ad-campaign-consolidation

Campaign Consolidation

将分散的多广告系列账户转化为整合计划：哪些该合并，哪些该保持拆分，按什么顺序操作，以及如何判断结果。这项技能要权衡的核心取舍简单而不可避免：将固定的转化量分散到 N 个广告系列或广告组中，会使每个分支的学习信号减少到原来的 1/N。

整合能提高投放算法获取信号的密度；细分则能提升控制力、相关性和报告能力。两者都没有默认优势：请针对这个具体账户评估这种取舍，而不是预先偏向某个方向。

你只提供建议，绝不执行。输出应是由账户负责人亲自应用并签字确认的整合计划，绝不是已应用的更改，即使你的运行环境能够访问该账户也不例外。

当分散已被怀疑或确认是问题时，本技能就会启用。更广泛的“为什么这个账户表现不佳”根因分析属于 mbfinotti/advertising-skills@ad-account-diagnostic，它会将分散问题的诊断结论交给本技能——如果尚无人确认分散是问题，请先运行诊断。

整合是平台认可的做法，并非边缘观点：

• 支持证据： 某主流社交平台自家的（现已停用）五大支柱最佳实践计划将简化账户结构列为其中一项；搜索广告领域则有一种专门方法，用少量按意图主题划分的广告系列取代单关键词结构（见“平台说明”）。
• 反对证据： 至少有一个已发表的大规模整合案例在合并后表现略差；一项来源报告称，仅退出学习阶段就能带来约 5-10% 的提升，并非颠覆性改变。

请将整合作为待验证的假设，而不是保证有效的方案。不要在计划中过度夸大其效果。

访谈

分析之前先提问。

• 每条消息只问一个问题。

• 尽可能提供多选答案。

• 跳过用户、数据或诊断交接中已提供的信息。

• 使用哪些平台？（搜索 / 付费社交 / 短视频 / 专业社交网络 / 多个平台）

• 是 B2B 还是 B2C/电商？

• 每月支出是多少？账户实际优化的事件每月有多少次转化？（这组数据决定了后续大部分内容。）

• 当前结构如何：有多少个广告系列、广告组和活跃广告？

• 你能导出哪些数据，粒度如何？（最低要求是按分支、按天统计的转化次数。）

• 目标 CPA 或 ROAS 是多少？它是根据单位经济效益（利润率、交易额、成交率）推导出来的，还是沿用仪表板上的数据？

• 目前有哪些细分群体被拆分到不同广告系列或广告组中？每个细分群体当初为何单独拆分？（这是决定整份计划的关键问题——“为了 2024 年的发布活动”或“前任经理一直这么报告”，与“不同细分群体的利润率不同”之类的回答，会导向完全不同的计划。）

• 谁负责控制预算？是否有外部强制要求的拆分（客户合同、财务要求，或每条业务线的保证支出）？

• 合并后，业务需要保留哪些报告？（限合同或运营所需，而非“锦上添花”。）

• 是否有分支目前处于学习阶段？是否有成本飙升或恐慌情绪正在促使提出这项请求？

• 销售周期有多长？下一次旺季何时到来？结果必须在什么日期前落地？（明确的截止日期会优先考虑快速、有限的调整——prune，然后是 merge——并排除那些需要先经历学习周期、再经历销售周期才能见效的方案。）

• 你希望一次性改善本季度的数据，还是建立能持续带来收益的结构？（一次性目标优先考虑 prune 和 re-parent；追求复利效应的目标优先考虑 merge，对低转化量的 B2B 账户还应考虑 up-funnel。）

• 工作量上限是多少：可用于重建的工时、需要谁签字批准、与拆分负责人协商需要多少政治资本，以及更改必须保持多大程度的可逆性？（上限较低时，计划仅限于 prune 和 re-parent；只有上限较高时，才适合分阶段合并。）

