type
status
date
slug
summary
tags
category
icon
password
📌 原文链接：📱 Facebook 广告大师 · Jon Loomer
📚 内容摘要
文章记录了作者近期在 Meta 广告和周边工具中的八个观察,涵盖 AI 视频生成功能、ChatGPT 广告定价、Claude Code 仪表盘实践、Audience Segments 机制问题以及 Ads Manager 一些有用但易被忽略的功能和潜在漏洞。
💡 详细内容
文章记录了作者近期在 Meta 广告和周边工具中的八个观察,涵盖 AI 视频生成功能、ChatGPT 广告定价、Claude Code 仪表盘实践、Audience Segments 机制问题以及 Ads Manager 一些有用但易被忽略的功能和潜在漏洞。
Advantage+ Creative 视频生成测试功能
作者拿到了 Meta 新的 Advantage+ Creative Video Generation 测试权限,入口位于创建广告时创意和文案设置之间的一个专门区域。
生成流程从 3 个“视频概念”开始,这些概念基于广告文本与创意自动生成,其中一个视频由 5 个片段组成,素材来自提交的创意,不足部分由图库素材补全。
广告主可以编辑产品或服务描述,并提交任意数量的额外图片来更新这些概念,Meta 会基于图片和概念生成 15–20 秒的视频;作者强调这不是简单的幻灯片,每个片段都会把静态图片“生成”为视频。
可编辑叠加文字,并能从数量很有限的一小组音乐选项中选择背景音乐;作者认为这个功能“有前景”,计划继续深度尝试并后续反馈。
ChatGPT 广告的 CPM 与数据限制
OpenAI 即将在美国测试 ChatGPT 广告,作者认为基于对话语境的高意图匹配让其潜力很大。
报道显示 OpenAI 初期将按约 60 美元 CPM 定价,大约是 Meta 平均水平的 3 倍;作者指出在 Meta 上 60 美元 CPM 并不罕见,会受行业、目标、受众与竞争等因素影响,关键在于该 CPM 能否带来“值得”的结果。
作者不建议用 ChatGPT 广告去获取“空流量”或卖 10 美元的 T 恤,认为更适合服务业、酒店业或高客单价业务,如果高相关性带来盈利,广告主愿意支付更高 CPM。
OpenAI 目前只提供展示量和点击量等非常基础的统计数据,因此广告主需要自行设置 UTM 参数和第三方跟踪,把结果与广告花费对应起来。
由于没有像像素或 API 那样回传转化事件,OpenAI 无法知道展示和点击之后的效果,理论上只能依赖点击来判断广告是否“受欢迎”;作者认为这是一个不同于以往的模式,未来数据往返量可能会增加,也不排除像素时代结束的可能,具体效果仍需观察。
用 Claude Code 搭建数据仪表盘的实践
作者测试了 Claude Code,说明这是 Claude LLM 的扩展,能帮助专业开发者大规模构建项目,也能让“完全不会编程的人”做出以前想不到的东西,但也存在非程序员自行搭建的潜在风险。
为降低风险,作者仅在本地电脑上构建项目;第一个目标是对接 Meta Ads API 搭建广告数据仪表盘,虽然 API 在部分细分数据上有限制,让这个仪表盘对他来说不够有用,但整体是一次“很酷的实验”。
随后他用 Keap/Infusionsoft API 搭建了一个仪表盘,汇总自己每天关注的关键数据;由于 Keap 原生报表体验很差,新仪表盘可以生成更符合他需求的图表,目前仍在打磨,但“很有前景”。
在播客监控上收益最大: 即便没有可用 API 做全自动化,他通过导入 Libsyn、Spotify 和 Apple Podcasts 的导出数据,合并成一个易于理解的报告,统一查看不同平台间指标和过滤逻辑完全不同的数据。
例如 Spotify 不提供周度和月度数据,他在仪表盘中自定义了这类视图,结果发现自己刚刚获得了有史以来最高的一周播放量;作者强调虽然这不直接是广告应用,但说明可以构建“非常棒的东西”来优化工作流,广告当然也是适用场景之一,同时提醒非程序员要注意安全。
Related Media 功能的潜力与当前限制
