第五章 广告投放与增长实验

本页目录

• 5.1 平台选择与客户需求状态
• 5.2 素材量产与变量管理
• 5.3 假设驱动的受控实验
• 5.4 广告文案与当地表达
• 5.5 AI 投放诊断与经营约束
• 5.6 周度复盘与受控调整
• 5.7 素材与营销自动化工具
• 课堂实战 二十项素材假设
• 本章实战与参考判断

广告运营需要同时理解客户、素材、页面、费用、订单与履约。AI 可以增加素材供给和诊断效率，但投放改善不能只看点击或平台回报。企业必须明确什么转化值得购买、能够承担多少成本，以及库存、服务和现金是否支持继续增长。

本章建立素材假设、受控实验、经营诊断、周度复盘与系统执行的流程。学习后，应能够提交有预算和停止条件的实验卡，将广告表现与实际利润、线索质量或订单结果连接。

5.1 平台选择与客户需求状态

搜索广告主要承接客户主动表达的需求。社交与短视频广告可以通过内容触达客户并激发需求，也可以服务后续转化。各平台都提供多种版位和优化方式，不能把一个平台固定理解为单一漏斗环节。

Google 的搜索广告围绕搜索词与广告匹配，企业应检查词语是否表达实际采购意图。Google 搜索广告说明针对工业产品，通用词可能同时吸引学生、消费者和采购人员，广告与页面需说明应用与客户范围。关键词量大不等于有效商机多。

Meta 和 TikTok 等渠道需要重视内容与受众场景。产品展示、使用示范、客户问题和可信证据应与版位和观看方式匹配。TikTok 官方业务入口提供广告与创意方案的实施资料，具体功能按账户、市场和版本核查。TikTok for Business

平台选择表至少写目标客户、需求状态、可展示的证据、主要转化、可用素材和预算。B2B 若以技术询盘为目标，应预先定义合格询盘；DTC 若以购买为目标，应确认商品、配送和结账可用。转化记录错误会让自动优化系统学习错误信号。

不宜在尚未形成稳定素材与承接流程时，同时启动大量平台。可以先验证一条客户路径，再根据结果增加渠道。再营销还需检查客户状态与追踪许可，已成交或正在处理投诉的客户不应机械进入相同广告序列。

5.2 素材量产与变量管理

素材生产以假设为单位。例如“目标客户更关注安装便利”是一项可以验证的假设；生成十张配色不同但表达相同的图，主要验证视觉变化。生产前标明要比较的是客户问题、核心主张、证据、开场、表现形式还是行动入口。

建立创意任务书，记录产品、市场、客户、主要主张、证据、素材来源、形式、版位和落地页。图片与视频中的商品保持真实，价格、优惠、服务与页面一致。使用场景只能展示产品具备的能力，背景生成不得制造虚假测试条件。

每个素材保存 creative_id、hypothesis_id、产品版本、语言和市场。衍生尺寸使用 variant_id。这样才能回到同一假设比较表现，而不是让投放报告充满无法解释的文件名。

图像流程可以分为实物抠图、背景生成、合成、文字排版、尺寸适配和审核。文字与参数尽量在可控排版层处理，避免模型生成错字或改变数字。视频流程需要同步检查声音、字幕、画面和链接中的承诺。

产能扩大后应抽查与分级审核。影响商品判断的内容逐项核实，低风险尺寸变化可以采用自动校验。更新商品事实时，利用素材记录找到受影响版本，及时停用或替换。单纯设置“不得虚构”的提示词，不足以控制批量错误。

真实案例 Amazon Ads 图像生成

Amazon 在 2024 年介绍，Image Generator 使用真实产品图片，结合产品描述和评价生成生活场景广告图，并扩展多种尺寸与分辨率。这说明生成式 AI 可以进入广告素材的改编流程。Amazon 官方说明

采用此类工具时，应保留真实商品作为基础，把背景、场景和尺寸作为可控变量。官方报告中的广告表现属于其观察范围，不能证明企业增加生成图片后必然改善利润。企业仍应检查商品真实性，并通过自己的实验衡量客户反应。

5.3 假设驱动的受控实验

一张实验卡包含问题、假设、实验对象、对照、主指标、约束指标、预算、持续时间、最小样本判断和停止条件。主指标用于判断价值，约束指标用于防止副作用。B2B 可以将合格商机成本作为主指标，以无效询盘、投诉和销售工作量为约束；DTC 可以关注增量贡献，以退货、库存和现金为约束。

先写能够被否定的假设：“对指定市场的新客，展示安装过程相比仅展示商品外观，可以提高有效询盘率，同时不降低技术需求完整度。”若结果相反或无法区分，假设未被支持；不能在看到数据后把主指标改成点击率宣布成功。

优先使用平台提供的实验能力，并检查分配方式与适用限制。Google 的官方实验文档说明自定义实验的设置路径。Google 实验说明无法随机分配时，应记录时间、受众、促销和渠道差异，只报告观察性比较。

样本少时不要过早确定赢家。转化周期长、成交量少的 B2B 业务，可以先观察需求完整度与合格率，持续跟踪商机和成交。短期中间指标改善不代表长期订单改善，报告应分阶段更新。

实验预算由能够承受的学习成本决定。不能为达到统计显著而无限增加花费，也不能每小时根据波动反复停启。开始前确定检查节奏：重大故障和明显风险立即处理；一般效果按预设周期判断；达到预算而证据不足时记录“不确定”。

