Получить отчёт с приростом в процентных пунктах — половина работы. Вторая половина — понять, что с этим делать. Если исследование показало провал (прирост Ad Recall ниже 3 п.п. или отрицательная динамика по Purchase Intent), не спешите винить саму методику измерения. Чаще проблема в одном из трёх мест:
Практический вывод: если Ad Recall высокий, а Purchase Intent не двигается — проблема не в размещении, а в самом предложении или офере. Такое расхождение метрик — сигнал для брифа на новый креатив, а не для увеличения бюджета на ту же рекламу.
Универсального норматива нет — планка зависит от категории и от того, насколько аудитория уже знакома с брендом. Ориентироваться на «хороший результат = 10%» без привязки к рынку — распространённая и грубая ошибка интерпретации.
| Категория | Нормальный прирост | Комментарий |
|---|---|---|
| FMCG | 4–8 п.п. | Высокая конкуренция, аудитория перегружена рекламой |
| Автомобили | 6–12 п.п. | Дорогой продукт, выше вовлечённость в просмотр |
| Финансовые услуги | 3–7 п.п. | Низкое доверие к категории в целом, прирост даётся тяжелее |
По общему правилу, прирост 5–10 п.п. — это хороший результат для большинства категорий, а всё, что выше 15 п.п., можно считать отличным исходом кампании. Но сравнивать автомобильный бренд с FMCG по одной шкале — методологически неверно: у категорий разная базовая узнаваемость и разный порог внимания аудитории.
Google рекомендует обязательно включать в исследование Ad Recall — эту метрику часто недооценивают, хотя она отражает прямое влияние рекламы на память аудитории. Дальше набор метрик зависит от цели кампании:
Главная ошибка при интерпретации — смотреть на одну метрику в отрыве от остальных. Рост Awareness при падении Favorability означает, что бренд стал заметнее, но заметность работает против него. Это не повод для паники, но однозначный сигнал к пересмотру тона коммуникации.
Виртуальный аукцион и разделение на тестовую и контрольную группы — методика надёжная, но не защищённая от внешнего шума. На чистоту результата влияют:
Brand Lift и данные CRM или сайта измеряют принципиально разное, и противопоставлять их — не совсем корректно.
| Параметр | Brand Lift | CRM / данные сайта |
|---|---|---|
| Что измеряет | Восприятие и память аудитории | Поведение уже дошедших пользователей |
| Охватывает тех, кто не кликнул | Да | Нет |
| Скорость получения данных | 3–14 дней (углублённое — 9–14) | В реальном времени |
| Минимальный порог | 2 млн уникальных пользователей охвата | Зависит от трафика сайта |
Правильная связка — использовать оба слоя измерения. CRM покажет, что реклама привела к продаже, Brand Lift объяснит, почему она привела или не привела: сработало сообщение или нет, запомнился ли бренд тем, кто пока не купил.
Технически Brand Lift доступен любому бренду, но экономически он оправдан не всегда. Требование по охвату — минимум 2 млн уникальных пользователей — уже отсекает часть узких B2B-ниш, где вся целевая аудитория меньше этого порога. Минимальный бюджет на десятидневное исследование в Google Ads варьируется от $5,000 до $60,000 USD в зависимости от страны и числа вопросов (1-3 вопроса), что для нишевого продукта с длинным циклом продаж может быть избыточной ценой за инсайт.
Для B2B с узкой аудиторией разумнее опросы через профессиональные панели или собственную базу контактов — они дороже за респондента, но точнее для маленькой выборки. Brand Lift оправдан там, где кампания рассчитана на массовый охват: даже нишевый бренд, выходящий в широкий диджитал, может использовать инструмент, если готов набрать минимальный охват и бюджет.
В основе методики — разделение аудитории на тестовую и контрольную группу через виртуальный аукцион: часть показов рекламы «отдаётся» контрольной группе искусственно, чтобы обеспечить сопоставимость. На опрос приглашаются пользователи из тестовой и контрольной группы, из которых формируется выборка: половина видела рекламу, половина — нет. Дальше сравниваются ответы двух групп по выбранным метрикам, и разница в процентных пунктах и есть искомый lift. Стандартное исследование занимает от 3 до 14 дней, углублённая версия — 9–14 дней и собирает втрое больше ответов, что снижает погрешность и позволяет разбивать результаты по сегментам аудитории.