總結：
1，大部分產品AAA跑的數據并沒有特別好，量級占比并不大。

2，小部分產品數據有相對不錯的數據，但是似乎都是競爭并不是很激烈的市場。

3，垂直類產品似乎能更好的跑出來數據，但是并不穩定。

以上只是從內部多個產品的簡單的一些數據觀察，并不代表整體行業數據。當然這些數據也很可能我們投放的方法并不正確，沒有找到合適每個產品的投放方法，也可能是本身Facebook在AAA優化過程中的一些局限性。

從現有的數據做下AAA的一些猜想。

1，AAA 主要是在素材的優化上做的更多，人群擴展學習的思路基本沒變化，只是從原有的一個ad一個素材，變成了N個素材來學習，并且分別去拓展學習人群。可以理解成一個加強版的動態素材廣告。

2，用戶畫像足夠精準，導致了AAA非常容易在垂直產品跑起來，但是同時由于畫像精準導致同類競品多的時候AAA受到競品價格影響非常大。

3，AAA的投放再人群拓展學習上應該是會比常規1個素材的ad要廣泛，穩定性理論上是強于常規的單素材廣告，但是如果產品足夠垂直，素材也單一的情況下并不能讓AAA發揮作用。

4，用戶受眾寬泛的產品理論上應該是比較適合跑AAA的，不容易受到其他競品的影響，但是素材內容可能應該考慮更多元化，方便系統從不同方向去學習到不同人群。

FB本身的用戶定位就是比較精準的，系統在展示到轉化的比例非常高，人群細分也非常嚴重，產品會很精準的投放到需要的人群，但是這也導致了如果競品多的行業，小盤子區域或者產品類型只要有一個狗大戶把價格出的足夠高的時候同行都要完蛋，所以哪怕AAA的算法（優化素材+人群曝光）再牛逼，只要有一個狗大戶出現，其他人尤其是出價沒優勢或者素材垃圾一點只能被這些大戶擠兌死。

后面應該考慮的一些優化思路：

1，包含垂直類產品，也需要盡可能的拆分到多個方向的素材，搭配多個方向的文案，方便系統從不同方向去學習到不同的人群。具體不確定是3個，4個或者更多？也許需要多測試。

2，同一個ad內要拆分吸量（騙一點）的素材核心素材組合到一起和放到一起來測試，觀察是否會被騙量素材拿走絕大部分曝光。

3，替換廣告內不曝光的素材。

4，遇到掉量的時候是否及時提高價格（尤其是垂直產品），以及逐步緩慢提高預算。

封面作者：面條