工作流

1. 运行访谈。在接触数据之前收集所有答案。
2. 梳理当前结构。 绘制每个广告系列 → 广告组 → 广告的结构，并记录每个分支的每日预算、出价策略、优化事件、受众定义，以及它存在的既定原因。如果你能直接读取账户导出数据，就自行完成；否则，给出准确的导出步骤和一张表格，让用户填写后返回。将每个拆分标记为 有意为之（有人能说出当前的业务理由）或 历史遗留（上线后遗留、已离职经理的报告习惯、无人收尾的旧测试）——无人能说明理由的拆分，是最容易合并的对象。
3. 根据平台的学习门槛计算每个分支的转化量。 在成熟的归因窗口内统计每个分支的转化量（排除归因转化仍在累积的日期），并使用该分支实际优化的事件——绝不能使用平台看不到的下游事件。将结果与平台_已发布_的门槛进行比较（见平台说明；请在实时帮助页面上重新核实，这些数值会变化）。如果平台没有公布门槛，就明确说明——不要套用其他平台的数值。
4. 进行预算可行性测试——这与转化量测试相互独立。 理论上达到门槛的分支，也可能因预算不足而永远无法达到门槛：最低每日预算 ≈ 目标 CPA × 退出门槛 ÷ 门槛周期天数。即使受众规模很大，如果分支的预算不足以覆盖其门槛所需支出，它仍因资金分散而碎片化。
5. 对每个分支进行分类，使用下方的四种状态。绝不能让“无法核实”直接变成结论。
6. 根据保留与合并规则（下文）测试每个现有拆分。 只有在规则保护下，拆分才能保留；无论是否保留，都必须在方案中说明保留拆分的学习成本。
7. 应用证据门槛（下文）。如果未通过，交付内容就不是合并方案，而是准确说明还需要多少天、多少支出或何种访问权限才能通过。
8. 制定目标结构。 根据下方的整合操作选项，为每个组选择最早满足其分类条件的操作级别，而不是最激进的方案。
   • 对于每个合并后的组：说明共用的目标、优惠、优化事件、出价策略和预算级别（采用广告系列级预算池还是分支级预算——何时预算池会重现原问题，请参阅预算计算）。
   • 对于每个保留的拆分：说明保护它的规则及其预算下限。
   • 明确回答受众细分问题：哪些细分会作为创意变体纳入合并后的结构（见下文），哪些会继续保持结构性拆分。
9. 制定迁移顺序（迁移机制见下文）：列出阶段、哪些内容新建、哪些内容编辑、控制项、禁止改动窗口，以及相对于旺季的时间安排。
10. 定义衡量计划和复查日期（见下文的衡量部分）：包括基线、评估窗口、通过门槛、回滚触发条件和签字批准人。如果你的执行环境具有持久记忆，请记住库存清单、分类、方案、阶段日期和复查日期，以便后续运行从历史记录开始；否则，请输出一段简短的状态信息块，供用户粘贴到下一个会话。

分类状态

为每个分支（广告系列或广告组）指定且只指定一种状态，并用一句话说明理由，同时引用转化量测试、预算测试和保护规则：

• merge - 低于门槛（或受预算限制），且不适用任何保护规则。注明合并目标。
• keep - 自身满足转化量和预算要求，或受保护规则保护。注明适用的保护规则。
• keep but re-parent - 报告或控制必须保留，但竞价信号应汇入同一处。该分支继续单独报告，同时共用预算和出价策略（下方第 3 级）。
• insufficient evidence - 数据不足以支持上述任何状态。说明需要什么证据才能作出判断。这是有效状态，不代表未能作出决定。

整合方案，按效率排序

五种方案都追求同一个目标：让每个分支获得更密集的学习信号。它们并不等价，真正的问题是，负责人该把本月的时间和审批用在哪一种方案上。

• 效率（每小时和每次审批所追回的信号）：prune > merge > re-parent > up-funnel > big-bang
• 价值（实际追回的信号）：merge == big-bang > up-funnel > re-parent > prune
• 工作量（构建时间、协调、审批、可逆性）：big-bang > up-funnel > merge > re-parent > prune
• 合规成本（每种方案触发的审查）：big-bang > merge > up-funnel > re-parent == prune

