Google Meridian 实战访谈下篇：从模型结果到预算决策

在 Google Meridian 实战访谈上篇的回顾内容中，我们讨论了企业为什么不能只看归因来分配预算。MTA、增量实验和 Meridian 解决的是不同层级的问题：MTA 更适合解释短期路径，增量实验更适合验证具体策略，Meridian 更适合回答长期预算分配和跨渠道贡献判断。但理解 Meridian 的价值只是第一步。

对企业来说更难的问题往往在后面：数据条件不够完整时要不要等？社交媒体和 KOL 的贡献能不能被纳入分析？品牌声量是否可以通过模型衡量？模型跑出来之后，企业应该相信到什么程度？一个 Meridian 项目到底需要谁参与，最终如何进入预算会议和经营决策？

本篇文章是触脉咨询 Google Meridian 实战访谈回顾内容的下篇。继续围绕张默宇 Scarlett（主持人，TRUEMETRICS 咨询与分析负责人）与宋天龙老师（对谈嘉宾，触脉咨询副总裁）的对谈，重点梳理 Meridian 从模型理解走向企业落地时，需要重点处理的几个问题。

01.数据条件不足时如何处理？

在对谈中，Scarlett 提到很多企业都会问同一个问题：既然 Meridian 通常需要较长周期的数据，如果当前数据条件不足，是不是应该先等等？

宋天龙老师的回答是要分情况看。如果企业只有几个月的数据，距离最低数据要求差距较大确实很难直接启动 Meridian。但如果企业已经有一部分历史数据，例如一年半左右的数据积累，距离两年周期只差一段时间，那么可以先做一个初步启动，跑一轮结果看看模型结论是否符合预期。这个过程更像一个“最小启动”的平衡空间，而不是非要等所有数据完全齐备。

更关键的是 Meridian 项目本身也可以反过来驱动数据治理。很多企业在推进数据项目时常常会遇到一个问题：业务部门很难单独说清楚“为什么要采集这些数据”。但当企业以 Meridian 这样的业务场景作为牵引，就能更清楚地看到哪些数据缺失会影响模型结果，再反推 IT 或工程团队补充采集、入库和治理动作。

宋天龙老师也提到，贝叶斯框架的优势之一，是可以在数据有限时给出相对合理的估计。这里的关键不在于让模型凭空判断，而是通过先验经验为模型设定更合理的前置条件，弥补部分数据不足带来的不确定性。

但这不意味着所有数据问题都可以被模型消化。如果企业完全没有跨渠道数据，只有一两个渠道的花费和结果；或者媒体、收入、转化数据严重缺失、重复、口径混乱；又或者连基本的 UTM 标记、渠道定义和转化口径都没有统一，这时更应该先补数据基础，再考虑 Meridian。对于数据周期极短、且无法拆分 Geo 的情况，也更适合先积累数据，或使用增量实验等替代方法。

02.Meridian 能否辅助分析社交媒体的贡献？

社交媒体是很多出海企业预算中的重要部分，但它也经常是最难说清贡献的部分。平台后台能看到曝光、互动、点击，但这些指标如何转化为对收入、转化或品牌需求的贡献，并不总是清楚。

在对谈中，宋天龙老师给出的处理思路是：不要笼统地问“社媒能不能算 ROI”，而要先区分社媒的具体类型。

第一类是付费社媒广告，例如 Meta Ads、TikTok In-Feed、YouTube 贴片等。这类投放有明确媒体成本，也受预算驱动，因此可以作为 Paid Media 进入 Meridian，进一步分析 ROI、mROI 和响应曲线。

第二类是官方账号自然传播，例如图文、短视频、互动帖等。这类内容通常没有直接媒体采购成本，因此不适合计算传统意义上的 ROI，也无法用于预算优化。但如果它有曝光、频次或互动数据，仍然可以作为 Organic Media 进入模型，用来分析对整体业务结果的绝对增量贡献。

第三类是 KOL 或红人营销。它的处理方式取决于合作模式。如果是 CPM 推流模式，或者按流量竞价结算，更接近付费媒体，可以进入 Paid Media；如果是坑位费加自然分发，后续主要依赖达人背书和平台算法扩散，更适合作为 Organic Media；如果只有上线时间，没有曝光数据，则更适合作为 Non-media Variable，用来评估阶段性、脉冲式的增量影响。

在数据选择上，对谈中提到优先使用展现量、有效 GRP、去重覆盖人数等更接近触达的指标。对于自然流量或达人内容，也可以构建复合互动指数，例如用 Views、Likes、Comments、Shares 等互动行为组合成一个可进入模型的指标。

也就是说 Meridian 并不是简单把社媒后台指标搬进去，而是先把社媒行为翻译成模型可以识别的变量类型。变量分错了，后续 ROI、贡献率和预算判断都会失真。

03.Meridian如何分析媒体对品牌声量的贡献？

很多企业投放上层漏斗媒体不只是为了当下转化，也希望推动品牌认知、品牌搜索和主动购买意愿。因此，另一个常见问题是：Meridian 能不能用来分析媒体对品牌声量的贡献？

