mikor jó?
• ha nincs lehetőséged régiózni
• ha nem tudsz tiszta holdoutot létrehozni közönségben
• ha a kereslet viszonylag stabil, nem „kampánynaptár-függő”
És itt jön egy fontos, fejben rendrakó mondat:
Az A/B teszt logikája ismerős lesz, csak itt a kérdés más: „mi lett volna nélküle?” Ha kell hozzá egy gyors alapozó: Mi az az A/B tesztelés?
4. Mikor érdemes egyáltalán lift tesztet futtatni?
Nem kell minden kampányhoz lift teszt. Sőt, ha mindent egyszerre akarsz megmérni, az a végén pont azt éri el, hogy semmit nem fogsz elhinni. Lift tesztet akkor érdemes futtatni, amikor döntés előtt állsz, és a döntés pénzbe kerül.
Tipikus, jó helyzetek:
• Új csatorna: most először költenél TikTokra, YouTube-ra, Demand Genre, LinkedInre
• Nagy kreatív váltás: teljesen új üzenet, új ajánlat, új célcsoport, új landing
• Remarketing arány kérdés: gyanúsan „túl jól” teljesít a remarketing, és szeretnéd tudni, mennyi benne a valódi plusz
• Brand vs performance vita: a csapat fele márkát építene, a másik fele azonnali leadet akar, és mindenki a saját riportját lobogtatja
A lift teszt itt nem „nice to have”, hanem béketeremtő. Mert nem vélemények vitatkoznak, hanem egy kontrollált összehasonlítás. És ha a lift teszt igazi értékét akarod megérteni, akkor ez a mondat legyen a szemed előtt:
Nem azt méred, mennyit hozott a kampány, hanem azt, mennyit nem lett volna szabad kifizetned.
Ha pedig már tudod, hogy mi inkrementális és mi nem, akkor jön a következő lépés: hogyan oszd el a pénzt úgy, hogy ne rossz helyre tedd. Ehhez kapsz egy erős gondolkodási keretet itt: Így határozd meg, hogy mennyit költesz hirdetésekre.
5. A leggyakoribb hibák, amik miatt „nem jött ki semmi”
Amikor egy inkrementalitás-teszt végén elhangzik, hogy „nem jött ki semmi”, az esetek többségében nem arról van szó, hogy a marketingnek nincs hatása. Sokkal inkább arról, hogy nem olyan környezetben próbáltuk megmérni, ahol ez a hatás egyáltalán tisztán látszódhatna.
Az inkrementalitás-tesztek nem azért buknak el, mert túl bonyolultak lennének, hanem azért, mert marketinges reflexekkel futtatjuk őket, nem kísérleti logikával. Optimalizálni akarunk, belenyúlunk, reagálunk, miközben a mérés pont azt kívánná meg, hogy egy ideig ne csináljunk semmit.
Az egyik leggyakoribb hiba a kevés minta és a túl korai következtetés. Pár nap után ránézünk, tíz-húsz konverziónál már „érzünk valamit”, és dönteni szeretnénk. Csakhogy az inkrementalitás zajos műfaj. Nem lineáris, nem azonnali, és ritkán mutatja meg magát ilyen gyorsan. Ilyenkor nem az a baj, hogy nincs különbség a teszt és a kontroll között, hanem az, hogy még nem is lehetne különbséget látni. Fontos fejben tartani: az, hogy nem látsz liftet, még nem bizonyíték arra, hogy nincs.
Ugyanilyen gyakori probléma a rossz időzítés és a zajos környezet. Lift tesztet futtatni egy olyan időszakban, amikor közben minden más is változik, olyan, mintha mozgó hajón próbálnál vízszintet mérni. Tipikusan ilyen, amikor akciós időszakban mérsz, kampány közben árat vagy landinget módosítasz, változik a sales folyamat, vagy „kicsit belenyúltok”, mert nem tetszenek a számok. Ilyenkor a kérdés már nem az, hogy volt-e inkrementális hatás, hanem az, hogy mi okozta azt, amit látsz, és erre ritkán van tiszta válasz.
Sok teszt azért „nem jön ki”, mert rossz kérdésre keres választ. Az inkrementalitás nem mindig azonnali vásárlásban jelenik meg. Előfordul, hogy egy kampány később csökkenti a PPC költséget, egy felső tölcséres üzenet felmelegít, egy edukációs jelenlét rövidíti a döntési időt, vagy egyszerűen stabilizálja a bevételt. Ha kizárólag last click konverziót vagy azonnali leadet nézel, könnyen arra juthatsz, hogy „nem működik”, pedig lehet, hogy csak nem ott nézed, ahol hat.
