广告产品指南
低成本、高转化的广告到底怎么做?有哪些你还不知道的广告产品?飞书深诺推出广告产品指南系列文章,让你快人一步,欢迎持续关注,收看广告产品指南系列内容。
过去两年,随着人们对企业如何使用个人隐私数据的关注,广告行业发生了一系列的变革:监管结构正在实施数据隐私保护法律,Apple推出iOS14协议,Google预计最早将于2023年淘汰Cookie的使用等。
这些变化会造成广告主无法掌握更多的广告优化数据,导致广告成效表现下降。在日常的投放中,我们经常面临以下困扰:
“广告表现极不稳定”
“广告组投递不出去”
“CPA过高,不得不停止投放”
“长期处于机器学习中,怎么办”
针对以上困扰,Meta提出S4S理论,即Structure For Scale,优化广告账户结构,回归基础,提高成效。
Meta广告竞拍的广告原理
在Meta广告竞拍的广告原理中,预估操作率决定了如果向用户展示广告,实现预期成效的可能性有多大,预估操作率由Meta广告投放系统完成,帮助广告主优化广告成效。广告每展示一次,投放系统都将更加了解最佳目标受众、展示广告的最佳时机以及要使用的版位和创意等信息。广告展示次数越多,越有助于投放系统优化广告表现。广告系统在探索广告组最佳投放方案的过程,即机器学习阶段。
机器学习阶段
机器学习阶段针对广告组的设置进行了解探索,当广告组的表现稳定后,便会结束机器学习阶段。通常而言,当广告组在 7 天内收到的优化事件达到约 50 次后,即为表现稳定。值得注意的是,当广告主对现有广告或广告组做出重大修改时,即会重新进入机器学习阶段。
在机器学习阶段,广告投放尚未优化,因此广告组的表现通常不够稳定,且 CPA 往往处于较高水平。下图展示了机器学习阶段对 CPA 的影响。*
当机器学习阶段花费的预算较少时,花在稳定表现上的预算占比往往更高,CPA 则更低。相比在机器学习阶段花费约 80% 预算的广告主,在机器学习阶段花费约 20% 预算的广告主获得的转化量提高 17%,CPA 降低 15%。*
*此数据来源于Meta官网
如何查看账户机器学习状态?
账户层级:账户概览,可查看机器学习阶段的整体概览,以及广告花费占比和投放建议。
广告组层级:检查工具,可查看机器学习阶段的趋势,以及影响机器学习阶段的要素。
机器学习阶段账户花费占比与建议
机器学习阶段花费占比较高的原因
在日常的投放中,以下行为均会导致机器学习阶段花费占比较高。
1)广告系列和广告组过度细分;
2)频繁进行手动编辑;
3)广告设置中的限制因素和缺乏转化事件。
机器学习阶段花费占比较高的解决方案
Structure For Scale,优化广告账户结构,回归基础,提高成效。共有三大秘籍:整合、减少、放宽限制。
整合,整合广告组,简化广告架构,收集尽可能多的信号,更快地退出学习阶段。当每一个广告组每周超过50个转化阈值时,广告组才能退出学习阶段,如果广告主一次性投放的广告组过多,每个广告组的投放频率都将降低。这意味着,在投放系统充分优化表现之前,能够结束机器学习阶段的广告组将减少,而由此花费的预算会增多。广告主整合广告组时,广告投放学习成果也将一并汇总。
广告组最大数量的设置逻辑
成功案例:某国内头部出海服装品牌,经过飞书深诺优化师的账户诊断,发现广告的结构设置比较分散,并且经常调整预算花费。为解决这一问题,深诺优化师建议暂停不必要的广告组,减少广告组之间的受众重叠,整合预算。通过优化后,该品牌在广告学习阶段的预算花费占比降低40%,CPA降低58%。
减少,减少手动编辑的频率,仅做少量更具策略意义的调整,避免机器学习阶段重置。手动编辑是导致广告组未能结束机器学习阶段的主要原因之一。对广告系列、广告组和广告进行的某些编辑可能导致机器学习阶段重新开始。以下更改将导致广告组重新进入机器学习阶段:
广告系列 | 广告组 | 广告 |
预算 | 受众定位 | 任何更改 |
竞价金额 | 优化事件 | _ |
竞价策略 | 版位 | _ |
_ | 新增创意 | _ |
_ | 预算 | _ |
_ | 竞价金额 | _ |
_ | 竞价策略 | _ |
_ | 暂停超过7天 | _ |
放宽限制,放宽竞价、预算、定位、版位、转化事件的限制。避免出现设置受限和转化量低的情况。
1)预算低。要结束机器学习阶段,广告组必须在 7 天内收到至少约 50 次优化事件,因此广告组必须为此设置充足的预算。如果您设置的预算过低,则广告投放系统将无法据此准确判断应针对哪些人群优化广告投放。同时,Meta也建议使用广告系列预算优化(CBO),实现同一笔预算在多个广告组之间的最佳分配。
2)竞价或费用上限低。如果您使用的是竞价上限、目标费用、费用上限或设有广告花费回报保底的价值优化等带有限制性的策略,则广告组可能无法在 7 天内获得约 50 次转化,最终导致无法结束机器学习阶段。
3)受众规模小,放宽受众定位并增加版位。当受众规模越大时,广告组越容易获得足够多的转化,从而顺利结束机器学习阶段。值得注意的是,系统会默认启用细分定位拓展功能,请保持此功能开启。
4)如果不能使用自动版位,则至少应启用6个版位,以充分发掘Meta旗下各平台的强大功能。常态化启用的8个版位:Facebook 动态消息、Instagram 动态消息、Facebook 视频动态、Facebook 快拍、Instagram 快拍、Messenger快拍、Facebook Reels、Instagram Reels。
5)转化事件发生频率低。如果转化事件发生的频率低于每周 50 次,请考虑优化其他发生频率更高的事件。例如,如果一周内“购物”事件少于 50 次,则考虑针对“加入购物车”事件进行优化。
成功案例:某国内头部手机品牌,在广告设置时存在版位过度拆分情况,单个广告组仅投放一个版位,系统优化空间严重不足,长时间停留在广告学习阶段,账户机器学习阶段花费高达60% 。经过深诺优化师的诊断与建议后,合并多个广告组,使单个广告组下不少于6个版位,充分发掘系统优化空间。通过优化后,该品牌在广告学习阶段的预算花费占比降为18%,CPA降低78%。
附上S4S决策树,帮助判断机器学习预算占比过高的原因,进而针对性优化广告账户
以上,就是本次的分享内容啦!希望大家的广告早日度过学习期,转化多多!
还想了解更多Meta广告投放、运营布局等更多干货吗?飞书深诺资深优化师为你解析!欢迎私信留言 “Meta” 获取更多Meta独家解决方案~
或在下方评论你想知道的有关广告优化/Meta营销的资讯,下期内容你来定