meta-ads

B2B Meta 广告管理

用于编排所有 Meta 广告（Facebook/Instagram）任务。与 LinkedIn 相比，B2B Meta 广告的单条线索成本可降低一半，获取合格商机的成本也更低——但前提是受众数据质量过关，并且由创意承担定向工作。

方法论

此技能为 Meta 实施 Ivan Falco 的 B2B 需求开发方法论：以数据为先、以创意作为定向方式，利用 Meta 的算法（Andromeda + Gem），结合高质量受众数据和系统化创意测试。

核心理念

在 Meta 上，数据就是一切。创意就是你的定向方式。

Meta 的原生定向无法达到 LinkedIn 的 B2B 精准度（没有职位、公司和资历筛选条件）。要让 Meta 适用于 B2B，就要引入自己的高质量受众数据（CRM、第三方数据提供商），并通过具体的创意筛选出 ICP。其余工作交给算法（Andromeda + Gem）。

路由逻辑

始终优先加载

任何 Meta 相关工作都从这里开始：

意图	文件	优先级
端到端扩大合格 B2B 销售管道（目标是 SQL / 合格销售管道，而非线索数量）	scale-b2b-qualified-pipeline.md	目标为合格销售管道时，优先加载。6 步主流程（梳理市场 -> 受众 -> 漏斗事件/CAPI -> 创意 -> 细分群体 -> SQL 报告）。
任何运营决策（暂停、扩量、升级、预算、创意数量）	meta-ads-operating-system.md	始终优先加载。这是核心决策框架。所有公式、阈值和操作都在这里。
审计账户（提取数据、对广告分类、提供建议）	加载上方的 OS 文件 + 运行 scripts/get_active_ads_copy.py	提取正在投放的广告，按照 OS 规则分类，并提供建议。
创意制作决策（制作什么、何时迭代、节奏、格式）	creative-cadence-operating-system.md	迭代层级、概念来源、格式指南、测试节奏、疲劳检测和质量评分。

深入了解（按需加载）

这些文件提供特定主题的详细方法论。OS 指导决策；这些文件则深入解释原因和做法。

用户意图	知识库文件	使用时机
Meta B2B 全面概览、算法、策略	meta-b2b-overview.md	Andromeda + Gem、策略、“哪些方法有效”——概览和快速参考
Pixel、跟踪、首次广告系列设置	meta-setup-and-tracking.md	安装 pixel、Events Manager、域名验证、CAPI、上线前准备
CAPI、转化事件、HubSpot 与 n8n 对比	meta-capi-and-events.md	Conversions API、事件层级、CRM 到 CAPI、去重、Event Match Quality
网络研讨会／活动、第三方转化	meta-third-party-conversion-tracking.md	跨域转化（Luma 等）、平台内的 pixel 与感谢页面上的 pixel
受众定向、数据策略、类似受众	audience-strategy.md	构建受众、数据来源、受众验证、第三方工具
详细的广告系列结构、阶段、路线图	campaign-structure.md	深入了解第 1／2／3 阶段、命名规范、广告系列架构、逐月路线图
创意概念、文案、格式	creative-strategy.md	创意开发、概念测试、版位优化、以创意作为定向
创意疲劳检测、轮换系统	creative-fatigue-detection.md	完整的疲劳应对工作流、轮换节奏、管线管理、针对不同格式的说明
Advantage+ 设置和详情	advantage-plus.md	何时使用 Advantage+、设置步骤、预算要求、ABM 注意事项
优化手册、基准数据	optimization-playbook.md	决策树、B2B 基准数据、季节性规律、每周节奏、扩量流程
广告质量评分、信息验证	message-validation.md	根据营收质量为广告评分、扩量获胜广告的模式、验证流程
潜在客户表单、转化优化	lead-form-optimization.md	潜在客户表单设置、工作邮箱验证、自定义问题、社交失忆
Meta 上的 ABM	abm-on-meta.md	ABM 定向、与 Advantage+ 的冲突、手动与混合方案
按漏斗阶段制定优惠策略	offer-strategy.md	漏斗各阶段应提供哪些优惠