1. prune——暂停没人能说明理由的分支，并分阶段将预算转给保留的分支，每次约 20%。几乎不需要构建，可立即撤销（暂停不会重置学习），除预算负责人外无需审批。它解决的是资金分散问题，而非受众重复问题——因此它排在首位，但不会让整个工作就此结束。
2. merge——为每个组构建一个合并后的实体，调整预算，然后暂停原有实体。构建约需一小时，每个阶段还需等待一个学习周期。这是真正能追回分散信号的方案，但只有在旧结构仍处于暂停状态时才可逆。先从历史遗留的拆分开始：没人主张保留这些拆分，也无需耗费政治资本。
3. re-parent——在共享父级下汇总预算并统一出价策略，同时让每个分支继续单独报告（从业者 Jyll Saskin Gales 针对约有 10 个广告系列的账户所推荐的低风险折中方案），并为每个分支设置最低支出下限。构建工作量与合并相同，但由于报告仍然保留，协商要简单得多；不过，它汇总的是资金，而非广告组层级的学习，因此之后仍可能无法通过量级测试。
4. up-funnel——将优化事件改为量更大的代理指标（见 B2B 和 B2C）。需要追踪和 CRM 负责人参与、进行同意与数据审查，并安排一项持续运行的工作，确保代理指标能准确反映真实结果。过程缓慢，效果会逐步累积；当完全合并后的结构仍无法达到门槛时，只有这一方案行得通。
5. big-bang——一次性重建整个账户。理论价值与分阶段合并相当，但所有分支会同时重新学习，结果无法归因于任何因素；此外，任何被其取消的外部强制拆分都必须事先获得财务、客户或法务审批。《迁移机制》规定，任何在线账户都不能采用此方案——此处列出它，是为了说明计划可以解释为何否决此方案。

默认做法：先在整个账户执行第 1 级，然后对保留规则未保护的组执行第 2 级。当下一级方案的免干预观察期结束、量级测试仍未通过时，再升一级。

这种排序最容易耽误的是 up-funnel。 它耗时，需要另一个团队和一项持续运行的工作，而且排在第 4 级，因此按照上面的升级规则，必须等前三个级别都经历各自的免干预观察期后才会轮到它——这需要数月。对最需要它的账户来说，这完全本末倒置：如果根本没有转化，无论怎样合并都无法凭空创造转化，而 up-funnel 以下的每个级别都要耗费一个学习周期，才能再次证明这一点。

只需满足一个条件，就应将它直接提到首位，排在 prune 之前：量级测试表明，即使是_完全合并后_的结构，也无法达到平台门槛（见 B2B 和 B2C）。不必沿着阶梯逐级尝试才能用到它——第一天就能算出结果。

这个排序是默认方案，不是铁律——它会因账户情况和执行者而变化。根据你对该用户已有的了解重新排序：

• 如果账户中的拆分全都是有意为之，prune 几乎毫无价值，re-parent 才是真正的首选。
• 如果内部分析师能够开展留出测试，较大的调整方案就更容易看清效果。

用户在 Interview 中的回答也会直接影响排序：有明确截止日期时，应优先考虑 prune 和 merge；有要求效果逐步累积的任务时，应优先考虑 up-funnel。 用户实际提出的约束与重新排序不同：它会移除一个阶梯。将其从阶梯中删除，并在计划中注明它已被删除，同时说明是哪个约束导致删除，以及什么情况会让它重新纳入计划——就像第 5 级目前只列在计划中，用来说明它为何被否决。

• 如果没有人可以动一个追踪实现，就删除 up-funnel。
• 如果工作量上限不允许资助多阶段重建，就删除 merge 及其以上的所有阶梯，仅将 prune 和 re-parent 留作完整计划。

应直接说明这一点，而不是把已删除的阶梯排在最后。把某个动作放在阶梯底部，看起来像是未来范围；下个季度，忘记约束的人就会把它作为新提案重新提出。

证据门槛

如果数据不足以支撑合并计划，就拒绝制定计划。只有以下条件全部满足，任何 merge 分类才能纳入计划：

• 窗口成熟度。 统计窗口已充分覆盖归因延迟，且足以代表实际情况——至少涵盖一个完整学习周期和典型转化延迟；对于长周期 B2B，应延长至 4–6 周。
• 各分支的支出。 在统计窗口内，每个接受评估的分支累计支出约为其目标 CPA 的 3 倍——低于这个水平时，零转化很可能只是噪声，因此状态应为 insufficient evidence，而不是 merge。（从业者的起始参考值：若真实单次转化成本等于目标值，支出达到目标 CPA 的 3 倍仍零转化，概率约为 5%。应根据账户自身的波动情况重新校准。）
• 归因一致性。 所有纳入统计的分支必须使用相同的归因窗口和统计方法，且窗口期间不得更改设置或追踪方式。绝不能合计不同窗口下的转化次数。
• 真实目标值。 用于预算计算的目标 CPA/ROAS 必须来自单位经济模型；如果目标值继承自其他来源且未经验证，则必须明确标记——基于继承自仪表板的目标值制定的计划根基不牢，必须如实说明。
• 不要恐慌式重组。 如果账户正处于成本飙升期，或某个分支仍处于学习阶段，不要条件反射式地进行结构调整——重置学习往往比成本飙升的代价更高。先诊断；必要时推迟计划并说明原因。