当推广一个曾经推广过的内容时,Meta 可能推荐添加 Related Media,作者意识到这有机会成为生成“多样化创意”的有用工具。
以他近期推广的 Andromeda 小课程为例,起初有 5 个静态广告,后来又加了几条视频;他设想是否可以创建一个广告,把这些已创建的创意全部利用起来。
他复制了一则广告测试 Related Media 推荐,结果发现 Meta 推荐的 5 张静态图片是最初创建且已很快关掉的版本,并未包含当前仍在投放的 5 个静态广告;他认为这“非常接近”自己的设想,但关键创意未包含在内。
若能在前期测试多种广告后,最终将所有有效创意整合进一个广告,例如停掉 7 个单独广告,改建 1 个包含 7 种创意选项的广告,价值会很大;Related Media 已经支持为每种变体自定义文本,这让它更接近他“单条广告内为每个版位提供多种创意版本”的愿景,虽然仍不能按版位精确指定创意。
当前最大障碍是可用的 Related Media 完全由 Meta 决定,作者不知道为什么推荐的是那 5 张图片;他仍然希望未来能按版位指定创意,视为自己的长期梦想。
Audience Segments 统计与活跃度可能存在的问题
作者社区中有人反馈 Audience Segments 的异常: 平时“已互动受众”占比为 12% 到 17%,但当月大部分时间只占花费的 0.5%;后来把一组用于“已互动用户”的受众添加为建议受众后,过去两天分配提高到 10%。
表面上看,这似乎说明 Meta 降低了重定向受众优先级,通过把这类受众作为建议受众能提高投放占比,也似乎证明建议受众会影响投放。
但作者立刻联想到自己一年多前遇到的 Audience Segments 问题:
1) 他定义的“已互动受众”包含“所有网站访客 180 天内”。
2) 新建了一个广告组,目标为“过去 1 天网站访客”(严格限制目标,不是建议)。
3) 在按 Audience Segments 分解时,Meta 显示 60% 投放到“新受众”。
4) 这显然不合理,因为 1 天受众应 100% 包含在 180 天受众里。
5) 于是他启动了一个以 180 天网站访客为目标的广告组,投放两天。
6) 再次启动 1 天受众广告组后,Audience Segments 分解显示“新受众”占比为 0%。
他很少用自定义受众做定向,在问题出现前也有数月未使用该 180 天受众,因此他的推测是: 该 180 天受众因长期未用于定向而“失效”,导致在 Audience Segments 中变得无效。
如果这个推测成立,且社群成员的情况也是同一问题,那就意味着 Meta 存在严重疏漏: 一方面鼓励算法化定向,一方面鼓励使用 Audience Segments 分解;但若自定义受众必须每隔几个月用于定向才能在 Audience Segments 中保持“活跃”,两者就是自相矛盾。
作者指出自己遇到这个问题已超过一年,现在可能仍然存在,并提醒如果你看到 Audience Segments 分解突然“不合理”,尤其是很少用来做定向的自定义受众定义了这些分段时,可以把“受众失活”视作一种可能解释。
Ads Manager 中一个极实用的小按钮
作者强调 Ads Manager 中一个不起眼的按钮非常有用,配合 Quick Views 功能可以极大提升效率。
Quick Views 是一组按钮,用来一键调用常用搜索和设置,功能本身不是新东西,但最近有改进;作者此处关注的是其中的“Had Delivery”(有投放)按钮。
点击“Had Delivery”后,在所选日期范围内至少产生过一次展示的广告组才会显示,其余无投放的广告组会被隐藏;他提到自己可能把默认选项从“广告系列/广告是否有投放”改成了“广告组是否有投放”,但核心效果相同。
由于默认视图下所有广告系列都会显示,界面既杂乱又拖慢操作;这个按钮能一次性隐藏所有无关、非活跃的项目,减少干扰,作者直言“尝试一下,你一定会开始经常用它”。
Daily Budget Flexibility 下的异常花费案例
