什么是Meta學習階段？

Meta廣告的投放系統會使用機器學習來優化廣告主投放的結果。每次展示一個廣告時，投放系統都會詳細了解最適合定位的人群、一天中展示廣告的時間以及要使用的展示位置和創意。顯示的廣告越多，投放系統在優化廣告效果方面就越好！

在學習階段，投放系統正在探索投放廣告組的最佳方式——積極嘗試不同的受眾、展示位置等，因為性能尚未穩定。當我們創建新的廣告組或對現有廣告/廣告組進行重大修改時，就會出現學習階段。

一旦性能穩定，廣告組就會退出學習階段。通常情況下，廣告組在7天內收到大約50個優化事件后性能會穩定下來。

如果你的廣告組沒有獲得足夠的優化事件以退出學習階段（或者如果投放系統預測它將來不會收到足夠的優化事件），則投放列會顯示“學習受限”。

為什么學習階段很重要？

在學習階段，廣告投放尚未優化，因此處于學習階段的廣告組不太穩定，通常具有較高的CPA。下圖可以說明學習階段對CPA的影響。

在學習階段花費的預算份額越小，通常會導致用于穩定性能和較低CPA的預算份額越高。在學習階段支出20%的廣告主比在支出約80%的廣告主看到的轉化次數多17%，每次轉化費用低15%。

因此，廣告主應盡量避免一切會阻礙廣告組退出學習階段的行為。

什么更改會讓廣告重新進入【學習階段】？

為了持續讓廣告成效是穩定的、或是更快速完成學習階段，很多時候我們會避免一些重大編輯打斷系統數據收集，以下是讓廣告重新進入「學習階段」的調整：

1.頻繁編輯

手動優化（編輯）是導致廣告組未退出學習階段的主要原因。某些活動或廣告編輯會重置學習階段。

①活動

預算（取決于幅度）、競價金額（取決于幅度）、競價策略

②廣告

任何動作

③廣告組

定位、展示位置、優化事件、添加新創意、出價策略、出價金額、預算、暫停超過7天

Tips：要減少學習階段的支出，請避免在廣告組或廣告退出學習階段之前對其進行編輯。這可確保你的優化決策基于更能指示未來性能的結果。如果你要進行多項編輯，最好一次性批量處理，這樣的話機器學習僅重置一次。

2.有太多的廣告組

高廣告組數量是廣告組未退出學習階段的另一個主要因素。當廣告主一次投放過多的廣告組時，每個廣告組的投放頻率就會降低。這意味著更少的廣告組退出學習階段，并且在交付系統完全優化性能之前花費更多的預算。

Meta推薦的解決方案是通過合并廣告組來簡化賬戶，當廣告主整合廣告組時，系統也會整合他們的廣告投放學習。

Tips：嘗試使用以下這些替代大量廣告組的方法，以加速我們擺脫機器學習時間：

例如說廣告主使用了street dance/new dance這種受眾范圍很窄的標簽時，為了盡快完成學習，可以使用受眾范圍更大的dance標簽或者entertainment標簽。

3.低轉化量和受限設置

其他活動和廣告組設置可能會阻止廣告組獲得足夠的轉化量以退出學習階段。請盡量避免

①低預算

由于廣告組在7天內需要大約50個優化事件才能退出學習階段，因此廣告組應該有足夠的預算以允許在7天內進行大約50個優化事件。

如果你設置的預算非常小，你就會為交付系統提供一個不準確的指標，表明交付系統應該為哪些人優化。

②低出價或成本上限

如果你使用具有最低ROAS的出價上限、目標成本、成本上限或價值優化來限制你的廣告組在7天內獲得大約50次轉化，則廣告組可能不會退出學習階段。

③觀眾人數少

更大的受眾群體更有可能為廣告組產生足夠的轉化以退出學習階段。

④不要頻繁的轉化事件

如果你的轉化事件在一周內發生的次數少于50次，請考慮針對發生頻率更高的事件進行優化。例如，如果你在一周內看到少于50個購買事件，請考慮更換為淺層事件進行優化，如加入購物車（add to cart）。

注意：具有較長轉化窗口的廣告組需要更多時間才能退出學習階段。例如，廣告主的廣告時長最好設置在能夠滿足系統完成50個事件的時長，如果沒有過去的經驗就設置為7天，如果過去有經驗，比如說3-4天基本可以完成學習，廣告的投放周期就保證在4天。

Tips：雖然避免阻止廣告組退出學習階段的行為很重要，但你不應該試圖完全避免學習階段。測試新的創意和營銷策略對于隨著時間的推移提高你的績效至關重要，學習階段對于幫助投放系統優化你的新廣告是必要的。

學習階段結束后，可以開始進入廣告組合后續執行。