《Google Meridian 营销衡量白皮书》即将发布：从增量贡献到预算决策

过去十多年数字营销衡量很大程度上建立在用户级追踪之上。企业通过 Cookie、设备标识符和平台数据，试图还原消费者从广告接触到最终转化的路径。

但今天这套基础正在发生变化。随着隐私保护不断加强、第三方 Cookie 可用性下降、跨站追踪受到更多限制，以完整用户路径为基础的营销衡量越来越困难。与此同时，消费者的购买路径却变得更加复杂：一次转化可能同时受到 Social、视频内容、品牌搜索、效果广告、价格、促销、季节变化和市场需求等多种因素影响。

企业即使拥有越来越多的数据，也越来越难只依靠单个平台回答几个看似简单的问题：

• 这些增长，到底有多少真正是营销带来的？

• 品牌、Social、KOL 等很难追踪到最后一次点击的投入，到底创造了多少价值？

• 一个渠道过去 ROI 很高，下一笔预算还应该继续加吗？

• 当每个平台都显示自己的效果很好，下一阶段预算究竟应该怎么分？

营销衡量正在从“哪个渠道带来了这次转化”，逐渐走向一个更接近经营决策的问题：什么真正推动了业务增长？

这也是营销组合模型（Marketing Mix Modeling，MMM）重新受到关注的重要原因。与依赖用户级身份和转化路径的归因方法不同，MMM 从更长的时间周期和整体业务结果出发，将媒体投入、业务 KPI 以及其他可能影响业务表现的因素放入统一分析框架，估计不同营销活动对业务结果产生的增量影响。Google Meridian 正是在这一背景下推出的开源 MMM 框架。

从企业真实问题出发

形成这份 Meridian 白皮书

在长期服务中国出海企业的数据分析与营销衡量项目中，触脉咨询（TRUEMETRICS）反复观察到一个共同挑战：当企业同时经营多个市场和渠道，营销组合中既包含效果广告，也包含品牌、Social、KOL 等上层漏斗投入时，单一平台报表和传统渠道归因越来越难完整解释不同营销投入的真实贡献，也难以进一步支撑跨渠道预算决策。

当企业进一步采用 MMM 和 Meridian 进行营销衡量时，这些问题会从“怎么看渠道表现”，进一步延伸到数据、建模和决策层面：

• 现有数据是否具备 Meridian 建模条件？

• Search、Social、品牌和 KOL 等不同营销动作应该如何定义和进入模型？

• KPI 与 Baseline 应该如何选择和评估？

• 如何判断渠道贡献、ROI 及其他模型输出是否可信？

• 如何将模型结果进一步应用于渠道评估和下一阶段预算分配？

而真正落地 Meridian，还涉及业务问题定义、数据基础评估、变量设计、先验设置、模型诊断、业务校验，以及如何将分析结果进一步转化为预算决策。白皮书也将这些环节视为 Meridian 从建模前到建模后的完整应用路径。

触脉咨询长期为中国出海企业提供数据分析与营销衡量相关的咨询和实施服务，同时也是 Google Meridian 官方认证合作伙伴。围绕 Meridian，触脉的服务不仅覆盖模型搭建，还包括前期业务问题与数据可行性评估、变量和模型设计、结果诊断与业务校验，以及预算应用和后续企业部署，帮助企业将 MMM 从一次分析进一步转化为可持续使用的营销决策能力。

基于这些长期项目经验，以及企业在实际应用 Meridian 过程中集中出现的关键问题，触脉咨询将相关研究、判断框架与实操方法系统整理为：《Google Meridian 营销衡量白皮书》

这份白皮书重点围绕 Meridian 从建模到决策的关键环节展开，帮助企业建立一条更完整的营销衡量路径：识别不同营销投入的真实增量贡献，提升模型设定与结果评估的可信度，并进一步将渠道贡献、ROI、mROI 和响应曲线等分析结果应用于预算与营销决策。

白皮书速览：三个典型问题

看 Meridian 如何处理复杂营销场景

01｜为什么 Search 容易拿走上游媒体的贡献？

这是一个非常典型的营销衡量问题。

消费者可能先看到 YouTube 品牌广告、KOL 内容或者其他上游媒体，随后产生兴趣，主动搜索品牌，最后再通过付费 Search 完成购买。

如果只看最后的转化路径，Search 很容易获得这次转化。但真正需要回答的是：用户为什么开始搜索？

如果搜索需求本身就是此前的品牌广告、视频或内容营销创造出来的，那么只看 Search 数据就可能低估上游媒体的真实影响。这也是为什么白皮书专门用一个章节讨论 Search Trend（搜索趋势）。

