2020年如果想要扩大Facebook广告盈利的规模,我们的首要方法是进行广告系列预算优化,即CBO。


传统的ABO已经无法使FB广告长期规模化盈利,即使可以也变得很困难。

 

什么是Facebook的CBO?它是如何工作的?

 

CBO是Campaign Budget Optimization的首字母缩写,意为“广告系列预算优化”,它几乎是最佳的预算设置手段。

 

在Facebook的广告领域,有两种方法来设定预算。

 

第一种是在广告组的级别设定预算,这种方法允许我们为特定的广告系列中的每个广告组设置预算。

 

第二种,广告系列预算优化(CBO)。

 

CBO是Facebook上一个相对较新的广告功能,允许我们为整个广告系列设定每日预算,而不用为每组广告设定。

 

更详细一点来说,CBO利用Facebook的算法,将我们的预算分配到最有可能以最佳价格获得转化率的广告组上。

 

即,Facebook将把预算集中到那些最有可能获得转化的广告中,而不是保持每个广告组的固定支出。



 

为什么CBO如此重要?

 

为什么广告商需要尽早掌握这种策略?

 

从表面上看,这可能只是一个微小的改变,其实是Facebook依靠机器学习代替人工优化的趋势,但我们必须实施全新的策略,才能保证我们Facebook广告的持续成功。


下面这个就是我完全依靠广告组预算折腾的结果,创建了100多了广告组,不停测试,有好有坏,投放广告成为一个体力活,这不是我们想要的结果,也不是Facebook想要的。



还有CBO可以帮助我们减少冗余消耗



那么,我们该如何开始使用CBO呢?

 

在学习高级策略之前,让我们先来了解如何建立CBO广告系列,从学习CBO的运作机制开始。

 

如何建立我们的第一个CBO广告系列

 

首先,我们要做的第一件事就是——选择我们的目标。

 

在下面的示例中,我们选择了Conversions目标。

 

在确定了目标之后,我们就可以选择CBO预算选项,然后开始创建广告组。

 


 

在确定使用CBO来优化广告组间的预算之后,我们需要输入每日预算(daily budget),然后选择竞价策略(bidding strategy)。

 

 

通常,Facebook默认选择“最低成本(lowest cost)”竞价策略,但我们也有其他三种策略可选,分别是:

 

  • 成本限制(Cost cap)

  • 竞价限制(Bid cap)

  • 目标成本(Target cost)

 

当我们第一次测试某类受众时,我们通常会选择最低成本(lowest cost)的竞价策略。


 

我们也测试了另外三种情况,想看看结果是否理想,或者看看,是否它们能有最低成本策略无法实现的CPA。

 

当然,如果一个广告组没有达到预期的表现水平,我们会关掉它。

 

在广告组级别,也有一些高级选项可以供人选择。

 

这些选项包括广告安排(ad scheduling)和投放类型(delivery type)。

 

 

CBO预算和广告组预算:该选哪一个?

 

 

现在广告商们仍然可以在CBO预算和广告组预算之间做出选择。

 

那么在运行帐户时,这二者到底意味着什么呢?

 

最重要的是,我们应该在什么情况下选择CBO预算,又应该在什么情况下选择广告组预算?

 

不断测试确实是非常重要的,但是,我们也发现有两条重要的经验法则,可以帮助判断哪种策略最为有效。

 

法则1:使用广告组预算来测试新受众

 

我们不愿太过夸赞广告组预算,因为我们知道,广告组预算不是一个长久之计。

 

但通常在测试新受众时,在广告组设置预算是最有效的策略。

 

这是有道理的,因为广告组预算保证我们的预算能够在一定的时间内给人们留下印象。

 

法则2:使用CBO来测试准备好扩张的广告组

 

在运行了大量的测试之后,我们可以确定最佳表现的广告组。

 

此时,把成功的广告组复制到CBO广告系列是最好的实践,也是非常有效的策略,这可以帮助我们扩大规模。

 

我们已经测试了利用CBO来扩张广告系列的各种方法。

 

有两种策略往往能显示出最强的效果:

 

  1. 顶级广告组

  2. 超级类似受众+超级兴趣+广泛受众

 

这两种结构在下面的小节中都有概述,另外,后文还叙述了两种可以测试的结构。

 

CBO对我们很有效

  

我们已经为CBO广告系列的架构制定了最佳实践,所有Facebook的广告商都应该测试一下:

 

  • 导向性广告结构(Facebook推荐)

  • 顶级广告组

  • 最佳类似受众广告组:1%,2%,3%,4%,5%

  • 超级类似受众+超级兴趣+广泛受众

 

记住,我们选择的结构取决于我们的目标和预算。

 

和往常一样,如果某一个结构不奏效,一定要测试一个新的。

 

