最近有剛入職的小伙伴在問我：其他優化師說的1.0/2.0/2.5/3.0都是什么意思啊，我怎么一點兒都聽不明白，聽他們跟客戶聊跟聽天書似的，好著急呀！

今天正好這個機會維睿互動就跟大家聊一下，Google 1.0/2.0/2.5/3.0這些分別是什么？有什么區別？幫助新手小伙伴更快的熟悉谷歌廣告優化有關的知識。

谷歌廣告包含很多廣告版位和形式，畢竟谷歌家的產品也很多，是一個很龐大的平臺集合。他們家的產品包括不限于下圖這些，互聯網廣告通常以產品為媒介，只要是有用戶的地方就可以產生變現，所以谷歌本身就可以在很多自家產品里進行廣告版位的設計。

同時，谷歌也有很多合作商，谷歌作為一個廣告平臺的存在，對接過的合作商擁有的版位也可以進行廣告投放。基于這個基礎認識，谷歌的廣告版位就算具體不知道具體投放在哪里，也能知道是很多種多樣且巨量的存在。

谷歌為了方便廣告主進行廣告的投放，將廣告進行了一些不同形式的基礎分類，有針對電商的，也有針對應用的，還有針對品牌官網的。其中，專門對應用類客戶設計的廣告產品類型就是AC廣告，也就是AppCampaign。

谷歌作為一個互聯網巨頭，肯定是有無數的人才在進行廣告產品的研發和進階的，所以隨著AC廣告的不斷發展，逐步出現了AC1.0，AC2.0，AC2.5，AC3.0等各種廣告系列的版本類型。

大體來說，數字越大，產品出現的時間越靠后，機器學習的深度也越深入和豐富，當然并不是說越高階就一定越好，不同的廣告類型在不同階段都有對應的作用，弄清楚對應的廣告類型并在產品不同時期合理運用是我們優化師需要掌握的基本功。

首先我們需要知道AC1.0/2.0/2.5/3.0都是選擇【應用】廣告系列類型，選擇的子類型是【應用安裝】，子類型這里如果選擇了應用互動是ACe廣告，選擇了預注冊是ACp廣告，這里我們暫時不作介紹，感興趣的人多的話，以后會詳細講，ACe和ACp。

千萬不要以為AC2.5就是選擇這里的應用互動了，曾經看到好幾個新手小伙伴以為2.5的應用類事件優化就是在這里選擇，導致投放的系列類型一開始就錯了然后苦惱后續數據沒達到要求，一定要記得AC1.0到AC3.0這種帶數字的廣告類型都要選【應用】-【應用安裝】。

選擇廣告基礎類型沒有問題以后，從下面幾張圖的廣告設置上來看看不同系列類型的設置區別：

AC1.0：主要定位傾向于獲取更多安裝的用戶，出價部分只需要為廣告設置目標每次安裝成本即可。也可以關注一下廣告面板的右邊提示，有介紹將會根據我們所設定的目標CPI獲得盡可能多的安裝量，表示1.0系列只對安裝量進行優化。

AC2.0：主要專注于可能會執行應用內操作的用戶安裝獲取，雖然是傾向于“可能會執行的應用內動作”，但重點實現的目標還是安裝量，類似于Facebook的均衡事件&安裝的優化方式。設置出價時，就相當于告訴Google廣告系統，每當有人安裝了應用并有很大可能性會執行特定的應用內操作時，我們允許Google系統花費這些出價。2.0的出價模式仍然是以獲得可能完成某項操作的安裝用戶為主要優化目的。

AC2.5：主要優化邏輯是幫助我們獲取盡可能多的應用內事件，與2.0不同的是，2.5更加專注于應用事件而不是安裝數量本身。投放之前需要從第三方數據追蹤平臺或者Firebase平臺來對接轉化事件，幫助谷歌識別有效事件，同時獲取轉化追蹤。

AC3.0：主要針對ROAS進行優化。廣告將會通過回傳數據來預測未來的轉化價值，然后系統會根據目標值預估好每次點擊費用（CPC）區間，以轉化價值為目標進行競價優化，使廣告的平均ROAS等于目標ROAS，從而達到優化回收價值的效果。3.0的出價方式也不同于前面3種進行費用出價，而是采用百分比的ROAS數據目標進行出價。

AC廣告的工作原理都是根據我們的設置和素材進行不同版位的投放測試，基于廣告系統的測試情況不斷進行學習調整和優化，從而達到我們最終設置的優化目標，所以無論是什么目標，在新建后給到一定的學習時間讓谷歌廣告系統進行充分的學習非常的關鍵。

AC1.0在設置方面，可以略高于實際單價的30%-50%，部分地區可以考慮2倍出價；日預算最低不要低于CPI的50倍，方便谷歌廣告在初期獲取到更多學習數據。

AC2.0對于某些同時對單價和內部數據指標都有要求的品類會比較實用，需要注意的是事件對接的準確性，在上線初期需要觀察事件是否有效回傳。出價和預算接近1.0的水平進行設置即可。

AC2.5的出價，建議首先考慮安裝后的事件轉化率以及安裝單價水平，看看安裝與目標事件之間的轉化率在什么區間內，根據這個區間去估算一個【安裝單價/轉化率】區間的最終事件出價區間來進行出價測試，幫助我們提高出價的效率。預算建議不低于目標事件出價的10倍，如果優化的事件出價是20美金，2.5廣告的預算盡可能不低于200美金。

UAC 3.0目標ROAS的設定將會直接影響廣告的轉化情況。如果設置的太高，也不利于廣告數據的盡快累計，所以建議設置的稍微低一點，提高學習效率，初期以低于歷史7天ROAS的平均值20-30%左右的ROAS值作為出價測試目標。

AC廣告能幫助我們在應用類產品推廣上獲得更好的成效，不同形式的素材會由谷歌進行自動組合匹配投放，幫助我們測試出不同形式和不同組合的素材表現，并逐步優化穩定至當前素材和流量市場下的最優狀態。

很多投電商的小伙伴可能會不太適應AC廣告，主要是因為AC廣告的基礎設置沒有谷歌搜索展示廣告那么多的用戶細節定位。

其實現在的機器學習日漸成熟，谷歌在應用類產品上應用機器學習的研究更多，更多的解放優化師進行素材創意和產品方面的構思和優化，幫助我們廣告主提高效率。因此，我們完全可以嘗試信任一下谷歌廣告的機器學習，盡可能的確保基本設置無誤并多樣化的廣告素材更新，幫助系統更快的找到優秀素材。

同時，由于可編輯可定位的因素減少，我們在進行任何一個修改和優化的時候，都需要多觀察機器學習的動向，在做出任何一項微小的調整都需要跟蹤后續的效果，幫助我們更好的獲得數據反饋，引導廣告達成更好的指標。