利用 AI 做出更明智的决策，显著提升 ROI

简言之，增量衡量的是营销活动对应用 KPI (如安装量、IAP 等) 的实际影响。

传统的增量监测涉及对照组和测试组。 这种方法会向测试组投放推广活动，对照组则不投放。 通过比较两组的表现，营销人员可以确定推广活动产生的增量提升。

然而，对于营销人员来说，A/B 测试可能成本高昂且耗时。 此外，随着各类隐私法规的出台，要开展详尽的增量 A/B 测试变得越来越难。

我们的 AI 驱动型增量分析由预测模型和基于行业基准的独有模拟对照组提供支持。 Adjust 客户只需如常开展营销活动，而 Adjust 则对照相似应用 (即对照组) 分析推广活动表现。 由此产生的数据可以预测客户未更改测试变量 (预算、渠道等) 时的营销表现。这种增量监测方法无需基于特定用户的分群，可以灵活适应未来的行业变化。

媒体组合模型通过研究过去的销售情况来确定哪些因素推动了销售的发生，以此分析营销活动效果。组合是指对产品、价格、渠道和促销进行综合评估。 本质上，MMM 可以向营销人员展示广告效果，而营销人员可以将所学到的知识应用到未来的推广活动中，持续提高投资回报率 (ROI)。 MMM 的问世早于 cookie 和归因等技术，是帮助营销人员确定哪些渠道对用户获取 (UA) 最为有效的最早手段。 我们认为，这一做法将是后设备 ID 时代移动数据分析领域不可或缺的一部分。

营销中的预测型数据分析是一种由数据驱动、借助预测模型实现的推广活动优化方法。预测模型是指基于历史数字营销数据集对未来表现做出准确预测的统计和计算技术。近来，预测型数据分析工具经常利用机器学习技术来构建预测模型。 预测型数据分析可以帮助应用营销人员以数据为基础制定清晰的效果指标和 KPI，从而改善营销效果监测。 准确预测客户行为和推广活动成果有助于更精确地评估营销活动和 ROI。