搜索趋势并不是一种可以直接套用的变量。根据它反映的是市场自然需求，还是被营销活动激发的搜索行为，在模型中可能承担完全不同的作用。

• 作为控制变量（剔除大盘噪音）：如果它反映的是旺季、节日或品类需求等原本就存在的市场变化，更重要的作用是帮助模型解释“即使没有这次广告，市场本身也可能增长多少”，即建立自然增长基准线（Baseline）。

• 作为中介变量（捕捉间接功劳）：如果搜索需求是在品牌广告、KOL 或其他上游媒体之后被激发出来的，那么它又可能成为营销影响消费者的一条中间路径。白皮书正是从因果时间、搜索数据性质和媒体场景三个维度讨论这一判断

因此，Search ROI 很高，并不意味着企业应该机械地得出：“Search 就是最有效的渠道。”

真正的问题是：Search 获得的转化中，有多少来自本就存在的市场需求，又有多少承接了上游营销创造的需求？

如果这个问题没有处理好，大盘自然增长或上游媒体的贡献，就可能被错误地计算到靠近转化末端的渠道上。这是白皮书中关于搜索趋势的一部分，完整内容还进一步进入数据探索、变量选择和模型训练等实际操作问题。

02｜Social、KOL 和内容种草，贡献应该如何衡量？

Social 是另一个长期困扰营销团队的问题。

一边是 Meta、TikTok、YouTube 等付费 Social；另一边是品牌官方账号、自然内容、达人合作和 PR。这些动作都会影响消费者，但它们的数据结构、成本形式和传播方式完全不同。

所以 Social 衡量最容易犯的错误之一，就是把复杂的 Social 营销活动简单用一列 Spend 来代表，然后直接交给模型。

白皮书首先做的就是把 Social 重新拆开。

• 对于付费 Social，既要保留明确的媒体成本，也要判断 Impressions、Reach、Frequency 等哪些指标更能代表实际媒体执行量；

• 对于 Organic Content，需要判断什么数据真正能够代表内容传播；

• 对于 KOL，则需要结合合作模式、成本数据和传播数据判断它应该如何进入模型；

• 对于 PR 或其他活动，也可能需要采用不同于标准媒体渠道的变量处理方式。

也就是说：Social 很难被简单视为一个单一渠道变量，它实际上包含一组业务属性不同的营销动作。

进一步到数据层面问题还会更加复杂。比如，企业在大促期间的 Social Spend 增加了，但如果 CPM 同时大幅上涨，花费增加并不意味着消费者实际看到的广告同比增加。这时候，Spend 可能就不是最能反映媒体刺激强度的数据。企业还需要考虑 Impressions、Reach、Frequency，甚至针对自然内容的互动数据应该如何进入分析。

还有另一个非常实际的问题：Paid Social 和 Organic Social 往往会一起上涨。品牌增加付费推广后，自然讨论和官方账号流量也可能被同步带动。如果把两个高度相关的变量直接放进模型，就可能很难区分各自的贡献。

白皮书因此进一步讨论了 Paid 与 Organic 的共线性，以及如何通过残差化（Residualization）这一数据特征工程，剥离Paid Social的推波助澜，识别出依靠内容爆发带来的纯 Organic 净增量送入模型，解决方差膨胀（VIF飙升）的技术难题

企业真正需要解决的并不是：“Meridian 能不能算 Social？”而是：到底应该用什么变量，才能让模型尽可能接近 Social 真实发生的业务过程？

03｜什么样的 Meridian 结果，才能真正用于预算决策？

这是 Meridian 从“技术项目”进入“业务决策”最关键的一道门槛。代码运行成功并不等于模型结果可信。企业真正需要判断的是：

• KPI 有没有选对？

• 哪些渠道应该进入模型？

• 哪些外部因素可能影响业务结果？

• 先验是否合理？

• 不同媒体之间是否存在严重共线性？

• Baseline 是否符合企业自己的业务结构？

• 模型输出是否稳定，渠道贡献和 ROI 是否符合统计结果与业务逻辑？

白皮书用了相当篇幅讨论 KPI、Baseline、先验和模型诊断。例如 Baseline，它不是简单告诉企业“有多少销售跟营销无关”，而是帮助企业理解：在模型中的营销处理变量回到基准状态后，企业依靠长期趋势、季节性、市场需求、品牌基础等因素，仍然可能形成多少业务结果。