作者在一个新广告组上设了 100 美元的日预算,第二天 Meta 实际花费 169.51 美元,比预算高出近 70%,这让他注意到了 Daily Budget Flexibility 的实际行为。
按 Daily Budget Flexibility 规则,Meta 单日最高可超过日预算 75%,以“抓住机会”,但保证在一周内不会超过该周应花费总额;这次超支本身符合规则,不算“系统错误”。
真正让作者觉得奇怪的是发生的时机和表现: 这还是投放第 2 天,广告组仍处在学习期,而且效果并不特别好,很难理解 Meta 如何在这种情况下判断“有好机会”从而超支近 70%。
另外,他几乎没见过 Meta 把超支比例拉到这么高;对比一个同样日预算 100 美元的类似广告组,Meta 从未在单日花费超过 114 美元,日间花费波动通常在 5% 到 10%。
尽管如此,在这一周内系统按照规则进行了“补偿”,之后几天花得更少,最终 7 天总花费略低于 700 美元;但作者认为在第 2 天、学习期内大幅超支完全不必要,反而在表现逐渐改善时被迫减少花费,可能让整体效果更差,他个人感觉“更像一个 Bug”。
利用数据集自动生成 Audience Segments 的设想
作者长期困扰于很少有广告主正确定义和使用 Audience Segments,即便那少数定义了的人,也经常方式不正确。
核心问题在于: 当前 Audience Segments 需要用自定义受众来定义,而在他看来,Meta 实际上已经掌握了这些分段所需要的行为数据。
他不理解 Meta 为什么还没有提供自动生成 Audience Segments 定义的机制,并提出一个基于数据集(datasets)的简单方案;数据集包含从网站、CRM、App 等自有资产发送到 Meta 的转化事件,Meta 知道哪些数据集与哪些广告账号关联。
在这套设想里,Audience Segments 可以被系统预定义为:
* “已互动受众”:所有网站事件、所有 CRM 事件、所有 App 事件
* “现有客户”:所有购买事件或带有价值的事件,不论来源
若未发送网站或 CRM 事件,这些 Audience Segments 就会相对“不完整”。
这仅是基础预定义,目的是让所有人都能使用 Audience Segments 分解;同时他认为应该可以在此基础上自定义和补充更多自定义受众,例如当未发送 CRM 事件时用“邮件列表自定义受众”来补齐。
作者自称不是程序员,承认建立这种“直接连接”可能比他想象的更复杂;不过,他认为目前大量广告主错过了运用这些数据的机会,而 Meta 本可以通过这种自动预定义的方式让它更易用。
💡 可操作建议
在测试 ChatGPT 广告时,应针对高客单价或服务类业务评估是否能在 60 美元 CPM 水平实现盈利,并务必使用 UTM 参数和第三方跟踪将转化数据与花费关联。
非程序员在使用 Claude Code 搭建工具时,作者建议先在本地环境中尝试,把它用于减轻重复数据监控与报表工作的负担。
若发现 Audience Segments 分解数据突然不合理,尤其是依托长期未用于定向的自定义受众时,可考虑先重新启用这些自定义受众投放几天,再观察分解结果是否恢复正常。
在 Ads Manager 中启用并习惯使用 Quick Views 的“Had Delivery”按钮,用来快速过滤掉无投放的广告系列或广告组,提升日常账户管理效率。
🎯 适合人群
使用 Meta 广告进行投放的广告主与代理商从业者
关注 AI 创意生成、广告自动化和数据分析工具的营销人员
有一定数据意识、希望用仪表盘与 API 改善工作流的运营与内容创作者
✨ 核心金句
- “你完全可以用这些工具搭建出极大提升工作流的东西,广告当然也是其中之一。”
- Author:EcomGrace
- URL:http://ecomgrace.com/article/article-advantage-creative-video-generation-beta-what-else-2026
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