如果未达到门槛，应说明还差多少才能达标，并按以下顺序提出补齐方式——按效率排序：缺失的导出数据或访问权限 > 按当前量级再等待更多天数 > 将预算集中到更少的分支，以更快累积各分支的支出。

• 导出数据几乎不费力，今天就能补齐门槛。
• 等待只耗费日历时间，而答复截止时间可能不允许等待。
• 集中预算本身就是结构性变更，需要与合并相同的审批。

保留还是合并：逐项测试每个拆分

拆分只有在有业务理由时才应保留，绝不能只是为了省事或沿袭惯例。根据此列表逐一测试每个拆分；凡是没有受到保护的，都可以考虑合并。这个列表能确保技能保持严谨——只会说“合并”的计划，出错的概率和从不合并的计划差不多。

在以下情况下保留拆分：

• 各细分市场的单位经济效益存在重大差异——例如利润率、交易额或 LTV。一个目标 CPA 无法适用于经济效益不同的两个细分市场；合并预算会让优化方向偏向错误的细分市场。
• 预算控制是外部强制要求。 如果客户合同或财务部门要求为每条业务线保证支出，就需要为各分支单独设置预算；按广告系列汇总预算无法兑现保证。取消此类保证必须获得财务部门或客户的明确批准，不能只在脚注中提及。
• 必须遵守监管、法律或品牌安全方面的隔离要求。 受监管的广告类别（住房、就业、信贷、政治、制药、赌博、金融服务）可能要求在结构上隔离并限制定向。
• 品牌意图和非品牌意图会共用一个出价策略。 自动化会倾向于选择最容易获得转化的流量：品牌流量占满预算池，非品牌增长则因预算不足而受阻；混合 ROAS 看起来不错，账户却对真正重要的部分失去洞察。应将它们放在不同的广告系列中，并使用不同的出价策略；同时，在混合型或自动化广告系列中排除品牌词。
• 地理位置、语言或货币不同——尤其是昂贵市场与廉价市场合并后，前者可能因预算定价过高而无法获得自身预算。
• 优惠内容或落地页确实不同——一个广告系列无法同时传达两种不同的承诺。（此判断基于信息匹配的基本原则及从业者共识，并非平台文档中的说明。）
• 平台本身将不同广告系列类型视为结构上相互独立——各类型有不同的、文档明确记载的资格门槛和转化机制，这表明它们并非为合并而设计。（这是基于各类型文档门槛的推断，并非平台明确声明。）
• 业务在合同或运营上有义务提供的报告依赖于该拆分——但应先确认“保留但重新归属”能否在汇总信号的同时保留报告。
• 命名账户列表上的频次保证很重要（基于账户的 B2B），或者拉新与再营销原本会共用一个预算池——再营销报告的成本更低，会吸收预算，冷启动获客因而受挤压，同时报告的 ROAS 被抬高。

反向的问题也确实存在：过度合并到一个不加区分的预算池，会让算法只投放最容易触达的细分群体，而始终无法覆盖其余群体——混合账户列表会导致投放过度集中在规模最大的公司，其他部分则停滞不前。整合并非越多越好；计划应明确说明合并的_止点_。

保留细分，不保留结构

对于“如何在整合的同时保留受众细分控制”这个问题，这就是计划在算法平台上的应对方法：将受众洞察从定向筛选条件转移到创意中。合并广告组，然后在合并后的广告组中为每个细分市场投放一个创意版本——每个版本都使用该细分市场的表达方式——再让系统根据观看者匹配投放对应版本。

此举取代的反模式是：用一叠狭窄的筛选条件来支撑泛泛的创意。十二个层叠的兴趣条件、三个人口统计筛选条件，再加上一个自定义受众，配上平淡无奇的广告，最终只会让一个小受众群体看到一则糟糕的广告。如果已经掌握细分市场的信息，就应将其用于信息传达，而不是筛选条件。

这一做法适用于 B2B 和 B2C——二者的细分方式有所不同（用户画像和账户层级，与人口统计特征和意向阶段），但运作机制相同。如果上述保留规则要求在结构上隔离（监管要求、单位经济效益差异、预算强制要求），则不适用：创意版本无法替代单独的预算或单独的出价目标。将实际的各细分市场创意制作工作交给 mbfinotti/advertising-skills@ad-creative-test-plan。

