Part 1

進階賦能型智能購物廣告
是希望持續取得效果類成效的
營銷者的理想之選

在過去我們需要設置多項預算，并開展數周的A/B測試才能進行優化找到最優方案，現在進階賦能型智能購物廣告在機器學習的助力下，優化過程變的更為簡單。

• 廣告創建更快速

• 持續維護工作更少

• 針對可預測的成效進行優化

• 報告按新老客戶細分

采用進階賦能型購物廣告來提高轉化

利用進階賦能型購物廣告，向下層漏斗的目標受眾滲透，并觸達相似新客戶，提高購物轉化的同時，增加廣告的曝光率。

只需創建一個廣告系列，即可實現所有效果類營銷目標。Meta會自動完成大部分地設置過程，大大提高工作效率，更高效地向理想受眾投放相關的廣告。

• 表現更佳

全新的機器學習模型能夠自動選擇創意，定位，優化和目標位置要素，面向理想的目標受眾展示與之最為相關的內容，從而最大限度提升廣告表現

利用新的機器學習技術，結合自動定位功能（ATF）來自動創建多個目標受眾細分，以識別廣告主最有價值的客戶，將廣告投遞給最有可能產生轉化的目標受眾。

1. 與網站進行了上端漏斗交互的用戶；

2. 在網站上進行過購買的用戶；

3. 與品牌的Instagram或Facebook主頁進行過互動的用戶。

• 效率更高

只需設置國家、預算、歸因，轉化目標、上傳廣告素材資源等基本訴求 ，即可借助機器學習優化投放表現優異的新鮮創意。

1. 同時上傳商品圖片和反映商品使用場景的圖片；

2. 自動生成超過150種創意；

3. 最大限度減少創意疲勞和維護工作。

• 規模更大

進階符能型智能購物廣告會在尊重客戶隱私的前提下，盡量擴大范圍，便于您與更多有可能對您商品和服務感興趣的用戶建立聯結。

A+SC廣告活動相比常規廣告而言，采取的是“廣撒網”的投放邏輯，因其僅支持國家級定向和最低年齡限制作為硬性限制，受眾選擇的限制較少，因此廣告活動得以借助機器學習，能夠匹配最佳受眾和創意組合，以最大程度地提升表現。

Part 3

進階賦能型智能購物廣告
的主要功能

每個ASC活動支持最多150個廣告創意

• 支持推薦素材：推薦策略是過去7天花費最多的廣告，創意相同的廣告以及不適合的廣告格式會由系統過濾掉；

• 推薦廣告中不包含動態創意dynamic creative；

• 支持手動上傳或上傳目錄生成廣告，支持單圖片、輪播、視頻。

新增最低年齡和地域排除設置

• 廣告主可在廣告帳戶中設置（如圖），且會應用到所有正在運行以及新創建的A+SC廣告；

• 原本默認的目標受眾年齡是18-65歲。這項新功能實現最低年齡限制由18歲提升至25歲；

• 廣告主現可根據州/省、指定市場區域和郵政編碼/郵局編碼，將某些特定地點從廣告投放范圍中排除。

最佳Campaign組合BUA+ASC

• 將A+SC作為BAU Campaign 的補充，利用ASC自動化的優勢來優化受眾和創意組合；

• 建議BAU數據跑2-3周積累穩定數據后，再優化A+SC；

• 允許A+SC前期成本波動，給予系統足夠的學習期，建議觀察72小時,或根據廣告活動的歸因周期來卻決定是否要優化。

關注創意疲勞，定期迭代/長期無轉化的廣告素材采取替換或重新投放的策略

• 一個A+SC活動最多支持150個廣告，支持版位定制；

• 前期測試建議放10個以內的素材，系統學習較為容易；

• 追加或替換的素材方向和文案盡量接近，優先選擇在常規廣告中表現較好的素材。

簡化廣告帳戶結構減少ads數量

• 建議廣告結構：1-1-N（N＜10）；

• 創意多元化：覆蓋盡可能多的內容種類、尺寸、格式，已觸達更多人群；

• 常規廣告系列的重大編輯同樣適用于A+SC Campaign。

A+SC對比內置最佳做法的常規廣告效果會一樣嗎？

如何比較A+SC與BAU的表現？

如果一個A+SC的系列已結束機器學習階段，投放幾天后表現變差，這個時候是可以給里面增加新的素材來激活么? 會不會導致重新進入學習階段？

對于效果提升而言，用于A+SC的素材，應該側重素材本身的區別，還是側重產品區別呢？

如果A+SC里的部分廣告成效有明顯下滑，能手動把那些廣告關掉嗎？

要看campaign的狀態如何，對于還在學習階段的Campaign，就不建議進行太多人手的干擾，這只會令學習更長;

如果是完成學習階段后發現表現下滑，也建議多觀察，試一下修改受眾量或預算，來給A+SC更多條件投放;

如果真的表現太差，就可以關掉再投放其他廣告。

測試期間，放多少素材和預算合適？

新建的A+SC系列，多個素材花費非常不平均，集中花在1個素材上，其他素材基本沒花錢。這種應該如何處理？