És végül ott van a klasszikus hiba: a teszt közbeni belenyúlás. Amikor egy kampány gyengébben teljesít, teljesen emberi reflex segíteni rajta. Célzást mozdítasz, kreatívot cserélsz, költést piszkálsz, landinget módosítasz. Innentől viszont már nem tesztelsz, hanem reagálsz. Az inkrementalitás-teszt nem optimalizálási eszköz, hanem megfigyelés. Ha ezt a kettőt összekevered, a mérés értelmét veszti. A legnagyobb ellenség itt nem a kevés adat, hanem a türelmetlenség.
6. Hogyan használd az eredményt büdzsé-döntésre?
Az inkrementalitás valódi értéke nem a riportban van, hanem abban, hogy könnyebbé teszi a nehéz döntéseket. Nem azt mondja meg, melyik kampány néz ki jobban egy dashboardon, hanem azt, hogy melyik ad hozzá ténylegesen az üzlethez.
Ha egy csatorna vagy kampány pozitív inkrementális hatást mutat, akkor onnantól nem a ROAS az első számú kérdés. Sokkal fontosabb az, hogy ha ide több pénzt teszel, nő-e a teljes bevétel. Ez teljesen más logika. Előfordulhat, hogy:
• egy kampány közepes ROAS-szal is értékes, mert valódi pluszt hoz
• egy másik kampány látványos számokat mutat, de alig változik nélküle az összbevétel
Az elsőt érdemes etetni, a másodikat érdemes visszafogni. Ez az a pont, ahol az inkrementalitás szó szerint pénzt hagy a kasszában.
Ugyanez segít eldönteni azt is, mit érdemes visszavágni vagy újragondolni. Sok kampány jól néz ki riportban, sok konverziót „hoz”, mégsem hoz új vásárlót. Ha egy teszt azt mutatja, hogy egy kampány leállítása mellett alig változik a teljes eredmény, akkor az a kampány nem skáláz, hanem inkább:
• véd
• lezár
• vagy meglévő keresletet terel
Ez nem feltétlenül baj, csak más költségszintet és más elvárást indokol. Az inkrementalitás itt nem kivégzőosztag, hanem realitásvizsgálat.
A skálázás szempontjából pedig óriási különbség, hogy mit tudsz bizonyítani. Ha látod, hogy:
• egy új csatorna valóban extra keresletet hoz
• egy új kreatív nem csak átrendez, hanem növel
• egy kampány nélkül kevesebb lenne az összbevétel
akkor a növelés már nem hit kérdése, hanem kontrollált kockázatvállalás.
7. Inkrementalitás mint gondolkodásmód, nem mint mérési trükk
Az inkrementalitás legnagyobb félreértése az, hogy sokan egy újabb mérési technikaként tekintenek rá. Mintha csak egy eszköz lenne, ami majd „megmondja a tutit”. Valójában ennél sokkal fontosabb szerepe van: átalakítja azt, ahogyan a marketingről gondolkodsz.
Amikor ebben a szemléletben dolgozol, automatikusan máshová kerül a fókusz. Nem minden konverzió lesz egyformán értékes, nem minden kampány célja az azonnali zárás, és nem minden jó szám jelent jó döntést. A hangsúly azon van, hogy történt-e valós változás az üzletben, nem azon, hogy ki kapta a kreditet.
Ez a gondolkodásmód leveszi a nyomást a marketingről is. Nem kell minden kampánynak nyernie, nem kell mindent azonnal bizonyítani, és nem kell minden csatornát ugyanazzal a mércével mérni. Elég azt értened, hogy:
• mi ad hozzá a rendszerhez
• mi épít hosszabb távon
• és mi az, ami csak átrendezi az eredményeket
2026-ban az erős marketing döntések nem attól lesznek erősek, hogy „adatvezéreltek”. Attól lesznek erősek, hogy okozatiságban gondolkodnak, és nem keverik össze a látszatot a hatással.
Összegzés
Az inkrementalitás mérése nem arról szól, hogy bonyolultabbá tedd a marketinget. Arról szól, hogy kevesebb önbecsapással hozz döntéseket. Segít elválasztani a valódi növekedést attól, ami csak jól néz ki a riportban. Ha ezt a szemléletet beépíted, akkor:
• nem a leghangosabb csatorna fog nyerni
• nem a legszebb ROAS dönt helyetted
• nem pánikból vágsz vagy skálázol
• és nem fizetsz újra azért, amit már megszereztél
A lift teszt nem csodaszer, hanem egy nagyon jó kérdés. És 2026-ban a jó marketing döntések mindig jó kérdésekkel kezdődnek.
