如何用网红生成内容促进付费广告的成功
3023你是否害怕在广告上浪费金钱，所以通常不去发布特定内容的广告——因为你认为太过特别的广告可能表现会很差。
这种思维方式存在一个根本问题，你所做出的的判断来自于个人偏见，“我认为这个广告可能不会有很好的表现“。
Facebook的广告平台在不断进行更新，它的目的就是排除一切来自于“人类“的干扰因素。
因此，不论收听了多少策略播客，或者阅读了多少文章，都不重要。我们不该去研究如何击败Facebook 的算法，这纯粹是浪费时间——我们不会赢的。
相反，我们需要利用 Facebook 的机器学习 (ML) 系统，做出一些创意性的决策。言下之意是，我们需要利用好手头的每一个网红生成内容 (IGC)。
如何战略性的设置广告帐户，从而激发大量网红创意
通过产品播种工作，我们每月至少可以获得60-90 条独特的内容——而且全部是免费的。
算上这些独特资产的迭代和变种，我们就会拥有超过 100 多个广告创意。
但是，我们应该如何在 Facebook 广告帐户中发布所有这些创意？
我们应该挑选最喜欢的内容，放弃其他所有创意吗？既然有这么多创意，我们应该在接下来的几个月里不断换内容吗？
让我们通过一个假设的场景来进一步探索这些问题的答案。
假设我们有 10 个 DCT 广告活动，用成本上限出价策略，推出 100 个网红生成的创意内容。
设置动态创意测试（DCT）广告系列
在付出产品播种的努力之后，让我们假设，我们现在手头上已经有了 100 个创意可以利用。
有了这100 个广告创意，就意味着我们将拥有 10 个DCT广告系列，可以开始构建潜在受众漏斗——其中每个广告系列都可以容纳 10 个创意。
动态创意测试更容易融入机器学习系统，因为Facebook 会根据算法，给表现最佳的广告分配更多的支出。
不要因为个人的看法去做出决定，相反，我们需要相信 Facebook 的 ML 系统会为我们做出最佳决定。
我们的目标是建立尽可能多的“管道”，让 Facebook 的 机器学习系统获得最大的成功。
对于每个广告系列，我们需要做出如下设置：
针对转化进行优化
打开“广告系列竞价优化“
将预算设置为每周 50 次购买，从而优化广告系列
打开详细定位/LAL扩张
选择自动版位
使用“成本上限竞价策略”
使用一致的的命名约定
上面这些要点都将帮助我们尽可能高效地利用 Facebook 的 ML 系统。
广告系列命名约定
为什么选择成本上限竞价策略？
如何确定优胜的DCT广告系列，如何扩张它们？
如何确定这 10 个 DCT 广告是“赢”还是“输”？
如何扩张优胜广告系列
扩张或停止：如何处理失败的 DCT 广告系列
其中 5 个最终成为“优胜”广告系列
其中 5 个最终成为“失败” 广告系列
我们如何用新的创意来补充这 5 个“失败”的 DCT？
消除个人偏见，融入Facebook机器学习系统
你是否害怕在广告上浪费金钱，所以通常不去发布特定内容的广告——因为你认为太过特别的广告可能表现会很差。
这种思维方式存在一个根本问题，你所做出的的判断来自于个人偏见，“我认为这个广告可能不会有很好的表现“。
Facebook的广告平台在不断进行更新，它的目的就是排除一切来自于“人类“的干扰因素。
因此，不论收听了多少策略播客，或者阅读了多少文章，都不重要。我们不该去研究如何击败Facebook 的算法，这纯粹是浪费时间——我们不会赢的。
相反，我们需要利用 Facebook 的机器学习 (ML) 系统，做出一些创意性的决策。言下之意是，我们需要利用好手头的每一个网红生成内容 (IGC)。
如何战略性的设置广告帐户，从而激发大量网红创意
通过产品播种工作，我们每月至少可以获得60-90 条独特的内容——而且全部是免费的。
算上这些独特资产的迭代和变种，我们就会拥有超过 100 多个广告创意。
但是，我们应该如何在 Facebook 广告帐户中发布所有这些创意？
我们应该挑选最喜欢的内容，放弃其他所有创意吗？既然有这么多创意，我们应该在接下来的几个月里不断换内容吗？
让我们通过一个假设的场景来进一步探索这些问题的答案。
假设我们有 10 个 DCT 广告活动，用成本上限出价策略，推出 100 个网红生成的创意内容。
设置动态创意测试（DCT）广告系列
在付出产品播种的努力之后，让我们假设，我们现在手头上已经有了 100 个创意可以利用。
有了这100 个广告创意，就意味着我们将拥有 10 个DCT广告系列，可以开始构建潜在受众漏斗——其中每个广告系列都可以容纳 10 个创意。
动态创意测试更容易融入机器学习系统，因为Facebook 会根据算法，给表现最佳的广告分配更多的支出。
不要因为个人的看法去做出决定，相反，我们需要相信 Facebook 的 ML 系统会为我们做出最佳决定。
我们的目标是建立尽可能多的“管道”，让 Facebook 的 机器学习系统获得最大的成功。
对于每个广告系列，我们需要做出如下设置：
针对转化进行优化
打开“广告系列竞价优化“
将预算设置为每周 50 次购买，从而优化广告系列
打开详细定位/LAL扩张
选择自动版位
使用“成本上限竞价策略”
使用一致的的命名约定
上面这些要点都将帮助我们尽可能高效地利用 Facebook 的 ML 系统。
广告系列命名约定
为什么选择成本上限竞价策略？
如何确定优胜的DCT广告系列，如何扩张它们？
如何确定这 10 个 DCT 广告是“赢”还是“输”？
如何扩张优胜广告系列
扩张或停止：如何处理失败的 DCT 广告系列
其中 5 个最终成为“优胜”广告系列
其中 5 个最终成为“失败” 广告系列
我们如何用新的创意来补充这 5 个“失败”的 DCT？
消除个人偏见，融入Facebook机器学习系统
热门活动 
广东
12-26 周五
热门报告 