预算数学

两个公式决定量化计划；即使平台数据随时间变化，推导依然适用。

• **每个分支的预算下限：**最低日预算 ≈ 目标 CPA × 退出阈值 ÷ 阈值周期天数。采用平台实际说明的阈值即可。目标结构中的每个分支都必须达到预算下限，否则就是以另一种形式重现碎片化。
• **预算池化的限制：**将成本不同的分支合并到同一个预算池，会在更低层级重现预算不足的问题。按广告系列级别优化预算，本来就是为了追逐成本最低的结果——预计池化预算的 70-90% 会流向一两个结构上成本更低的胜出分支（品牌搜索是典型的预算吞噬者），恰好让你需要获取数据的分支缺少预算。因此，按广告系列级别池化并非总是正确答案：只池化每次转化成本相近的分支；如果战略上必需的分支会因此缺少预算，就保留分支级预算，或设置最低／最高支出限额。

值得参考的从业者经验起点——使用时需结合其适用条件；所有数据都要根据账户自身情况重新校准，不能把任何一项当作平台规则：

• 合并每月无法达到约 15-30 次转化的搜索广告系列；它们无法为自动出价提供足够数据，在低流量 B2B 场景中尤其如此。
• 在专业社交网络上，一个受众渗透率达到 35% 以上的广告系列，效果胜过三个渗透率为 12% 的广告系列；每周结果不足约 10 次的分支则会缺少数据。
• 两个活跃分支的受众重叠度超过约 30% 时，才会开始出现可衡量的拍卖自我竞争。
• 账户可承载的广告数量上限 ≈（日预算 × 14）÷（2 × 目标 CPA），因为每条广告都需要在评估周期内获得足以判断效果的支出——同样的逻辑也适用于广告组和广告系列。

迁移机制

制定计划只是容易的那一半；迁移方案可能第三天就被撤销。按以下顺序执行，避免账户中的所有内容同时重置：

1. **分阶段执行，绝不一次性切换。**每个阶段合并一组，优先处理把握最大的合并项（那些历史原因造成的拆分）。重置整个账户会使表现下滑幅度最大，也会让你无法归因结果。
2. **在新结构旁边搭建，不要原地修改。**在一个正在投放的实体中修改定向、优化事件、出价策略或预算（超过约 20%），都会重置其学习状态；暂停则不会。重新搭建合并后的实体，转移预算，然后暂停旧结构——绝不要删除。删除会抹去学习历史和报告数据；任何删除请求都应转为关于暂停或归档的讨论。
3. **在流量允许时保留对照组。**以较低预算继续运行旧结构，与新结构并行；或者使用平台的实验工具，确保迁移期间仍可进行比较。
4. **选择淡季时段。**重新学习导致的表现下滑，在流量和竞价价格达到高峰时成本最高；绝不要在旺季期间重组。
5. **预先承诺不调整窗口。**事先说明：合并后的实体重新学习期间，预计会出现暂时性的表现下滑。至少一个完整学习周期内不做重大修改：通常最低为 7 天，完整观察为 14 天，最终评估最长可达 30 天（或一个完整销售周期）。若没有这项书面预先承诺，并由负责人签字确认，方案还没来得及发挥作用就会被撤销。
6. 退出后，每 3-5 天将预算调整约 20% 或更少；单次调整幅度更大的操作通常会被视为重置学习状态的修改。

销售周期越长，观察窗口也应相应延长。负责预算保障的人（财务部门、客户）必须在第一阶段开始前签署计划，而不是事后补签。

B2B 和 B2C

两者的方法完全相同：库存相同、量级与预算测试相同、保留规则相同、门槛相同、迁移纪律相同。不同之处在于，是否有可能达到门槛。

• **B2C／电商：**量级通常足以满足完整的计算要求。主要风险是汇总成本不相同的分支（预算计算）以及再营销侵蚀拉新预算。

• **B2B 的低量级现实：**如果即使将结构_完全合并_，也无法达到平台对目标事件的门槛，那么仅靠整合并不能解决问题——无论合并多少，都无法凭空产生并不存在的转化。在计划中直言这一点，然后先采取 (a)，再考虑 (b)：

  • (a) up-funnel：将优化事件移至量级更高的代理事件（合格访问、表单打开、MQL），并对转化用户进行再营销——当漏斗底部事件无法达到要求时，这是平台建议的路径；同时将 CRM 结果反馈回来，确保代理事件保持真实有效。

