Ads Performance Analytics 是一套面向付费媒体数据解读的纪律性方法，定位为“数据团队导师的实战手册”，目标是让人在阅读付费媒体看板时不欺骗自己。看板是付费媒体决策的关键时刻，上面的数字决定扩量、维持还是砍掉某个广告活动，而这些数字也暴露了每个平台的自我归因偏差、建模转化捷径和跨平台重复计算。该技能假设广告活动在策略上合理、创意已正确测试，难点在于理解每个数字真正意味着什么、不意味着什么，以及如何将平台报告指标与数据仓库中的真实情况对账。
适用时机：当你准备基于平台指标扩量、砍掉或重新分配预算时；将平台报告与收入数据对账时；评估代理机构的报告时；或构建一个不会说谎的付费媒体看板时。该技能不覆盖付费媒体策略、创意制作或平台特定工具，这些由其他技能或集成微站处理。
可信结果面板应暴露的九项内容：花费、展示、点击（基础指标，跨平台应在四舍五入范围内一致）；转化数及其定义和归因窗口可见；归因分解（末次点击、浏览归因、建模）；频次（每独立用户展示次数，疲劳预警）；受众饱和度；时间序列（日度分解以识别新奇效应、疲劳、星期模式和外生波动）；以明确货币标注的成本指标（CPC、CPM、CPA、ROAS，并定义算法）；转化路径数据；筛选、细分和导出功能。平台会隐藏使其报告显得最弱的数据，例如 Google PMax 隐藏关键词和版位数据，Meta 隐藏建模转化占比，LinkedIn 隐藏跨设备点击路径，这些隐藏指标正是需要深挖之处。
平台报告与现实：每个平台的看板都被优化为让平台显得有效，这是结构性激励而非道德缺陷。转化窗口不同导致同一活动报告数字不同；浏览归因常占报告转化的一半，应视为认知贡献信号而非直接响应测量；建模转化是统计猜测而非测量，可用于方向但不可用于精度；自我归因偏差导致所有投放平台都声称转化是自己的，平台之和总是大于实际转化。纪律是：绝不在董事会材料中把平台报告数字当作事实，始终与唯一事实来源对账。
归因模型实践：六种模型加一种反模式，没有一种绝对正确。末次点击简单可复现但低估认知；首次点击相反偏差；线性平均分配，适合董事会报告以避免政治争议；时间衰减给近期触点更多权重；U 型（基于位置）首尾各 40%、中间 20%，兼顾开启和收尾角色；数据驱动归因（Google DDA）基于机器学习，不透明难审计；营销组合建模（MMM）基于回归、自上而下，需要 2 年以上数据，是抵御平台自归因的最强手段。反模式是信任平台报告的归因。实践指导：早期用末次点击加一个护栏指标；中期用 Google DDA 加 GA4 并明确标注认知与收尾渠道；成熟期用 MMM 作为增量参考，MTA 用于在途优化，末次点击用于可接受模糊性的渠道级决策。
多平台对账：陷阱是各平台报告转化之和远超仓库数据。对账模式：信任仓库的总转化和总收入；信任平台内部的相对排名；绝不信任平台之和；计算混合 CAC 时用跨平台总花费除以仓库中的新客户总数。董事会报告模式：报告仓库归因的转化数，绝不报告平台之和；报告混合 CAC，而非渠道级 CAC，除非明确标注为平台自归因。
ROAS 与 LTV 的时间跨度陷阱：ROAS 是短期指标，LTV 是长期指标。基于 ROAS 的决策可能错误，如果各渠道 LTV 不同。示例：Meta 以 40 美元 CAC 驱动 2.5 倍 ROAS、80 美元 LTV，生命周期回报 2.0 倍；Google 以 60 美元 CAC 驱动 1.8 倍 ROAS、200 美元 LTV，生命周期回报 3.3 倍。Google 在 ROAS 上看起来更差，在 LTV 调整后回报上更好。修复方法：按获客渠道做队列 LTV，每季度更新，用回本周期或 LTV-CAC 比率比较渠道，而非原始 ROAS。复合陷阱：绩效团队为短期 ROAS 优化，品牌和高 LTV 渠道因短期 ROAS 较低被砍，六个月后品牌管道侵蚀，短期 ROAS 本身也因廉价渠道饱和而下降。
队列分析与日度指标：日度指标告诉你今天发生了什么，队列分析告诉你今天的客户是否与上个月不同。三种队列切分：按获客月份（3 月获客用户是否比 1 月留存更好，滚动获客队列 LTV 下降意味着近期获客质量降低，日度指标会在两三个月后显现）；按获客渠道（渠道级队列分化是 LTV 与 ROAS 争论的数据基础）；按获客活动。行动信号：连续两个月队列 LTV 下降是警报，应在日度指标迫使你之前暂停渠道或活动。
绩效指标中的统计噪声：大多数“活动周环比提升 15%”的故事是噪声。真实绩效变化在自然波动 10% 到 20% 的指标中需要 30% 或以上。噪声来源：星期效应、假日和季节效应、天气新闻竞争对手活动、像素触发和报告延迟。修复方法：在得出结论前预先承诺测试时长，使用实验分析纪律来声称任何方向性变化是真实的。
增量性测试：诚实的问题是，如果我们没有投放这个广告，是否仍会获得该转化？高于零的部分就是增量贡献。大多数付费媒体是 30% 到 70% 增量，而非 100%。品牌搜索竞价通常 5% 到 20% 增量，再营销通常 20% 到 40% 增量，潜在客户开发通常 50% 到 90% 增量。四种方法：地理留出（最干净的因果测试）；Google 的 Conversion Lift 研究和地理或留出实验（“幽灵竞价”是增量测试文献术语，不是 Google Ads 可开启的功能）；Meta 的转化提升研究（将受众分为测试组和对照组）；PSA 测试（向部分用户展示公益广告而非你的广告）。纪律是至少每季度对最高花费渠道运行增量性测试。
地理实验和留出：地理留出（关闭一个地区的付费媒体，测量基线自然转化，差异即增量付费贡献）；地理提升（将一个地区花费扩大 2 倍，看转化是否线性扩展，线性意味着有空间，次线性意味着饱和）；切换（交替周开启和关闭活动）；前后分析（弱设计，仅在其他测试不可用时使用）。正确设置：匹配市场、预先统计功效计算、预先承诺分析窗口。陷阱：因时间相关收入提升而称地理测试成功，例如 10 月启动的活动会因 Q4 开始而看到“提升”，没有对照地区则提升不能归因于活动。
平台自归因偏差：机制是平台像素在转化时触发，平台声称功劳，用户可能从任何渠道转化，最后加载像素的平台在自己的看板上获得功劳。平台奖励这种设计，因为看板上更多功劳等于更好看的 ROAS 等于更多广告主花费。检测模式：当平台报告转化超过仓库归因转化 30% 以上时，存在严重重复计算；当平台报告之和超过仓库总转化时，存在跨平台重复计算。修复方法：仓库作为董事会报告的权威来源，平台报告作为在途优化参考。