【代理商】Meta广告还在机器学习阶段？运用S4S理论，回归基础，提高成效！
● ● ●
低成本、高转化的广告到底怎么做？有哪些还不知道的广告产品可以尝试？飞书深诺推出广告产品指南文章，广告转化快人一步。
飞书深诺长期深耕出海数字营销领域，拥有多位业内知名优化专家，专注效果最大化；能对客户问题提供高效反馈，并产出阶段性复盘报告，帮助企业及时调整优化策略；更有优质代理资源及营销技术产品赋能，协助出海企业应对投放挑战。
欢迎在文末关注飞书深诺出海知识平台，及时收到更多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。
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，飞书深诺向各大广告主推荐 S4S 理论，即Structure For Scale，优化广告账户结构，回归基础，提高成效。今天，飞书深诺带你深入解读。
Meta广告竞拍的广告原理
在广告竞拍的原理中，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
[Meta] 内部数据，广告成效提升培训，[2022 年 4 月 27 日]
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。在此，飞书深诺建议各位广告主，在广告结束学习阶段前，尽量避免对现有广告或广告组做出重大修改，否则将会重新进入机器学习阶段。
通过研究，飞书深诺发现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%1。
[Meta] 网络研讨会，S4S搭建精简并高效的广告架构
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
通过飞书深诺对广告主的大量广告账户诊断发现，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
针对机器学习阶段花费占比较高的问题，飞书深诺建议：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。
1
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
案例分析
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，飞书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%。
2
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。飞书深诺通过优化积累发现，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 | - |
3
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。如果广告组设置的预算过低，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，飞书深诺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。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。
4）如果不能使用自动版位，则至少应启用6个版位，以充分发掘各版位的强大功能。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。
案例分析
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% 。经过飞书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8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。
[Meta] 内部数据，广告成效提升培训，[2022 年 4 月 27 日]
以上，就是本次的分享内容，希望大家的广告早日度过学习期，转化多多！