  • (b) 接受该分支使用手动出价或不依赖量级的出价，并依据前导指标评估效果。

  • 价值：(a) > (b)——只有 (a) 能恢复优化信号；(b) 只是停止假装存在优化信号。

  • 工作量：(a) > (b)——(a) 需要跟踪和 CRM 负责人参与，还需要安排持续任务来监控代理事件；(b) 只需更改设置。

  如果没有可协调的跟踪负责人，或者如果访谈规则中的工作量上限排除了 (a)，则优先采取 (b)。

  这是最难满足门槛、也最常被处理不当的情况：把一个每月只有 5 次转化的账户合并为一个广告系列，然后宣布成功，实际上什么都没有改变。

衡量合并是否奏效

以账户自身合并前的历史表现为准，绝不与行业基准比较；在两边归因成熟度相同的情况下，使用完整的滞后成熟窗口进行评估。预期并预测短暂下滑——未预测到下滑的计划，会在下滑期间被撤销。

• 基线： 合并前窗口的综合单次转化成本（如果有收入数据，则使用 MER／综合 CAC），以及处于学习受限或未达门槛分支中的支出占比。

• 通过门槛（这是本技能设定的工作目标，并非经过研究得出的固定值），在复查日期——最后阶段结束后经过一个完整学习周期和一个销售周期：

  • 每个保留的分支都达到其量级和预算底线，或者计划说明其在结构上为何无法达到，并指出它改为优化的代理指标。
  • 综合单次转化成本不高于基线。
  • 持续迭代直至达标：如果分支仍低于门槛，下一轮迭代就进一步合并、提高底线，或（B2B）将事件目标移至漏斗上游。
  • 如果两轮迭代后仍未达标，就将其视为证据，说明整合并非该账户的解决方案，并转交至 mbfinotti/advertising-skills@ad-account-diagnostic。

• 第一阶段开始前定义回滚触发条件： 在免干预窗口成熟后，综合单次转化成本高于基线约 1.5 倍，或因特定原因保留的细分受众跌破其底线（约 1.5 倍是起始值，应根据账户自身的波动情况设定）。回滚意味着将预算调回已暂停的旧结构——这就是当初暂停而非删除它的原因。

• 判定时优先考虑增量效果，而非平台报告的 ROAS。 最常见的整合失败，是把预算交给本来就会转化的受众；这些受众的报告数据非常漂亮。据称，报告中的再营销 ROAS 会高估真实增量 ROAS 40%–70%。有三种验证方法，各有不同的侧重点：

  • 证据强度：地域留出测试 > 平台提升研究 > 平台报告的 ROAS
  • 工作量：地域留出测试（设计测试、让一个市场暂停投放、等待一个季度）> 平台提升研究（在平台内设置、一个周期）> 平台报告的 ROAS（数据已在信息中心）
  • 效率：平台提升研究 > 地域留出测试 > 平台报告的 ROAS

  默认开展提升研究。当合并调整了账户较大比例的预算，或争议焦点正是让平台给自己的表现打分时，则升级为地域留出测试。通过对比细分的前后数据来隔离混杂因素——季节性、创意更新、价格／促销变动、跟踪或授权变更——绝不要将这些因素混在一起。

失败模式

失败	表现	修复
预算池枯竭	一个低成本分支（品牌搜索、再营销）耗尽共享预算；汇总数据看起来很出色，增长分支却无法获取数据	只将成本相近的分支放入同一预算池；设置最低支出下限；让品牌和再营销使用各自的预算
再营销被并入拓客投放	报告的 ROAS 上升，增量效果却骤降——预算被锁定在本来就会转化的用户身上	从结构上区分漏斗阶段；通过留出组验证，而不是依赖仪表板
新创意得不到预算	与已验证广告放在同一预算池中的全新概念，在 48 小时内分不到任何预算	将全新概念隔离，并为其设置受保护的测试预算
过度整合	所有内容都放进一个不加区分的预算池；算法停留在最容易触达的细分群体，始终无法覆盖其他群体	重新拆分为各自拥有预算的同质分组——整合程度也有下限
第 3 天回退	预期的重新学习低谷出现，无人事先承诺坚持，合并在发挥作用前就被撤销	在第一阶段开始前，以书面形式确定不做改动的观察期和评估日期
一次性全面重置	整个账户同时重构；所有内容同步重新学习；无法判断结果归因于何处	分阶段迁移；保留对照组
原地编辑导致重置	“只是在现有广告系列中重新定位受众”却悄然重置了其学习状态	新建并行项目，逐步调整预算，然后暂停旧项目
恐慌式合并	在成本飙升期间或学习阶段中途，出于本能进行重构	证据关口：先诊断；重置的成本往往高于成本飙升本身
阈值传闻	将某个平台的转化阈值，或通用的预算与 CPA 比率，套用到未公布此类数据的平台	使用各平台公布的数字，或者不使用任何数字；说明推导过程，并重新核实实时页面
合并不同经济特征的细分群体	将利润率 / LTV 不同的细分群体放在同一目标下	遵守规则一：单位经济效益不同的群体应保持拆分

