省钱测量方法论（v1.0）

DEXUN AdWhiz 的核心承诺是「帮你省了多少看得见、可验证」。要让「省钱」这个数字在法律上站得住、在统计上可证伪，关键是用「随机对照」而不是「前后对比」。本页公开我们的测量方法，使其可被复现与审计。

1. 核心思路：增量省钱（incremental savings）

我们不声称「你今年花得比去年少」就是我们的功劳——那可能是季节性、你自己改了投放、或大盘变化造成的。我们测量的是「增量」：在同一时间、同一账户内，让 AI 优化的部分与一个全程不优化、保持原样的随机对照组（holdout）对比，二者的差异才是 AdWhiz 真实贡献的省钱。

2. 定义

• Holdout（随机对照组）：从你的预算 / 广告组中随机留出一部分，AdWhiz 全程不优化、保持原样，作为对照基线，并在整个测量周期内维持。
• 优化组：由 AdWhiz 进行预算优化的部分。
• 单位成本（cost-per-result）：每次转化（或你设定的转化目标）的成本。两组采用同一转化价值口径计算，确保可比。
• 测得省钱（Measured Savings）：优化组相对对照组、在同一口径下测得的单位成本下降，按你的实际花费规模折算为金额，体现在你的工作台。

3. 为什么用随机对照，而不是前后对比

「前后对比」（用了 AdWhiz 之后 vs 之前）无法排除季节性、市场波动、你自己的运营改动等混淆因素，因果上站不住。随机对照组与优化组处于同一时间窗、同一账户环境，唯一的系统性差异就是「是否被 AdWhiz 优化」，因此二者之差可归因于 AdWhiz——这是随机实验，结论可证伪。

4. 行业先例：Conversion Lift

这与 Meta、Google、TikTok 各自的 Conversion Lift / 增量测量是同一套方法论——平台官方都用随机对照来测量广告的增量效果。我们沿用业界公认的因果测量范式，而非自创口径。

5. 数据来源与准据

• 所有成效数据直接通过相关广告平台（Google / Meta / TikTok）的官方 API 获取，不是手工录入或估算。
• DEXUN 善意（in good faith）地依据该等客观数据计算测得省钱。
• 工作台显示的数字为双方约定的测量准据；除显而易见的错误或技术故障外，对双方具约束力。
• 你享有 14 天数据对账权：若善意认为存在显见错误或技术故障，可在数字公布后 14 天内书面申诉，我们将复核并在确认后更正（详见《ROI 省钱保证条款》第 5 条）。

6. 哪些计入 / 不计入「测得省钱」

• 计入：在同一转化价值口径下，优化组相对对照组的单位成本下降所对应的金额。
• 不计入：广告平台的算法 / 政策变化、账户封禁、你自己在 AdWhiz 建议之外的投放改动、季节性大盘波动等非 AdWhiz 可控因素。
• 本方法论测量的是「省下的成本」，不等同于利润、营收或 ROAS 的保证。

7. 数据充分性（建立基线）

统计有效的测量需要足够的转化样本。当转化量过低、或后验置信区间过宽时，工作台会显示「正在建立基线」而非给出一个我们自己都不相信的数字。最低广告花费门槛（见保证条款）正是为了保证测量的统计有效性。

8. 版本化政策

本方法论采用版本化管理。适用于你的版本，以你购买该年度订阅时（或该测量周期开始时）本页公布的最新版本为准。我们不会在你的测量周期内单方面做出对你不利的修改；任何变更均为向前生效（prospective）。