UAC 和AAA 优化过程中更新素材的一些猜想 现象：最近在观察账户的时候发现，如果适当周期性的去替换AAA和UAC中的广告创意（小范围，低密度），在之后的一段时间又能持续稳定住下滑趋势或者稍微再拉回来一些。 猜想：更新素材后可能能重新组合出来一些新的广告，以及UAC能覆盖到一些新的版位，同时也能针对历史曝光过的人群进行二次曝光。这样有利于帮助广告重新学习，结果就是能扩大曝光，从而在可控价格范围内

为什么苹果不给IDFA之后Facebook反应这么强烈 首先列几个重点： 0 ，Audience Network的流量并不是Facebook自己的，而是对接的成千上万的开发者的流量，比如某个小游戏内的广告位置，或者某些大的网站的，这些开发者通常会同时对接了Google的admob，以及Facebook的Audience Network广告，哪家变现强，就把自己的广告曝光切到哪家多一些。 1，Fac

核心：不用焦虑IOS14，解决方案迟早都会有的，等着行业里面大佬们想出来解决办法再学习的。 如果不考虑是不是合规，或者道义上是不是合适，其实只要每个产品都向用户索要idfa，每个产品都有15-20%的人拿到idfa，最终这些数据比如统一都到了某些MMP，或者某些大厂手里，这些信息再和他们自己内部的数据整合出来后，某些没拿到idfa的app通过其他app拿到的信息基本也就能确定唯一性了。 只是上面这

TT优化：涨价也不管用的情况 （不一定只是TT，其他渠道也一样，只是可能性比较低） 其实这应该是比较极端的一种可能性，大部分的时候大家是量不够，价格跟不上，所以缺量的时候自然而然就去涨价了，但是其实有一种可能性其实涨价也没有用，反而其实你可能可以考虑尝试降价，这种情况便是：你的出价*转化已经是当地第一... 或者其实不一定是第一，但是竞争对手不足的情况下，改变出价也无法让你的展示曝光次数增多，单这

前面说到 好的产品投放也容易，可以承接到的流量也会要更宽松，也可以扛得住更高的成本，所以再大概介绍下产品优化的一些基本思路。 干讲可能不好评估，以社交产品作为例子吧。当然也只说市场环节相关的产品优化，具体的玩法设计之类其实市场人员也很不一定能说服产品人员。 通常优化的基本思路可以把自己当做一个傻瓜用户，从产品下载到后续付费（或者目标行为）过程中全都体验一遍，把所有可能导致你流失的地方全都记录下来，

结论：都用，但是控制lowest cost占比。 之前写过一篇文章，介绍了Facebook在不同出价下覆盖到不同价值人群： Facebook 不同广告出价形式的差别，以及针对产品的投放建议 以及用户价值介绍： Facebook广告用户价值划分+对应优化方法 所以根据这个理论来说，在投放的时候必然是需要多种投放方式均覆盖到，这样便能在一个比较合理的价格区间，覆盖到所有潜在的人群。 举

上一篇关于UAC优化的问题汇总： UAC预算受限问题分析+出价/预算分析 继续补充UAC的部分问题 1，降低出价后最后跑出来的单价反而更高？ UAC跑的过程中，是将上传的各种广告素材组合起来去给到不同的人群，在不同的广告版位上曝光测试，最终选出来最佳组合持续曝光，并且在投放过程中不断学习，把不好的版位+组合+人群去掉，学习到新的位置，不同的组合+版位+人群都有不同的价值，对应的cpm不同，运气好的

留存优化过程中我们最常干的一件事情就是去找到留存差的素材，关掉或者换个更窄的受众继续跑，一般情况下这么优化看起来也是没什么问题，基本也都是有效的。 但是如果，你在投放的量级上足够大的时候，这个方法还能管用么？ 首先，说一个故事： 你拿着100万跑到了菜市场，选了其中20个摊位和人家说，我要把你们的白菜全买了，2块钱一斤。价钱挺不错的，这样20个摊主都努力给你找白菜，然后都送到你那了，你发现

Facebook AEO 和conversion Event投放的差别和应用 看到群内有人咨询Conversion和AEO的区别，大概介绍下，Facebook 跑APP event有两种形式，Conversion模式和AEO。 AEO形式 创建campaign时候直接选App install之后，创建AEO形式adset。 Conversion形式 创建campaign的时候选择conversio

UAC预算受限问题分析+出价/预算分析 看到群里面又有人咨询类似问题，索性汇总下常见的一些出价预算问题。 1， 明明预算出了很多，实际消耗很少，系统还是提示预算受限 分析：预算受限实际上是系统在预估你消耗的时候觉得你的产品对于整体市场大盘挺有潜力，如果顺利，你是可以花掉这些预算的，奈何...你出价太低，现在市场上有竞价更优优势的广告主给你抢走了，所以尽管钱没花掉，但是预估的时候你还是预算受限了。

之前写过一篇第三方数据和平台之间的数据差异原因，不过看起群里面还是经常有人会问不同现象的差异。 大概差异的情况如下： 1，Facebook后台数据明显大于第三方 原因，Facebook自己的sdk记录的是所有看过/点过广告产生安装的数据，第三方只记录了最后一次点击归因的数据，造成Facebook数据大于第三方数据。这种情况出现在渠道多，整体量大的时候比较多。 注意，如果差异很大，并且网盟也跑了很多

我为什么要做程序化广告投放系统 1，什么是程序化投放系统 定义：基于Facebook，Google，TikTok，或者国内头条系，腾讯系广告平台的API，开发自己的投放辅助工具，实现特定的自动化投放功能。 市面上有不少成熟的工具，比如Naniganes，以及Bidalgo，各有特色，近期推广宣传的比较多的Bidalgo已经号称了AI做素材，AI自动调整广告之类，另外数据报表也支持自定义，大客户还能

虽然是老操作了，但是没写过，整理一下。 投放Google UAC的时候，不同类别系列数量控制： 可能以下方法不适用于游戏，内购套路的投放方法差别比较大。主要分成2个类别，受众宽泛的娱乐类产品，以及垂直的工具类，或者目标单一的金融产品等。 泛娱乐，受众人群范围很广的产品，在人群比较大的市场，不一定非要参考Google的单个系列思路，目前测试下来可以多跑几个系列一起，不同系列做不同方向的素材去尝试，不

TikTok的正确写法，两个T大写，没有空格，不是Tiktok，tiktok，Tik Tok等等。 首先放一张图，难得预测准一次，已经嘚瑟过好几次，但是还是忍不住继续嘚瑟一下。 各路公众号都在分析什么隐私之类，其实这些都只是明面上的一些冠冕堂皇（生拼硬凑）的理由，哪怕你服务器在美国，哪怕你用的全都是美国员工没有一个中国人，老美也不可能会接受一个中国公司进入到互联网”基础“服务行列，不说隐私也会找一

首先说Facebook AAA，基本可以理解成Facebook往UAC方向探索。 目前还在内测阶段，估计9月份能开放更多客户尝试，从目前已经参与过测试的同学反馈，在跑MAI，AEO，VO几个方向表现都还不错，可惜我还没参与到测试中，没有实际的操作，不好评价。 AAA的目标，其实是Facebook参考Google给中小广告主降低投放难度来实现的傻瓜化广告投放操作，大客户其实可能尝个鲜基本就差不多了。