meta-ads-analyzer

Meta Ads 分析与诊断技能

何时使用此技能

在需要分析和诊断 Meta Ads 广告系列表现时使用此技能，包括：

• 解读广告系列、广告组或广告层级的表现数据
• 找出表现问题的根本原因
• 生成可执行的优化建议
• 了解 Meta 的系统为何做出某些预算分配决策
• 分析来自 Meta Ads Manager 的 CSV 导出文件、截图或原始数据

结果建议（最终报告的强制要求）

重要： 撰写最终分析报告时，以下规则是强制要求，必须严格遵守。这些不是可选指南，而是所有交付内容都必须达到的标准。

• 切勿仅根据细分报告中较高的平均 CPA/CPM，就建议暂停或降低任何细分的预算。 平均成本较高并不意味着表现不佳——这通常反映系统较早获取了边际成本较低的机会。移除细分可能会推高整体成本。始终将调整表述为可测试的假设，而非指令。
• 始终以数据证据、Meta 的系统机制，以及对整体广告系列表现的预期影响来论证建议。
• 每项洞察都必须包含数据证据和解释。 每条建议都必须可执行、可验证。
• 与官方建议保持一致。 首先检查 get_recommendations API。如有不同，须明确说明并解释原因。
• 区分点击类型。 切勿单独使用“点击”一词。统计总互动（赞、分享、主页点击、链接点击）时使用“Clicks (all)”，统计跳转到站外的点击时使用“Link Clicks”；这是含义不同的指标。
• 受众规模： 报告覆盖人数或受众规模时，使用“Accounts Center accounts”或不带单位的数字——根据法律要求，切勿使用“people”。

指标命名指南

重要： 在所有回复中，始终将指标名称改为下表指定的标准化非敏感名称：

原始指标名称	标准化显示名称
impressions	Impressions
video_thruplay_watched_actions	ThruPlays
clicks	Clicks (all)
purchase_roas	Purchase ROAS (return on ad spend)
cpm	CPM
cpc	CPC (all)
ctr	CTR (all)
cost_per_action_type:link_click	CPC (Link Click)
outbound_clicks_ctr	Outbound CTR
cost_per_action_type:purchase	Cost per Purchase
actions:purchase	Purchases
action_values:purchase	Purchase Value
frequency	Frequency
reach	Reach (Accounts Center accounts)
spend	Amount Spent

核心原则

• 整体优先： 先从汇总层级进行评估，再深入分析细节。系统优化的是整体，而非各个部分。
• 动态优先于静态： 分析一段时间内的表现，而非单个快照。
• 边际优先于平均： 系统优先考虑边际 CPA（获取下一个结果的成本），而非平均 CPA。平均 CPA 较高的细分可能正帮助避免其他地方出现更高的边际成本。

Meta Ads 领域知识

法律要求与术语

• 受众规模指标： 根据法律要求，提及受众规模指标（即看到广告的账户总数）时，必须使用“Accounts Center accounts”（不区分大小写），或报告不带单位的指标，而非使用“people”。
• “People”的用法： 当“people”用于表示受众规模时，替换为“Accounts Center accounts”。当数字明确具体且与“people”连用时（例如，“17,000 people”），数字后应使用**“person”**（例如，“17,000 person”）。

广告系列与效果定义

• 转化广告： 目标为潜在客户、销售或应用推广等的广告实体归类为转化广告。
• 转化率： 转化率 = 转化次数 / 展示次数。
• 效果指标： 每次成效费用或 CPM 越低，效果越好。ROAS 越高，效果越好。

账户与资产问题

• 账户已停用或受限： 当资产（FB 账户、IG 账户、广告账户、主页、收款账户）被 Meta 停用或限制时，就会出现这种情况，通常是由于违反政策。

预算与账单

• 每日支出限额（DSL）： 广告主当前可查看、提高或降低的每日支出限额。
• 账单阈值（付款阈值）： 达到此广告支出金额时，会触发付款方式扣款。

分析工作流

参考文档（从 references/ 自动加载）：

• breakdown_effect.md - 拆分效应及示例（请先阅读）
• core_concepts.md - 广告竞价、投放节奏、学习阶段概述
• learning_phase.md - 学习阶段机制
• ad_relevance_diagnostics.md - 质量、互动、转化排名
• auction_overlap.md - 诊断竞价重叠
• pacing.md - 预算与竞价节奏
• bid_strategies.md - 基于支出、基于目标、手动竞价
• ad_auctions.md - 如何确定竞价获胜者
• performance_fluctuations.md - 正常波动与令人担忧的波动

步骤 1：确定正确的评估层级

这是避免拆分效应最关键的一步。

广告系列设置	正确的评估层级
Advantage+ 广告系列预算（CBO）	广告系列层级
自动版位（不使用 CBO）	广告组层级
单个广告组内有多个广告	广告组层级

步骤 2：检查学习阶段状态

开始任何分析前：

• 广告组是否仍处于学习阶段？（约需 50 次优化事件）
• 最近是否有重大编辑导致学习阶段重置？
• 如果处于学习阶段：所有发现都应注明为初步结论

步骤 3：从 Meta 专项视角进行分析

重点关注以下分析角度：

1. 边际效率分析： 根据时间序列数据推断边际 CPA 趋势。某个细分项的平均 CPA 较低，但边际 CPA 却在上升，这可以解释系统为何将预算转移到别处。
2. 广告相关性诊断： 查看质量、互动和转化率排名，以诊断创意、定向或点击后问题。
3. 竞价重叠检查： 广告组是否在相互竞争？留意学习受限状态和投放不足。
4. 投放节奏分析： 系统是否在为更好的机会保留预算？应评估整个广告系列，而非仅查看每日快照。
5. 效果波动评估： 这是正常波动（每日波动 20-30%），还是令人担忧的趋势（持续超过 50%）？

步骤 4：通过拆分效应视角综合分析发现

通过拆分效应框架解读所有发现。解释系统为何做出某些决策。

示例：“虽然版位 A 的平均 CPA 为 $10，低于版位 B 的 $15，但时间序列分析显示版位 A 的 CPA 正在急剧上升——其边际 CPA 很可能已超过版位 B。系统正确地将预算转移到版位 B，以更低的边际成本争取更多转化。”

步骤 5：生成报告

每份分析报告均按以下结构编写：

1. 执行摘要 - 2-3 个关键发现
2. 评估层级 - 所选层级及原因
3. 学习阶段状态 - 各广告组的当前状态
4. 效果分析 - 使用规范名称的指标
5. 诊断 - 有证据支持的根本原因
6. 建议 - 可执行的建议，注明预期影响，并以可测试的假设形式提出
7. 拆分效应说明 - 明确指出适用此效应的情况