核心规则

1. 直接、有说服力地阐述这套方法论——它源自真实的 B2B 支出管理实践，因此要把它作为一套实战操作手册来呈现。不要用泛泛的“最佳实践”凑内容。

2. 数据质量决定 Meta 在 B2B 领域的成败。 始终遵循数据层级：CRM 相似受众（Tier 1）-> 第三方数据（Tier 2）-> 广泛定向（Tier 3）。未经数据驱动的受众测试，绝不能直接采用广泛定向。

3. 在扩大创意投放规模之前，先验证受众质量。 使用 ABO（广告组预算）系列，每个受众来源设置一个广告组，并在所有广告组中使用相同的广告。按职位和公司审核线索质量。只用 CBO 扩大表现出色的受众。

4. 测试创意概念，而非细微变体。 测试差异显著的概念（UGC 与前后对比、梗图与产品演示），而非细微调整（蓝色按钮与绿色按钮）。算法需要创意多样性来进行学习。

5. 在 Meta 上，创意就是定向。 广告文案必须明确指出广告面向谁。使用更广泛的受众时，创意负责筛选受众——它应该像“驱蚊剂”一样，排除非 ICP 人群。

6. B2B 线索表单需要有意设置填写门槛。 始终要求验证工作邮箱。添加 1-3 个自定义资格筛选问题。使用 Higher Intent 表单类型。这有助于应对社交失忆现象并提高线索质量。

7. 按此顺序构建：再营销 -> 潜客开发 -> 加速。 从再营销开始（风险最低、ROI 最高，还能建立全渠道的持续曝光）。再营销开始运行后，再叠加潜客开发。若有适用的开放商机管道，再添加加速环节。

8. 跨渠道再营销是一项强大优势。 使用 UTM 参数，将 LinkedIn/Google 流量创建为 Meta 再营销受众。你可以在 Meta 上以极低的成本重新触达经过验证的受众。

9. 广泛定向只适用于 TAM 足够大的情况。 如果你采用 ABM 或定向细分的企业客户，广泛定向不会奏效——坚持使用 Tier 1 和 Tier 2 数据源。广泛定向适用于可触达市场规模庞大的 SMB/中端市场。

10. Meta 的算法（Andromeda + Gem）需要大量创意。 每个系列保持 4-6 个独特的创意概念。算法会处理广告并学习哪些内容有效——输入越多样，优化效果越好。

与 LinkedIn 的主要区别

方面	Meta	LinkedIn
原生 B2B 定向	较弱——需自行提供数据	较强——可按职位、公司、资历定向
单条线索成本	约为 LinkedIn 的 50%	较高，但更精准
算法作用	影响很大——通过创意信号驱动定向	影响较小——广告主控制定向
所需创意数量	较多（4-6 个以上独特概念）	适中（每个系列 4-6 个）
再营销优势	出色——成本低，可在多个平台持续曝光	良好，但成本更高
线索表单质量	需要管理填写门槛（存在社交失忆风险）	默认质量较高（自动填充工作邮箱）
最适用场景	大型 TAM、SMB/中端市场、再营销、商机管道加速	企业客户、ABM、精准 ICP 定向

输出标准

• 系列计划 -> 使用 docx 技能制作专业的 Word 文档
• 效果报告 -> 使用 xlsx 技能制作数据驱动的电子表格
• 创意简报 -> 提供结构化的概念说明和版位规格
• 所有文档 -> 达到专业、可直接交付客户的质量。无需引用来源。

何时与 LinkedIn 结合使用

Meta 和 LinkedIn 并非竞争关系，而是互补渠道：

• 使用 LinkedIn 精准开发潜客（找对人、找对公司）+ 使用 Meta 低成本再营销（在多个平台持续保持曝光）
• 使用 LinkedIn 做 ABM（公司级定向）+ 使用 Meta 扩展 ABM（借助 Primer/Metadata.io 等第三方工具）
• 使用 LinkedIn 触达企业客户（精准度足以支撑其成本）+ 使用 Meta 触达中端市场/SMB（量级和成本效率更重要）
• 使用跨渠道 UTM 再营销连接这两个平台