宋天龙老师在对谈中提到这个问题有两种解法。

第一种，是把搜索趋势作为变量放入收入模型。这也是日常更推荐的使用方式。搜索趋势在模型中可能扮演两种角色：一种是控制变量，用来剔除大盘噪音；另一种是中介变量，用来承接品牌广告带来的间接贡献。

作为控制变量时，搜索趋势反映的是行业旺季、品类需求上升等外部变化。例如某个品类天然进入销售旺季，搜索量和销量同步上升，这类变化不应该全部算给广告。

作为中介变量时，搜索趋势承接的是品牌广告激发出来的主动搜索。例如用户看到 TVC、YouTube、红人内容或 PR 后，开始搜索品牌词并进一步完成转化。此时，搜索趋势反映的是品牌广告对后续转化路径的间接推动。

判断搜索趋势应该作为控制变量还是中介变量，可以看三个维度：它发生在广告之前，还是广告之中或之后；它是行业大盘词，还是品牌词；它服务的是收割型搜索广告，还是上游品牌广告。

第二种，是把品牌词搜索趋势本身作为 KPI。这更适合专项研究，也就是把品牌绝对搜索量作为模型因变量，评估哪些渠道真正拉动了用户的主动购买意愿。此时模型衡量的不是销售额，而是品牌主动意图的净增量，更适合评估 YouTube 品牌广告、PR 活动、红人营销等对品牌长效资产的贡献。

对谈中也特别提醒，做这类分析时应使用 Google Ads API 的绝对搜索量，也就是 GQV，而不是直接使用 Google Trends 的 0–100 相对指数。因为后者是相对指数，容易受到其他热点和不同区域尺度影响，不适合直接作为绝对量进入跨区域模型。

04.Meridian 工作原理

到了实操层面，很多企业会关心 Meridian 到底如何工作。这个问题不一定要从公式开始理解，更适合从营销场景出发。

在对谈中，宋天龙老师把 Meridian 的核心概括为：基于贝叶斯分层模型，估计不同处理变量对 KPI 的因果增量效应。换成业务语言，就是模型要尽量回答一个问题：如果没有这项投入，结果会少多少。

这要求模型区分“同时发生”和“由它造成”。有些变化看起来和广告同步出现，但背后可能来自季节、促销、市场趋势、竞品动作或自然需求。Meridian 需要把广告投入这类处理变量，与季节、趋势、GQV 等控制变量或混杂变量区分开来，避免把外部变化误算成广告贡献。

同时，广告效果往往不是当天完全发生的。用户可能先接触广告，过几天或几周后才产生搜索、访问或购买。Meridian 会通过 Adstock 滞后效应捕捉广告的长尾影响。

预算增加也不一定带来同比例增长。一个渠道在早期增加预算可能效果明显，但到达一定规模后，继续增加投入带来的边际回报会下降。Meridian 会通过 Hill 饱和函数识别这种边际收益递减，帮助企业判断渠道是否接近饱和。

此外，Geo-level 地理粒度也很重要。不同地区的投放差异和结果差异可以增加横向观测信息，帮助模型处理不同媒体之间同时投放带来的共线性问题。

贝叶斯先验则让企业已有经验、过往实验结果和行业基准进入模型。它不是让模型迎合主观判断，而是帮助模型在噪音数据中保持业务合理性，避免算出明显违背常识的结果。

05.如何理解 Meridian 的分析结论

Meridian 输出结果后企业最容易问的问题是：这个结果到底靠不靠谱？

宋天龙老师在对谈中提到首先需要调整理解心态。任何模型都不存在绝对正确的标准。Meridian 的结论更适合理解为在当前数据质量、资源、算法、配置和时间条件下得到的局部最优解。

模型给出的是数据层面的估计，后续还需要结合业务判断。比如某段时间模型显示某个渠道贡献变化明显，但业务团队知道同期发生了重大促销、库存变化或品牌活动，而这些变量没有被完整放入模型，那么就需要把这些业务信息补充回去，帮助模型进一步调整。

企业不应该把模型当成自动生成答案的黑箱。更合理的方式是让模型和使用人共同工作：模型告诉企业统计上的增量变化，业务团队补充这期间发生了什么，管理层再判断这些结果是否适合进入预算决策。

在看结果时也不应过度纠结某一个数字是否绝对准确。更值得关注的是趋势和相对差异，例如哪个渠道 mROI 更高，哪些渠道更接近饱和，预算应该往哪个方向调整。

验证结果时可以结合三类方式。第一是模型本身的诊断指标，例如 R²、Adjusted R²、MAPE、残差分析等。第二是利用媒体平台自带的 Lift 实验，验证模型输出的渠道贡献方向是否一致。第三是业务和管理层的直觉验证，如果模型结果和业务认知差异很大，就需要重新检查变量、先验和数据边界。

