近期应用类广告投放疑难及高频违规点，绝对能触动投手的DNA！

一、

广告脱离不了学习期、表现很差？

机器学习旨在最大限度收集竞拍信号，让您尽快完成机器学习阶段，但是处于机器学习阶段的广告组投放效率还不高。广告主可以在遇到这类问题时进行以下几步调整：

1.先看花费情况

2.再看投放状态

低效率广告系列示例，18个广告组同时在跑，其中12个学习期数据不足。

3.是否有过类似的错误操作

这里面每个制约因素都是撬动更多竞拍信号的杠杆。

4.优化广告账户结构

⑴优化广告受众设置

①不要创建分散&重复的广告组- 合并高度重叠的兴趣和行为目标受众，确保各个细分受众群的创意策略相同。

②尽量减少受众重叠，使用合适的受众排除条件，确保将过去转化过的顾客排除在外。

③扩大类似受众的比例 - 增加触及受众的基数，例如：0-1%、1-2%、3-5%、5-10%。

④延长再营销时间窗，确保再营销时间窗与应用下载量或落地页访问量相匹配。

⑵选择自动版位（全版位）

在 6 个或更多展示位置展示您的广告，根据品牌和转化提升研究，对于购买在 6 个或更多展示位置上运行的广告系列在 73% 的概率上略微优于在 4 个或更少展示位置上运行的广告系列。

⑶增强预算灵活性

①提升“预算/竞价比”

根据 50 次转化/每周的阈值计算每日预算*iOS - 88 installs / day

②使用广告系列预算优化(CBO) 

充分利用预算到表现最佳的广告组 (而非在每个广告组设置过低的预算)

③在广告层级测试创意

vs. (X) 为各个创意素材单独创建广告组

⑷合理竞价

①选择适当的竞价策略

务必以您的目标和费用要求为依据

→ 建议使用最低成本，提供机器学习最大空间

②尽量指定受众的价值

根据终生价值竞价

③如果使用竞价上限，应确保上限足够高 我们建议设置高于实际目标的上限，避免过度限制机器信号

⑸优化合适的事件

对于转化较少或高价值事件（商品/内容），可尝试优化漏斗中更上层的转化事件。

例如:

增加转化事件的数量有助于我们更快达到机器学习阶段的阈值，提升整体优化效果。

⑹不要频繁编辑广告

● Ad-sets在其效果稳定后立即退出学习期（7 天内约 50 个优化事件或动态退出）

● 在退出学习期之前避免编辑广告组或广告

Pro-Tip

● 整合所有修改一次编辑完毕&做出更少、更具战略性的改变 vs 频繁编辑，因为每小时和每天的效果指标会很嘈杂且不完整

● 建议等待 72 小时来评估效果，以便在选择退出转化时报告延迟

⑺A+AC更新(AAA自动应用广告)

● 创意素材上传方式

● 支援版位素材最佳化

● 支援Deep link

● 支援多语言 

● 支援carousel 格式

⑻增加视频素材的效果

①视频是FB & IG上增长最快的板块，据Meta调研显示，用户花费一半以上的时间在脸书上看视频。

②视频广告的最佳做法:

● 15秒内的短视频

● 移动端最佳格式——竖屏

● 在3秒内展示品牌或产品

● 声音的开/关效果

③测试视频素材的不同预算比例，找出最佳策略10% : 30% : 50%

近期常见广告违规点

1.违规案例展示

2.广告被判定违规，广告主该采取的步骤？

第一步：申请复审

如广告主相信该广告违规为误判，可以在帐户内容品质中申请广告复审。

第二步：创建新广告或编辑旧违规广告

广告主可以重新创建广告或是调整判定违规的广告以符合我们的广告规范。新广告及编辑过的广告将被判定为新的广告，并重新审核。

*判定为新广告代表先前判定违规广告花费会维持在记录中，不会因为编辑或删除广告而消除记录。

END