你是否害怕在廣告上浪費金錢，所以通常不去發布特定內容的廣告——因為你認為太過特別的廣告可能表現會很差。
這種思維方式存在一個根本問題，你所做出的的判斷來自于個人偏見，“我認為這個廣告可能不會有很好的表現“。
Facebook的廣告平臺在不斷進行更新，它的目的就是排除一切來自于“人類“的干擾因素。
因此，不論收聽了多少策略播客，或者閱讀了多少文章，都不重要。我們不該去研究如何擊敗Facebook 的算法，這純粹是浪費時間——我們不會贏的。
相反，我們需要利用 Facebook 的機器學習 (ML) 系統，做出一些創意性的決策。言下之意是，我們需要利用好手頭的每一個網紅生成內容 (IGC)。
如何戰略性的設置廣告帳戶，從而激發大量網紅創意
通過產品播種工作，我們每月至少可以獲得60-90 條獨特的內容——而且全部是免費的。
算上這些獨特資產的迭代和變種，我們就會擁有超過 100 多個廣告創意。
但是，我們應該如何在 Facebook 廣告帳戶中發布所有這些創意？
我們應該挑選最喜歡的內容，放棄其他所有創意嗎？既然有這么多創意，我們應該在接下來的幾個月里不斷換內容嗎？
讓我們通過一個假設的場景來進一步探索這些問題的答案。
假設我們有 10 個 DCT 廣告活動，用成本上限出價策略，推出 100 個網紅生成的創意內容。
設置動態創意測試（DCT）廣告系列
在付出產品播種的努力之后，讓我們假設，我們現在手頭上已經有了 100 個創意可以利用。
有了這100 個廣告創意，就意味著我們將擁有 10 個DCT廣告系列，可以開始構建潛在受眾漏斗——其中每個廣告系列都可以容納 10 個創意。
動態創意測試更容易融入機器學習系統，因為Facebook 會根據算法，給表現最佳的廣告分配更多的支出。
不要因為個人的看法去做出決定，相反，我們需要相信 Facebook 的 ML 系統會為我們做出最佳決定。
我們的目標是建立盡可能多的“管道”，讓 Facebook 的
機器學習系統獲得最大的成功。
對于每個廣告系列，我們需要做出如下設置：
? ? ? ?針對轉化進行優化
? ? ? ?打開“廣告系列競價優化“
? ? ? ?將預算設置為每周 50 次購買，從而優化廣告系列
? ? ? ?打開詳細定位/LAL擴張
? ? ? ?選擇自動版位
? ? ? ?使用“成本上限競價策略”
? ? ? ?使用一致的的命名約定
上面這些要點都將幫助我們盡可能高效地利用 Facebook 的 ML 系統。
廣告系列命名約定
我們的團隊對最初的 10 個 DCT 活動使用以下命名約定：“Kyn
- DCT - Prospecting - CBO - CC $ - Insert Date - NEW SEEDING CONTENT’沒錯，我們強調了“NEW SEEDING CONTENT”。對于最初的 DCT 廣告系列，最好一開始就使用這樣的命名約定，因為廣告系列的命名會根據它的“失敗”或“勝出”進行更改。為什么選擇成本上限競價策略？
在這10 個廣告系列中，我們把每一個都設置了CPA的成本上限，在該 CPA的限額中，我們的品牌可以從所花費的廣告費用中獲利。
通常，只有 1-2 個創意最終會在 DCT 中獲得90% 的支出。這是為什么？因為只有 Facebook 的機器學習系統知道哪些內容能夠超過成本上限，而這些內容最終會獲得所有支出。機器學習放棄了那些效果不佳的廣告，“失敗”的廣告會在 DCT 中獲得零支出，因為Facebook 知道，這些內容無法超過我們現有的成本上限。“這個網紅生成內容 (IGC) 看起來不會是表現最好的資產”“這個 IGC 的 CPA 比品牌的目標CPA 低 42%”“我們越快放下個人的想法，就越能越早成為更厲害的廣告投放師”如何確定優勝的DCT廣告系列，如何擴張它們？
首先，我們需要確定哪些 DCT 廣告是優勝的，哪些是失敗的。一旦進入這種節奏，我們就更容易知道在哪里擴張支出，重新利用什么內容，以及放棄哪些沒希望的內容。此外，我們也會通過持續的網紅播種，努力將一些新鮮內容添加到廣告系列中。如何確定這 10 個 DCT 廣告是“贏”還是“輸”？
? ? ? ?不是發起付款、ATC、退出頁面點擊率……在 10 個 DCT 廣告系列中，我們為每一個廣告系列制定了成本上限競價策略，支出是我們確定廣告系列是否成功的主要成功指標。就像我們之前提到的，如果廣告系列一直有廣告支出，Facebook 的 ML 系統將認定這些廣告系列中的創意是“優勝的”。反之，如果廣告系列沒有支出，Facebook 的 ML 系統將認定這些廣告系列中的創意將在當前成本上限下失敗。如何擴張優勝廣告系列
因此，如果我們確定某個“NEW SEEDING CONTENT”DCT 廣告系列獲得了足夠的支出，就可以將其命名約定換成“winning” DCT。為了防止優勝DCT 廣告系列返回到學習階段并退出優化過程，Facebook 建議我們每天最多增加 15% 的預算。因此，如果我們對優勝DCT 廣告系列的每日預算為 1000 美元，一定要確保當天增加的預算不超過 150 美元。我們是需要盡可能擴張，但一定要在Facebook允許的范圍內進行。那么，當命名為“NEW SEEDING CONTENT”的廣告系列沒有收到足夠的支出時會發生什么？擴張或停止：如何處理失敗的 DCT 廣告系列
