Facebook 如何快速度过学习阶段+好处

2周之前做了一个测试：验证对比新广告坚持24小时不关闭的和7-8小时就开始关闭表现不好的广告。一开始再欧美测试基本不成功，没啥差别，但是后来在穷地区做测试后发现坚持24小时不做处理的广告跑的更好，佛系状态下个广告曝光更多，学出来的机会也更多，相对也有更多广告能在1-2天脱离学习状态，靠跑出来的广告价格稀释掉前面的学习成本。

同时最近在不断优化自己的自动化投放，遇到最大的问题其实就是很难控制程序在恰当的时候去优化预算价格等，尤其是要确保尽量避免广告调整幅度/密度太大从而重新进入学习阶段，更麻烦的是需要避免广告还在学习阶段又被调整导致重新学习。

什么是Facebook的学习阶段：系统会根据每一次展示的反馈（包含了转化和不转化都会算进来）来优化后续的曝光，在学习阶段整个广告波动性会比较大，就可能出现前面还转化率不错的广告，隔了一段时间曝光一大堆结果都不转化，导致广告价格上升。广告在学习期的时候，adset的状态显示的是Learning的状态。按照Facebook的说法，通常需要积攒到50个转化（注意：是上次重大修改后的50个转化），才能度过学习阶段，广告也通常会稳定下来。这里还可能出现一种状态，学习的速度太慢直接learning limited。

从我们大规模上传广告以及程序化调整广告的数据来看，确实如果太多广告处于学习阶段，整体的价格和量级都不会理想，太多曝光被浪费在学习测试阶段。

以下行为会导致广告重新进入学习期或者学习期延长：

1，不论什么状态下，修改了adset的属性（预算/价格除外），或者修改了ad的内容，都会重新学习。

2，在学习状态下，做了预算价格的修改，基本也会延长学习期，重新累计转化。

3，在Active的状态下，大幅度的修改了预算或者价格，重新进入学习。

还有一些情况也会导致系统学习困难：

1，过低的预算，基本跑不到太多转化，凑50个都凑不齐过一段时间基本就嗝屁，直接learning limited。

2，预算过高，尤其是lowest cost的，系统觉得你是狗大户，给你瞎推用户，导致反而更不好找到准确的目标人群。

3，海量广告，传的太多，导致每个广告都分走了一部分曝光，结果一大堆都学不出来。

基于上面的这些理论，我重新梳理了下自己的自动化程序，做了一些调整：

1，控制每天修改广告的频次，最多不超过3次的预算修改+价格修改。

2，每次修改预算的幅度不超过30%

3，尽量避免在学习阶段操作修改，除非价格不得已或者爆款素材（通过价格来控制，在能忍的范围内不要去处理）

4，延长新广告的容忍时间，针对部分潜在可能成功的广告在至少24小时左右不去调整+关闭。

5，控制广告数量，在学习无望的情况下，和衰退期的广告果断处理，这里其实衰退期的广告也都是active的状态，和学习期无关，但是他占用人群，平庸的广告明显走下坡路了没必要留着。

目前测试样本其实不算太多，尤其是欧美地区的测试相对困难很多，数据波动太大，测试成本也相对较高，但是整体看起来至少相比之前没有翻车，在穷地区测下来整体的消耗是在上升，价格有下滑，也可能是段时间数据波动，可以在观察一段时间。

以上操作，欢迎沟通讨论，有兴趣的同学可以参照测试验证并分享结论。