日耗 $5000 之后再往上推，ROI 从 8 掉到 6——掉的不是运气。这篇把"越投越难"拆成六层：账户、素材、产品、网站、归因、利润。前四层是同一个病根的显影，后两层是规模的放大镜。先诊断完，再谈破局。

不会写代码，我搭了个每天自动更新的广告日报，连前几天的数据变了它也会回头改。

Meta 把一切并进 Advantage+，Google 把一切并进 AI Max，平台内的执行层正在被收走。年中盘点：真正的投放策略只剩三个旋钮——预算怎么分、信号喂给谁、素材怎么分工。四个品类的实测分配，从 1:9 到 5:5。

账户收敛——1-2 个 Campaign、大预算 CBO——已经是共识。但 Advantage+ 的作业有两行：结构收敛喂学习，素材发散喂筛选。5 条相似素材在系统眼里只有 1 条候选。这篇讲清楚为什么，以及什么才算有效的发散?

AI Agent 不是未来，已经是现在.

常规海外营销获客打法的钱花在哪、直播，新玩法的信任与承接、下一波需求在哪？

AI 让素材月产量翻三倍，素材寿命却从 6 周缩到 2 周——出图越快，越快地重复自己。

每年GML都会发布很多新功能。

我有个朋友在做净水器独立站，滤芯的变体设了四个，3只装、4只装、5只装、6只装。他做这个设计的时候是有逻辑的，产品页上写得很清楚，一只滤芯使用寿命6个月，2年有效期。满打满算，你需要4只，刚好用完。他以为4只装会是主力，没想到数据跑出来，3只装卖得最好。他一开始以为是定价问题，然后调了价格，还是3只装最好。又以为是页面展示顺序的问题，调了顺序，还是3只装。后来他跟我讲这件事，我俩研究了一会儿，得出一个让我们都有点不舒服的结论，客户知道3支不够用，他们就是不想现在多花那个钱。这玩意其实早就有人研究透了这个故事，要从一个行为经济学家在《经济学人》官网闲逛说起。

AI 能帮投手出图、上广告、做竞品分析，但素材数量翻倍不等于效果翻倍。

一条完整的Facebook广告转化链路是这样的。

经常有人问，接手一个数据差的广告账户，怎么优化提升？今天复盘一个真实案例：我是如何在3个月内，把一个ROAS长期卡在2的账户，一步步优化到5的。我把整个过程总结为打地基、搭框架、做决策三个阶段，共9个关键动作。在2026年，因为生成式搜索（AI Overviews）抢走了泛流量，隐私沙盒屏蔽了第三方数据，Google的AI Max让操作越来越黑盒。让我越来越意识到 高ROAS不再源于微操，而源于架构。数据基建层：决定账户的生死（这一层做不好，后面所有优化都是假动作。）01. 转化追踪：一切优化的罗盘接手账号的第一件事，先去看看代码装没装对。

用Claude + MCP管理Facebook广告两个多月，经常有读者问：ChatGPT能不能也这么玩？这两天我亲手测了一遍完整流程。第一天跑通连接、建了一条最小化测试广告；第二天直接创建了一组正式的销量目标广告——$60/天预算、Purchase转化事件，参数全部准确。结论先说：能跑通，而且比我预想的顺。但测完之后我发现，真正值得写的不是“ChatGPT和Claude谁更好”，而是两个问题：为什么它能建得这么准？以及，AI到底在广告投放里扮演什么角色？先看操作，答案放在后面。

系统是长出来的，不是设计出来的。

最近做了一个测试：时间周期：16 天，花了约 $800。ROAS 差不多 6。