這就是我們所說的“失敗的”廣告系列——稱之為“失敗”是為了區分命名約定，我們最好避免在廣告帳戶中使用這種消極情緒。相反，對于目前失敗的廣告系列，我們會根據該廣告系列中填充的創意重新標記為以下之一：如果“新鮮內容”的廣告系列以“失敗”告終，則該DCT廣告系列中的所有創意（10 條內容）都應該被取出，并全部替換為一組單獨的內容。再一次，如果廣告系列沒有支出，Facebook 的 ML 系統將確定這些廣告系列中的創意將在我們設定的當前成本上限下失敗，因此這個廣告系列不會再出現支出。但不要完全將它們丟棄——或許這些創意可以在以后與不同的廣告文案一起使用，給它們另一個成功的機會。那么，哪些內容應該補充到這些“失敗”的 DCT 中呢？假設最初的10 個“新鮮內容“DCT會呈現下面的趨勢：
其中 5 個最終成為“優勝”廣告系列
其中 5 個最終成為“失敗” 廣告系列
我們還假設，自從啟動這最初的 10 個廣告系列以來，我們其他的工作還產生了額外的 50 個創意資產。考慮到這一點，下一步，我們將按照前文討論的方式擴張 5 個“優勝” 廣告系列！但是，當面對 5 個“失敗”的DCT廣告系列時，我們可以把這些廣告系列中的50 條內容暫時放在一邊。我們如何用新的創意來補充這 5 個“失敗”的 DCT？
在 5 個“優勝”DCT 中，我們會找到“表現最佳的內容”。這就意味著，我們的優勝 DCT 中花費最多的廣告素材是有“表現最佳的內容”的廣告素材！現在，假設我們能夠將每個“優勝”廣告系列中的2 個廣告素材確定為我們的“表現最佳的內容”。我們就會獲得總共 10 個創意資產，可重新用于“表現最佳的內容”廣告系列。2 個“表現最佳的內容”廣告素材 x 5 個“優勝”DCT = 10 個“表現最佳的內容”廣告素材然后，我們拿出這10 個創意資產，并補充 5 個“失敗”DCT 廣告系列中的 1 個創意（請記住，每個 DCT 廣告最多可以容納 10 個廣告素材）。此“失敗”廣告的命名將從“新鮮內容”DCT 變為“最佳表現內容”DCT。除了在我們的“優勝”DCT 中確定為“表現最佳的內容”廣告素材外，我們的團隊還建議加入在“優勝”DCT廣告系列之外的那些表現不錯的創意。這就是前文提到的：“2nd Chance U”DCT。在 5 個“優勝”的 DCT 中，我們的團隊隨后重新利用了所有未獲得任何支出的內容。為什么？因為這些創意資產很可能會超過我們的 CPA 目標，它們在“優勝”DCT 中根本沒有收到任何支出，因為“表現最佳的內容”正在收到所有支出。例如，假設我們的成本上限設置為 50 美元。在“優勝”廣告系列中，我們“表現最佳的內容”將獲得所有廣告支出，并實現了 30 美元/每次的轉化費用。這意味著，這些廣告系列中的其余創意內容仍然有著超過我們現有的50 美元成本上限的潛力。因此，值得將這些內容重新用于“2nd Chance U”DCT。這確實意味著 Facebook 認為“表現最佳的內容”創意將優于“優勝”DCT 中的其他內容。但這并不意味著其他內容不會超過我們的 CPA 目標和我們設置的成本上限。因此，讓我們重新利用 5 個“優勝”DCT 中剩余的 40 個資產，并用它們來補充我們剩余的 4 個“失敗”DCT。這 4 個“失敗”活動的命名將從“新鮮內容”DCT 變為“2nd Chance U”DCT。5 個“優勝”DCT，總共應包含 50 個創意資產
? ? 從單個“表現最佳的內容”DCT 的 50 個創意資產中取出10 個? ? 從四個“2nd Chance U”DCT的 50 個創意資產中取出40 個所以，我們的廣告帳戶中仍然有 10個DCT 廣告系列（50個創意），但使用不同的命名，并嚴格擴張了“優勝”廣告系列的創意。這時，最初的10 個 DCT 廣告系列將不再被標記為“新鮮內容”，而是：? ?4 將被重新標記為“2nd Chance U”DCT如果你還記得的話——前面提到，我們仍然有 50 條來自網紅的新創意。我們現在要做的就是從頭再次開始這個過程！我們把所有這些新的創意融入 5 個“新鮮內容”廣告系列——這意味著，現在我們總共有 15 個 DCT廣告系列。讓我們繼續為 FB 建立“管道”，從而取得成功。最初啟動廣告系列時，我們的命名會包括“新鮮內容”，但隨后將轉換為以下命名之一：創意是我們實現Facebook 廣告帳戶成功的最大杠桿。我們所做的一切都是為了為機器學習系統創建盡可能多的“管道”，從而實現最大化的成功。消除個人偏見，融入Facebook機器學習系統
永遠都不要依靠個人喜好做出決定，也不要根據歷史數據來決定使用或不使用哪些內容。相反，我們要利用 Facebook 優秀的機器學習系統，讓機器決定什么是優勝的創意。盡管我們可能討厭這種失去控制的感覺，但Facebook的算法知道一切。付費廣告是榨取網紅營銷最大價值的最佳渠道之一，這也是它在我們的流程中占據如此重要地位的原因。