06.Meridian 项目如何执行

从项目执行角度看 Meridian 可以拆成建模前、建模中和建模后三个阶段。

建模前往往最容易被低估。这个阶段的核心不是简单整理数据，而是明确分析边界：目标 KPI 是什么，哪些渠道进入模型，各渠道可用的媒体数据是什么，哪些非营销因素可能影响 KPI，哪些变化可以算作广告效果，哪些不能直接算作广告效果。

宋天龙老师在对谈中提到，有些渠道可能直接产生效果，有些渠道只是帮助完成“临门一脚”。因此，建模前需要不断结合业务经验判断变量之间的关系，而不是把所有数据放进去让模型自动解释。

建模中，重点是根据前面确定的信息设置模型，识别 Baseline 和控制变量的影响，考虑滞后效应、饱和效应、Geo-level 差异，并设置自定义先验。这个过程需要模型诊断和结果校验，不是跑一次就结束。

建模后，企业要看模型质量，也要看渠道贡献、ROI、mROI、响应曲线和预算优化报告。尤其是预算优化部分，经常需要反复调整。因为企业做预算不是单纯追求数学上的最优，还会有很多现实限制，例如某些渠道预算变化不能超过一定比例，某些渠道有固定费用，某些市场必须保留投入。

因此一个 Meridian 项目实际有两层反复：一层是建模过程本身需要不断调试，另一层是预算分配方案需要根据业务约束反复校准。模型终点不是一份报告，而是帮助企业判断哪些渠道过去带来了增量价值，哪些继续加预算仍有空间，哪些已经接近饱和。

07.落地 Meridian 项目需要什么团队配置

Meridian 看起来是一个建模项目，但在企业内部它不能只交给数据团队。宋天龙老师在对谈中提到，项目通常需要三类角色参与。

第一类是业务团队，尤其是营销团队。业务团队需要提供业务背景，例如投放策略变化、促销节奏、地区经验和渠道认知，也需要把模型洞察转化为具体行动。营销数据不会自己解释自己，某个渠道花费下降，到底是因为预算被动削减，还是团队主动暂停低效投放，这类背景必须由业务团队补充。

第二类是数据科学家和技术团队。数据科学家负责理解模型、设置先验、诊断模型效果，并完成模型迭代和优化。这里不是单纯的 IT 自动化问题，因为建模需要知道为什么这样调参，以及不同调整可能带来什么影响。等模型已经跑通并验证稳定后，IT 团队可以参与，把模型和流程部署到企业内部资源中。

第三类是管理层。Meridian 的输出最终会影响预算调整，而预算调整不是小额操作。因此，总监或 C-level 角色需要参与决策过程，确认模型输出服务于哪类决策，并推动预算方案进入真实执行。

这也是为什么 Meridian 更像一个跨职能项目。它需要业务经验、统计建模、工程化部署和管理层决策共同参与，才能从模型输出走向业务结果。

08.Meridian 的长期价值是从报告变成决策资产

本次分享对谈的最后一个问题是：Meridian 是一次性项目还是长期能力？宋天龙老师提到，企业级落地 Meridian 可以分为三个阶段。

第一个阶段是单次洞察报告。企业可以先选择业务痛点最突出的场景切入，跑一个试点模型，产出可行动的报告，并给出一到两个可以落地的预算调整建议。这个阶段的目标，是用具体结论建立信任。

第二个阶段是常态化运行。企业需要把花费、KPI、控制变量等数据管道自动化，并让模型可以定期重训。报告解读也需要模板化，通过标准报告或仪表盘呈现，让 Meridian 结果成为预算会议的固定输入，而不是每次都依赖手动写报告。

第三个阶段是沉淀为决策资产。这个阶段不只是把模型跑通，而是把 Meridian 方法论融入企业现有的数据流程和 BI 体系中。企业可以进一步部署自助式预算规划工具，让业务团队在不同预算限制和渠道约束下模拟预算分配结果。

更重要的是，企业需要形成“数据、模型、决策、复盘、先验更新”的闭环。增量实验结果也可以持续回流，作为先验校准模型。这样 Meridian 就不只是一次咨询报告，而是逐步变成企业可复用的预算决策能力。

从本次 Google Meridian 实战访谈来看，Meridian 的难点不只在建模本身，数据是否足够、社媒和品牌声量如何进入模型、结果如何验证、项目如何推进、团队如何协同，这些问题都会影响最终价值。

企业不需要等到所有数据都完美才开始思考 Meridian，但也不能忽视基础数据、渠道定义和转化口径。更现实的路径是从可启动的场景切入，用模型发现数据缺口，再逐步补齐治理、团队和决策流程。当 Meridian 从一次分析报告进入预算会议、渠道复盘和增长决策，它才真正开始发挥价值。

触脉咨询已开放 《Google Meridian 营销衡量白皮书》 纸质版预约。白皮书将在上下篇回顾之外，进一步系统梳理 Meridian 的基础概念、数据要求、建模逻辑与企业落地路径。感兴趣的读者可扫描二维码获取，纸质版将根据预约信息安排寄送。