Facebook推荐导向性广告结构

 

对于CBO新手来说,这是一个很好的起点。

 

当使用这种结构时我们需要:

 

  1. 拿出最好的广告,复制到一个新的CBO广告系列

 

  1. 接下来,在同样的广告系列中,不做限制,如年龄范围、性别和地理位置,创建一个新的广泛受众广告组。

 

这样就可以了,不需要兴趣目标或类似受众。

 

在这个CBO广告系列中,广告组的数量一共是2组。



如果我们能在一周内获得至少50次的转化, Facebook像素就会自行在广泛受众中寻找我们想要的客户。

 

其实,我们是让Facebook算法去帮我们找最佳受众。

 

最后,我们发现,当我们有足够的预算在一周内获得至少50个转化时,这种结构是最成功的。

 

顶级广告组

 

如果我们的预算不足以让FB像素自我发挥,我们该怎么办?

 

简单

 

我们可以把最好的广告组放入一个CBO广告系列。

 

我们可以从表现最好的5-10组广告开始,如果预算不够,可以减少使用的广告数量。

 

最重要的是,一定要挑选表现好的广告。

 

 

我们发现这种结构取得了很多成功,尤其是扩张广告系列。

 

推荐这种结构的原因是,我们可以清楚地了解到哪些广告组在继续驱动结果,然后关闭那些表现不好的广告组。

 

喜欢Michigan法的人可能也会喜欢这种结构,因为它让营销人员对Facebook的目标受众有更多的控制。

 

最佳类似受众广告组:1%,2%,3%,4%,5%

 

对于这种特殊的结构,我们最好从下图这样开始。

 


我们已经对这个结构进行了10个广告组的测试,但最成功的是,将广告组数量限制在5个。建议多做测试,风险自负。

 

在设置这个结构时,一定要排除一些受众,避免受众重叠。

 

详细来说,在每一组广告中,1%的类似受众将被排除在1-2%、2-3%、3-4%和4-5%类似受众之外。

 

虽然设置有点复杂,但它可以提供不错的回报。

 

我们建议你尝试一下,特别是如果你在寻找类似受众的时候遇到了麻烦。

 

超级类似受众+超级兴趣+广泛受众

 

如果通过FB像素,你每周都能获得不错的转化,那么我们推荐你一定要试试这个结构。

 

这是一种终极的扩张结构,对于conversion to purchase和lead generation广告系列都非常有效。

 

要想创建这个结构,我们要把测试出的最好的受众分成两个广告组——一个是兴趣组,一个是类似受众组——这两者通常都被称为“超级组”。

 

然后,创建第三个广告组,由一个广泛的人口群体组成,以便让算法发挥作用。

 


 这个广告系列往往会表现得很好,因为每个受众都已经接受了考验。

 

它利用类似受众和兴趣目标来吸引广泛的受众。

 

我们在同一个广告系列中测试了类似受众和兴趣。

 

在广告组的测试之后,我们可能会得到符合期望的结果。

 

然后,将符合期望的类似受众或兴趣添加到两个“超级组”中。

 

这种做法能使受众保持新鲜感,并以一种安全方式进行扩张。


如何利用CBO进行测试广告系列

 

Facebook表示,在不久的将来,所有的预算都必须在广告系列的级别上进行设定。

 

这意味着,我们将不能使用广告组预算来测试不同的广告组。

 

那么,我们该如何利用CBO来开展测试活动呢?

 

首先,我们需要创建一个新的CBO,用我们想测试的不同变量来细分广告组。

 

如果预算较低,我们可以将每日预算保持在每组广告10美元。

 

对于较大的预算和更快的像素学习,我们可以将每日预算设置为50美元。

 


 我们在使用CBO进行测试活动时,遇到的一个常见问题是:

 

预算会集中到一个或两个表现最好的广告组,从而,没有足够的预算留给其他剩余的广告组进行测试。

 

如果你在你的广告系列中也注意到了这一点,我们建议你设定一个最低预算来缓解这个问题。


 

最低预算可以在任何时候添加或更改。


 

因此,当你看到一个广告组的表现下降时,你可以减少或删除最低预算。

 

另一方面,如果你看到一组广告效果很好,你也可以增加每日最低预算。

 

在我们的广告系列中,如果使用广告组预算,我们通常会将最低支出设定在我们的日常预算中。


下图是我一个产品由ABO过渡到CBO的结果显而易见,更精简的账户结构,更少干预FB算法优化,更稳定的结果,投放人员可以专注用户体验和广告创意这个是未来的趋势。

 

ABO



CBO







点赞(4) 打赏

评论列表 共有 0 条评论

暂无评论

服务号

订阅号

备注【拉群】

商务洽谈

微信联系站长

发表
评论
立即
投稿
返回
顶部