CBO如何保障账户稳定性，建立可预测结果

了不起的杰克

2020-11-20

135

免费开户，官方授权核心代理

立即查看>>

导读：随着Facebook的机器学习在整个平台上的不断改进，而不仅仅是在CBO或广告中，Facebook相信他们可以比你更好地管理你的预算，所以你每天可以花更多的时间来制作伟大的广告体验。

*CBO背景和原理：*

随着Facebook的机器学习在整个平台上的不断改进，而不仅仅是在CBO或广告中，Facebook相信他们可以比你更好地管理你的预算，所以你每天可以花更多的时间来制作更好的广告。

CBO内置ML，也是为什么它可以比ABO带来更稳定的可预测的结果。

在2019年初，Facebook做出了一个转变，最近的数据具有更高的权重（不仅仅是总数）。

现在想象一下，你每天花费1万美元，运行在您的活动中的3个广告组的表现有意外的下降。

假设你早期发现这个，你可以采取分析，并作出反应，或是通过自动规则。但是你能确保当天关掉的表现差广告组不会在未来几天表现更好呢。你留下的可能表现越来越糟糕。

每一个广告客户都渴望的一件事是稳定 - 始终是最具挑战性的事情之一，无论你是多么有经验。

有很多因素，导致这一点，一些在你的控制，一些不。

作为人类，我们并不能完全获得Facebook的数据，到底发生了什么。

现在想象一下，让Facebook的ML为你做这个代替。

Facebook正在与CBO实时跟踪你的广告组和广告表现。虽然运行规则和自动化是最好的（现在），Facebook正在更频繁地检查到分钟和秒钟--这是你现在无法做到的。

Facebook使用的 "容器"，即广告组、活动、账户和业务经理收集和存储数据。这些数据可以帮助Facebook了解你想达到的目的。用一致的、高质量的数据来填充这些容器是很重要的。

广告组包含了对日常表现影响最大的历史和数据--因此，当为稳定而建立时，你的广告组稳定性（在数据方面）至关重要。

CBO如何保障账户稳定性，建立可预测结果

CBO旨在简化决策，将预算和竞价选项移至广告活动层面，将目标定位、投放和优化留在广告集层面，让Facebook决定将预算分享给哪些广告集。

使用广告组预算时我们需要频繁的控制每个广告组预算，很容易误关有潜力的广告组，不停的干扰FB学习，使Facebook优化变成一件非常头痛的事情。

使用CBO后许多历史和数据需要传递到活动层面--活动不再只是容器，而是积极的决策者--活动的权重与广告集一样，只是活动会在几周内稳定下来。

因此，平衡短期和长期优化非常重要；这就是为什么CBO不是简单的管理预算的新方式--它是管理广告账户的新方式。

扩大规模可以是高风险和紧张的，也可以是可预测和可控制的。一旦你输入了正确的数据，CBO通常倾向于可预测的扩张。

问题是你是否比Facebook更擅长做这件事。

人的本性很难相信机器，即使以我的经验，我也还不乐意把全部控制权交给机器。当然那一天可能会到来，但现在我们还没有准备好。

这就是CBO的隐藏力量之一，CBO允许你，一旦你为正确的配方设置了正确的成分，就可以让Facebook为你做肮脏的工作--这样你就可以花更多的时间在更大的杠杆上，以发展你的业务。

*CBO错误：过多的 "修修补补*

这是CBO最难做的一件事：相信它，不碰它。

特别是当你看到某个广告糟糕的初始表现时。

作为一个对利润敏感的媒体买家（这是好的）过早地比较两组广告（这不是件好事），你的膝跳反应永远是杀死CPA最高的那组广告（这真的很糟糕）。

为什么这么说呢？

因为Facebook的平台可以检测到趋势线和方向的变化，它会自动将预算转移到可能表现更好的广告集。更重要的是，它能够分析出关于未来表现的指标。

作为人类，我们在试图预测未来时，能够做的只是看一个单纯的数据快照：我们的数据。而Facebook则是在分析近乎详尽的数据，比我们能看到的数据数量级更大。

首先，不要再根据一到三天的数据在你的广告账户中做决定。训练自己看更大的数据窗口：最好大于14天。第二，这是真正的关键......。

解决方案。只需在您的CBO内对广告创意本身进行手动更改 -让Facebook分配你的预算。

毕竟，这是它最擅长的事情。

*CBO检查表*

CBO是一个学习系统，会随着时间的推移而改进。
CBO比标准的广告设置预算活动需要更多的学习阶段，因此需要时间、花费和耐心。
更高的预算允许更广泛的测试和更稳定，因为CBO比ABO管理更多的变量。
按规模+质量对受众进行分组，可以提供更稳定的结果，因为它将差异降到最低。
随着时间的推移和花费更多预算后，表现会变得更好更稳定。Facebook建议每个广告组每周有50个转化，以保证稳定性；如果你运行5个广告组，那就是每周有250个转化。但请记住，一个转换是相对于你的优化目标。
设置最低预算仍然优于覆盖部分自我学习，尤其是在引入新的广告组或运行测试的情况下。
预先测试广告和广告组给CBO提供了最好的成功机会。
CBO确实可以在较小的预算下工作，只要你不运行太多的广告集和广告（在本指南后面解释）。
Facebook仍在调整和改进CBO。