一个成熟品牌拥有较高的老客占比、复购率和自然品牌需求，Baseline 与一个高度依赖广告获客的新品牌自然不会相同。所以 Baseline 并不存在一个适用于所有企业的统一“标准比例”，它的合理水位要结合业务阶段、复购结构、品牌资产和市场环境判断。

判断 Baseline 是否合理需要结合新老客结构、留存复购、品牌搜索、Direct Traffic、产品生命周期等实际业务指标进行交叉验证。白皮书也专门讨论了 Negative Baseline Probability 等诊断方式，用于进一步排查可能存在的过度归因问题。

因此模型结果能否进入业务决策关键取决于两件事：一是统计结果本身是否稳定，二是这些结果能否与企业真实的业务表现相互验证。只有经过充分诊断和业务校验，渠道贡献、ROI、Baseline 等结果才具备进一步支持预算判断的价值。

对于营销团队而言，需要判断结果是否符合真实业务背景；

对于数据团队而言，需要判断模型假设、诊断结果和输出是否稳定；

对于管理层而言，最终关注的是：这套结果能否形成比单个平台短期 ROAS 更稳定的预算判断依据？

从 ROI 到 mROI

如何判断下一笔预算的增量空间？

前面的所有问题最终都会指向同一个决策：下一阶段预算应该怎么调？

这也是 Meridian 和很多常规营销报表最明显的区别之一。企业不仅需要知道过去发生了什么，还需要判断：继续增加预算，还有多少增长空间？这里需要同时理解 ROI、mROI 和 Response Curve。

• ROI 更接近回答：过去这笔投入整体值不值。

• mROI 则进一步回答：在现在这个预算水平上，再增加一部分投入还能产生多少额外回报。

• 响应曲线则让企业看到一个很重要的事实：营销投入和业务结果并不是永远线性增长的。

随着预算不断增加，一个渠道可能逐渐接近饱和，新增预算带来的回报开始下降。白皮书因此把 ROI、mROI、响应曲线和饱和度放在同一组预算效率指标中讨论：历史 ROI 很高，不代表下一笔钱还应该继续投这里。

一个已经投入很多的成熟渠道，即使历史表现优秀，也可能已经进入边际回报下降的区域。另一个历史 ROI 没那么突出、但仍有扩量空间的渠道，反而可能在新增预算上带来更高的边际收益。

Meridian 最终不是为了找出一个：“永远最好的渠道”。而是帮助企业判断：在当前营销组合下，下一块预算放在哪里，更有可能创造新的增量？

当然，模型也不能替企业直接做经营决策。企业实际的预算决策，还需要结合品牌与效果目标、市场变化和实际预算执行情况进行判断。模型给出的预算建议，需要重新回到真实业务环境中理解和使用。

这也是为什么 Meridian 的终点不是一份漂亮的 Budget Optimization Report，而是把模型结果和企业真实业务条件结合起来，形成能够持续使用的预算决策机制。

从数据准备到长期决策

Meridian 的完整应用路径

前面关于 Search、Social 和模型可信度的讨论，只是 Meridian 落地过程中几个典型问题。完整的《Google Meridian 营销衡量白皮书》围绕企业应用 Meridian 的完整路径展开，内容分为三个层次：

第一步，理解 Meridian。  从传统归因的局限出发，解释 MMM 与 Meridian 的核心逻辑，以及增量贡献、ROI、响应曲线等概念分别能够回答什么业务问题。

第二步，把 Meridian 用对。  进一步进入实际建模过程中最容易影响结果的关键环节，包括搜索趋势、Social 与 KOL 的变量处理、KPI 与 Baseline 的选择，以及先验、模型诊断和业务校验。

第三步，让模型结果进入决策。  在模型结果可信的基础上，将渠道贡献、ROI、mROI 和响应曲线进一步用于预算判断，并讨论企业如何通过持续的数据更新、模型校准和内部协作，把一次分析逐步沉淀为长期营销衡量能力。

白皮书最终希望建立的是一条完整路径：把真实的业务问题转化为可以被模型分析的数据、变量和假设，再把模型结果转化为企业能够使用的营销与预算决策。

对于正在重新评估多渠道营销贡献、探索 MMM / Meridian，或已经开始建模但希望进一步提高结果可信度和决策价值的企业，这份白皮书提供了一套从数据准备、变量判断、模型评估到预算应用的完整参考框架。

如果您正在负责市场、品牌、增长、营销分析，或者正在参与企业内部 MMM / Meridian 项目，非常建议您扫描二维码获取完整白皮书。