A+SC进阶赋能型智能购物广告“一文通”

Part 1

进阶赋能型智能购物广告
是希望持续取得效果类成效的
营销者的理想之选

在过去我们需要设置多项预算，并开展数周的A/B测试才能进行优化找到最优方案，现在进阶赋能型智能购物广告在机器学习的助力下，优化过程变的更为简单。

• 广告创建更快速

• 持续维护工作更少

• 针对可预测的成效进行优化

• 报告按新老客户细分

采用进阶赋能型购物广告来提高转化

利用进阶赋能型购物广告，向下层漏斗的目标受众渗透，并触达相似新客户，提高购物转化的同时，增加广告的曝光率。

只需创建一个广告系列，即可实现所有效果类营销目标。Meta会自动完成大部分地设置过程，大大提高工作效率，更高效地向理想受众投放相关的广告。

• 表现更佳

全新的机器学习模型能够自动选择创意，定位，优化和目标位置要素，面向理想的目标受众展示与之最为相关的内容，从而最大限度提升广告表现

利用新的机器学习技术，结合自动定位功能（ATF）来自动创建多个目标受众细分，以识别广告主最有价值的客户，将广告投递给最有可能产生转化的目标受众。

1. 与网站进行了上端漏斗交互的用户；

2. 在网站上进行过购买的用户；

3. 与品牌的Instagram或Facebook主页进行过互动的用户。

• 效率更高

只需设置国家、预算、归因，转化目标、上传广告素材资源等基本诉求 ，即可借助机器学习优化投放表现优异的新鲜创意。

1. 同时上传商品图片和反映商品使用场景的图片；

2. 自动生成超过150种创意；

3. 最大限度减少创意疲劳和维护工作。

• 规模更大

进阶符能型智能购物广告会在尊重客户隐私的前提下，尽量扩大范围，便于您与更多有可能对您商品和服务感兴趣的用户建立联结。

A+SC广告活动相比常规广告而言，采取的是“广撒网”的投放逻辑，因其仅支持国家级定向和最低年龄限制作为硬性限制，受众选择的限制较少，因此广告活动得以借助机器学习，能够匹配最佳受众和创意组合，以最大程度地提升表现。

Part 3

进阶赋能型智能购物广告
的主要功能

每个ASC活动支持最多150个广告创意

• 支持推荐素材：推荐策略是过去7天花费最多的广告，创意相同的广告以及不适合的广告格式会由系统过滤掉；

• 推荐广告中不包含动态创意dynamic creative；

• 支持手动上传或上传目录生成广告，支持单图片、轮播、视频。

新增最低年龄和地域排除设置

• 广告主可在广告帐户中设置（如图），且会应用到所有正在运行以及新创建的A+SC广告；

• 原本默认的目标受众年龄是18-65岁。这项新功能实现最低年龄限制由18岁提升至25岁；

• 广告主现可根据州/省、指定市场区域和邮政编码/邮局编码，将某些特定地点从广告投放范围中排除。

最佳Campaign组合BUA+ASC

• 将A+SC作为BAU Campaign 的补充，利用ASC自动化的优势来优化受众和创意组合；

• 建议BAU数据跑2-3周积累稳定数据后，再优化A+SC；

• 允许A+SC前期成本波动，给予系统足够的学习期，建议观察72小时,或根据广告活动的归因周期来却决定是否要优化。

关注创意疲劳，定期迭代/长期无转化的广告素材采取替换或重新投放的策略

• 一个A+SC活动最多支持150个广告，支持版位定制；

• 前期测试建议放10个以内的素材，系统学习较为容易；

• 追加或替换的素材方向和文案尽量接近，优先选择在常规广告中表现较好的素材。

简化广告帐户结构减少ads数量

• 建议广告结构：1-1-N（N＜10）；

• 创意多元化：覆盖尽可能多的内容种类、尺寸、格式，已触达更多人群；

• 常规广告系列的重大编辑同样适用于A+SC Campaign。

A+SC对比内置最佳做法的常规广告效果会一样吗？

如何比较A+SC与BAU的表现？

如果一个A+SC的系列已结束机器学习阶段，投放几天后表现变差，这个时候是可以给里面增加新的素材来激活么? 会不会导致重新进入学习阶段？

对于效果提升而言，用于A+SC的素材，应该侧重素材本身的区别，还是侧重产品区别呢？

如果A+SC里的部分广告成效有明显下滑，能手动把那些广告关掉吗？

要看campaign的状态如何，对于还在学习阶段的Campaign，就不建议进行太多人手的干扰，这只会令学习更长;

如果是完成学习阶段后发现表现下滑，也建议多观察，试一下修改受众量或预算，来给A+SC更多条件投放;

如果真的表现太差，就可以关掉再投放其他广告。

测试期间，放多少素材和预算合适？

新建的A+SC系列，多个素材花费非常不平均，集中花在1个素材上，其他素材基本没花钱。这种应该如何处理？