Incremental

Incremental 是一個專為 commerce media 打造的因果智慧平台，以每日衡量、最佳化與規劃，取代 ROAS 與最後點擊歸因，協助品牌與代理商找出真正驅動銷售的因素，並決定下一步預算配置。

概覽

Incremental 是一個專為 commerce media 打造的因果智慧平台。其既定目標是以每日因果衡量取代 ROAS 與最後點擊歸因，呈現真正驅動銷售的因素，以及下一筆預算應該投入何處。

此產品是為需要在單一系統中完成衡量、最佳化與規劃的企業級 commerce media 團隊、品牌與代理商而設計。根據網站說明，Incremental 可獨立於零售商、媒體銷售方與競價平台運作，並在 campaign、SKU 與 line item 層級提供輸出。

特色

具 commerce 感知的衡量

衡量 marketplace 與零售商動態，例如搜尋排名、競品定價、buy box 擁有權，以及評分與評論，同時也考量影響發現與認知的外部媒體。

因果衡量與每日報告

使用多種推論框架與因果技術，將投資與銷售成果連結起來，並提供活動與 SKU 層級的每日資料。

媒體工作流程中的最佳化

在既有的購買工具內使用自動化建議訊號，並直接支援與 Skai、Pacvue、Flywheel 和 WPP Open 的整合。

情境規劃與預測

在投入預算變動前測試預算與通路情境，幫助團隊估算不同配置選擇對銷售的影響。

commerce graph 基礎

將 digital shelf 資料、全通路零售資料與媒體資料整合為單一 commerce graph，使產品、促銷、庫存與貨架情境都納入模型。

持續學習循環

持續重新訓練模型，並以每日方式比較短期預測與實際結果，以維持輸出最新。

使用案例

增量效果衡量
在需要更可問責地了解哪些因素帶動銷售時，使用此平台以因果增量效果取代零售商、活動與 SKU 層級的最後點擊報表。
活動最佳化
使用建議引擎在 Skai、Pacvue、Flywheel 或 WPP Open 等工具內最佳化媒體支出，讓團隊無需改變工作流程就能採取增量訊號行動。
預算規劃與預測
在承諾支出之前，使用因果情境模型比較預算移轉、通路變更與支出門檻，特別是在規劃未來活動或季度配置時。
commerce 診斷
使用 commerce graph 連結貨架狀況、促銷、庫存、定價與媒體成效，協助理解產品為何轉換或未轉換。
品牌與代理商協作
將平台作為品牌與代理商之間共享的規劃與衡量層，讓需要跨零售商與通路的單一因果視角的團隊共同使用。

Pros and Cons

Pros

將衡量、最佳化與情境規劃整合於單一平台。
採用每日因果學習，而不僅依賴歷史歸因。
加入零售與 digital shelf 情境，不只看媒體資料。
支援在既有媒體購買工作流程中直接使用。
定位為中立的第三方層，而非媒體銷售方。

Cons

公開來源中沒有定價頁面，且在提供的來源集合中回傳 404。
網站未在彙整頁面上公開完整的整合清單或技術需求。

FAQ

Incremental 是做什麼的？

Incremental 被描述為 commerce media 的因果智慧層。它運用直接整合、commerce graph 與整合式因果模型來衡量增量效果，並將訊號回傳到媒體工作流程中。

Incremental 如何連接資料與工作流程？

來源指出，它可透過與零售商和媒體平台的直接整合來連接資料，且也支援匯入自有資料。它可以將輸出傳送到媒體購買平台、內部資料湖，或每日電子郵件。

它提供哪些類型的輸出？

Incremental 提供活動與 SKU 層級的每日資料，支援細化到 line item 層級的報表，並將建議輸送到 Skai、Pacvue、Flywheel 與 WPP Open 等平台。

網站上有公布定價嗎？

定價頁面回傳自訂 404，因此來源未顯示公開定價。現有證據顯示其採用銷售主導、以展示型 demo 為導向的模式。

它適合哪些人？

網站將 Incremental 定位為適用於 commerce media 團隊、品牌與代理商的工具，這些使用者需要因果衡量、最佳化與規劃，而不是最後點擊報表。

Quick Facts

類別: Commerce media 的因果智慧
主要使用者: 品牌、commerce media 團隊與代理商
交付頻率: 每日報告與重新訓練
工作流程: 衡量、最佳化、規劃與預測
來源網域: incremental.com
定價: 未公開列出；定價頁面回傳自訂 404