1、Facebook使用CBO活動時可能會遇到的問題
(1)測試廣告階段,CBO不是很好用;在分配廣告投入時,CBO不夠穩定,且無法將目標與CBO的結果統一起來。
(2)CBO不能解決投放多個廣告組時的所有問題,主要表現就是穩定性不夠。
(3)CBO不能人為進行干預,無法暫停投放效果不好的廣告和廣告組。
以下是經過多家店鋪驗證過的CBO優化思路:
(1)使用分級測試尋找優質廣告組和廣告;
(2)對優質廣告組進行擴量,確?!胺旨墶背晒δ玫?0+訂單,且ROAS很高;
(3)對優質廣告(組)進行預算優化(CBO)。
這三步是CBO優化法的核心,對廣告組進行分組后,CBO效果最好。在上面的圖片中,就是把相似受眾比例(1%,1-2%)類似的廣告系列組合在一起,同時把基于興趣的廣告組和特定廣告組(比如“黑五”廣告)放入不同的廣告系列。
經過驗證發現,1天的預算優化比7天更穩定。具體猜測是,預算是分配在廣告組之間的,而轉化率數據也會在廣告系列層級采集,而不僅是在廣告組層級,所以并不需要7天的數據。
利用CBO剔除效果差的廣告可以讓Facebook把預算分配給其他廣告之后,還可以在沒有廣告可用的廣告組里添加新的廣告。一般來說,一個廣告組不會投放超過3個廣告,廣告組最少5個,最多10個。需要注意的是,預算不重要,因為規則會剔除效果差的廣告,留下效果好的廣告。
一般來說,預算越高,CBO效果越好。分級測試后,把廣告組和廣告加入正常的廣告系列,看看是否能用傳統的方法擴量,然后提高預算,用CBO擴量。而且需要足夠的預算,讓Facebook把所有廣告組和廣告的排序加入競價,需要一點時間才能知道在哪里投入資金最好。
注意:可以隨時增加預算,但要關注每天更改的數量以及增加的金額。
每天進行更改數量:如果幅度不足以觸發機器重新學習,每天更改次數不要超過6次。
預算金額:大額預算改變將會觸發機器重新學習,如果學習重新開始,在系統完成學習前,不要進一步更改預算。
以前,在放大廣告系列時,通常會將每日預算增加或者重復制效果較好的廣告集以增加每日每日支出。但是在CBO中,不能再將廣告集增加每日預算或重復復制效果好的廣告集,因為這時候只能在廣告系列一級進行。
此時擴大廣告預算也比以前更容易,在CBO中復制整個廣告系列并增加每日預算時,可以將效果好的廣告集復制到新的廣告系列中。同時,將效果不佳的廣告集暫停。
每日預算越高,計算方式越不同。這里的算法就是將廣告集的數量乘以每次轉化的最高費用和擴大預算次數(The Scaling Number)。擴大預算進而是要在廣告上花費以進行擴大廣告,如果已經知道某些廣告是舊廣告系列中效果最高的廣告集,通常是擴大10倍。
將預算增加10倍以獲得更多轉換(conversions),根據以上的例子,如果想要將廣告系列擴大,同時找到5個效果最好的廣告集,那么每日預算是:
每日預算= 廣告集數量 x 每次轉換的最高費用x 擴大廣告預算次數 (The Scaling Number)
注意:這樣設置的前提是要保證有足夠的目標受眾,如果是同一個人可以看到多次廣告,會影響到廣告的效果。如果對自己的廣告集效果不太確定,可以擴大3倍或者5倍。
在取得一定的銷售后,可以把已經在網站購買或者訪問過網站的消費者的數據搜集起來創建一個Lookalike Audience,Lookalike Audience和CBO加一起可以發揮很好作用。
可以創建多個廣告集,以Lookalike Audience的性別和年齡來區分。
如下:
Ad Set #1 – Lookalike Audience 1% – Men – 25-34
Ad Set #2 – Lookalike Audience 1% – Men – 35-44
Ad Set #3 – Lookalike Audience 1% – Men – 45-54
Ad Set #4 – Lookalike Audience 1% – Men – 55-64
Ad Set #5 – Lookalike Audience 1% – Men – 65+
Ad Set #6 – Lookalike Audience 1% – Women – 25-34
Ad Set #7 – Lookalike Audience 1% – Women – 35-44
Ad Set #8 – Lookalike Audience 1% – Women – 45-54
Ad Set #9 – Lookalike Audience 1% – Women – 55-64
Ad Set #10 – Lookalike Audience 1% – Women – 65+
所有廣告集將與Facebook某組興趣相交,有時,Lookalike Audience的受眾范圍太廣,可以根據其他興趣將其范圍縮小,以便更加輕松找到更準確的受眾群體。采用這種年齡和性別策略,重疊率比較低。
然后,如果1%的相似受眾群體表現良好,可以以1-2%、2-3%等的方式測試其他 Lookalike Audiences,可以使用這種方法進行擴大Facebook廣告預算。
注意:如果產品、廣告內容、目標受眾沒那么好,CBO也不會發好作用,這時就需要繼續測試所有組合并找到可行的組合。
Learning phase機器學習階段:
(1)機器學習階段是發生在廣告組層面
(2)廣告組需要大約50次轉化之后才會退出機器學習階段
(3)廣告組退出機器學習階段后,變現會比較穩定
CBO + Learning Phase 注意問題及總結:
(1)CBO分配預算時,不會導致廣告組重新進入機器學習階段
(2)一個廣告組進行大幅度調整(即在廣告組層級進行調整)不會導致相同廣告系列中其他廣告組重新進入學習階段。只要在廣告組層級進行的調整,相同廣告系列中的其他廣告組都不會進入重新學習階段
(3)向使用CBO的廣告系列添加廣告組不會導致相同廣告系類中的其他廣告組重新進入學習階段
(4)等到廣告組退出機器學習階段在編輯廣告組
(5)避免執行會導致整個廣告組重新進入機器學習階段的非必要操作
(6)預算使用合理,一周內達到50次以上轉化
5、CBO配合手動出價效果>僅在AD SET里手動出價效果
如果能設計出有創意的廣告系列,保持低CPM和高轉化率,Facebook會在競價環節分配到不錯的用戶。當營銷漏斗效果不夠好時,可以進行手動出價,CBO配合手動出價效果大于僅在AD SET里手動出價的效果。
(1)最大手動出價可達 bid$5000 or ROAS 0.01
(2)轉化率越低,需要的出價就越高
(3)如果想要自己的廣告更具競爭力且勝過多數自動出價的競爭者,則手動出價是個好選擇(適合于老投放師)
(4)廣告效果下降時,增加手動出價有可能競爭到更優質的受眾,從而提升效果。
圖文來源:
https://www.chuhaibiji.com/12414/
https://zhuanlan.zhihu.com/p/138921802
https://zhuanlan.zhihu.com/p/114969262