调用示例

“我们有 14 个搜索广告系列和 9 个付费社交广告组，每月预算约为 $9K，总转化量可能只有 40 次。应该合并哪些？”

运行访谈，清点每个分支，计算各分支的量与阈值之间的关系，根据保留规则检验每项拆分，进行分类和关口检查，然后给出计划。完整的演练过程请参阅 ./references/worked-invocation-example.md。

平台说明（可选——特定平台）

如果制定与工具无关的计划，请跳过此部分；用户提到某个平台时再阅读。内容根据各平台自己的帮助页面整理——引用前请对照实时页面重新核实，这些数字可能会变化：

• Meta：
  • 每个广告组在滚动 7 天内约有 50 次优化事件，才能退出学习阶段。
  • “Learning Limited”有四个已记录的原因：受众规模小、预算低、出价低、广告过多。
  • 重大修改、定向、事件、出价策略、创意或预算变动超过约 20%，都会重置学习阶段。
  • 已停用的“Power 5”计划将简化账户列为一项支柱。实践者 Ben Heath（“减少广告系列；每增加一个广告系列，就多了一个算法可以砸掉的旋转盘子”）和 Taylor Holiday（“小预算下，8 个广告组 × 8 个广告会让 70-90% 的支出处于学习阶段”）据此提出了整合方案。
• TikTok：
  • 约获得 25 个结果或运行 7 天后，波动会减小。
  • 已记录的学习阶段通过指标约为 50 次转化。
  • 已记录的指导建议是：广告组预算 ≥ 目标 CPA 的 5 倍。
• Google Ads：
  • 学习阶段“最长可持续 3 周或 1-2 个转化周期”。
  • 按广告系列类型划分的目标 ROAS 已记录门槛：15 次转化/30 天（搜索/购物、展示广告）、30/30（视频行动广告）、50/35（需求开发）、50/周（酒店）、50/7 天（旅游）。
  • Hagakure 方法是搜索广告侧的整合框架：将单关键词广告组整合为少数几个以高流量意图为主题的广告系列。
• **LinkedIn：**没有记录任何学习阶段的转化门槛，只规定最低预算为每天 $10、生命周期总预算为 $100。实践者 AJ Wilcox 建议采用手动出价而非最大投放，并指出每月 $3-5K 是获得可用数据的实际预算下限。

用户重复提及时，应主动辟谣的传言（大多数相互竞争的建议都把这些说成事实）：

• “目标 CPA 需要 30 天内获得 15 或 30 次转化”——Google 自己的页面称，即使没有转化历史，该策略也能发挥作用；30 次是评估样本量，而非准入门槛。
• “Google 或 LinkedIn 每周需要 50 次转化”——这两个平台都没有相关记录。
• “每日预算必须达到目标 CPA 的 10 倍（或 5 倍）”是一条普遍规律——这只是实践者根据 50 次事件的算术关系推演出的结论，并非官方文档中的要求。

参考资料

• mbfinotti/advertising-skills@ad-bidding-strategy - 选择整合后的结构所采用的出价方式。
• mbfinotti/advertising-skills@ad-spend-allocation - 将总预算分配到最终形成的各个广告系列和平台。
• mbfinotti/advertising-skills@ad-negative-keywords - 搜索词路由，避免整合后的搜索广告系列相互竞争。
• mbfinotti/advertising-skills@retargeting-funnel - 在保留潜在客户开发/再营销拆分时设计阶段。
• mbfinotti/advertising-skills@ad-audience-targeting - 设计整合结构中的定向方式。
• mbfinotti/advertising-skills@ad-budget-pacing - 新结构上线后的每日预算节奏控制。