课堂可用两比例比较解释样本误差。若 A 有 10 次转化/200 次点击，B 有 12 次/200 次点击，表面转化率分别为 5% 和 6%。差异只有两个订单，不能据此证明 B 稳定更好。正式样本规划需依据基线、可接受最小差异、检验方式和成本，由适当统计工具计算。

5.4 广告文案与当地表达

广告文案应把一项清楚价值与可信证据连接。客户关心交付，广告应说明能够证明的交付条件；客户关心使用便利，广告应展示实际步骤。把“高品质、低价格、最佳服务”叠加在一起，会使承诺无法核验，也难以判断实验结果。

针对不同市场，重新检查核心问题、术语、单位、价格表达和文化联想。翻译时保持主张强度一致，“有助于”不能升级为“保证”，特定测试条件下的效果不能写成普遍性能。生成文案可以提供多种表达，但每个版本必须使用同一事实。

建立主张清单与证据清单。未经证明的比较、健康或安全效果、虚构稀缺、伪造评价和夸大的保证，进入禁止发布项。平台政策按商品类别、广告内容、目标市场及落地页核查，不能通过替换敏感词规避实际限制。

涉及促销时核实价格基准、时间、适用商品、数量和市场。库存有限与促销截止必须来自真实经营状态，不由模型生成。广告出现赠品，页面和订单流程也应能够兑现相同条件。

审核任务书还要覆盖素材与落地页整体。广告没有违规字词，但落地页存在未证实的功能，仍可能误导客户。每次修改广告主张时同步检查对应产品页和销售话术，避免获客与交付承诺冲突。

5.5 AI 投放诊断与经营约束

诊断按数据质量、漏斗、客户质量与经营约束展开。首先核查账户、时区、币种、时间范围、归因窗口、事件去重和数据延迟。基础数据不一致时，模型会生成连贯但错误的解释。

漏斗至少分为展示、点击、页面、行动、有效转化和最终业务结果。展示少可能涉及预算、受众或竞价；点击低可能涉及素材与相关性；页面后转化低可能涉及承诺、速度、费用或信任；线索多但无商机可能涉及定位与表单筛选。问题与候选原因应逐项匹配证据。

常见计算如下：

CTR = 点击次数 / 展示次数
CPC = 广告花费 / 点击次数
页面转化率 = 定义一致的转化次数 / 对应页面访问或点击次数
CPL = 广告花费 / 线索数
合格线索成本 = 广告花费 / 合格线索数
ROAS = 对应归因口径的收入 / 广告花费

分母必须与数据采集方法一致，不能在同一报表中交替使用会话、用户与点击而不说明。ROAS 是收入与广告费的关系，不等于利润或项目 ROI。

以下为教学演算：净收入 10,000，广告费 2,500，ROAS 为 4；商品、履约、渠道和售后变动成本合计 7,000，扣广告后贡献只有 500。另一组净收入 8,000，广告费 2,000，ROAS 同为 4，但其他变动成本 4,500，贡献为 1,500。同样 ROAS，经营结果不同。

广告还要读取库存、可售状态、预计到货、毛利和服务容量。库存数据延迟时，不能直接依据过期快照扩大预算。B2B 销售团队无法处理新增询盘时，应先解决分配与响应，再增加投入。

线索业务可通过离线转化或相应接口回传后续阶段，帮助连接广告与真实业务。Google 官方文档提供离线转化导入的实施入口。离线转化说明回传需要按其字段、授权与隐私要求实施，不能把个人资料任意上传。

AI 诊断输出宜分为观察事实、候选原因、所需验证与建议动作。诸如“素材疲劳”属于待验证解释，需要结合时间、覆盖、频次和转化等证据。建议动作写明对象、预计影响、限制和负责人，不能只输出“优化素材”。

5.6 周度复盘与受控调整

周报先说明经营变化，再解释渠道、素材与实验。保存收入和贡献、有效线索或订单、费用、库存异常及执行记录。数据延迟的部分注明截止日期，不用尚未成熟的成交结果比较完整周期。

每个实验记录假设、执行版本、实际花费、结果、约束指标、判断和下一步。将“不确定”作为合法结论，安排补充验证或停止。复盘还要检查哪些建议被执行、执行后发生什么，避免把模型建议当作已经完成的改进。

系统调整分三个层次：只读诊断、审批后执行、规则范围内自动执行。先验证只读分析，再加入审批和有限动作。预算、账户、目标和时间边界由企业规则确定，不能由模型自行决定允许范围。

一项预算调整请求可包含 campaign_id、旧值、新值、依据、数据时间、审批记录和有效期。执行器核实当前值与旧值一致，确认审批未过期且权限允许，随后调用平台接口并保存返回结果。状态变化时返回重新评估，不能盲目覆盖人工刚做的调整。

读取广告与经营快照
→ 校验时间、币种、转化口径
→ 生成观察及建议
→ 负责人审批具体动作
→ 工具核验账户、限额、当前状态与重复记录
→ 执行并保存平台返回
→ 观察后续经营结果

执行失败记录真实状态，重试前核查是否已经完成。平台返回超时不一定代表动作失败；重复调用可能造成多次变更。停止与恢复机制应由系统落实，提示词只能补充行为说明。

5.7 素材与营销自动化工具

ComfyUI可用于可复用图像工作流；企业需要管理模型、节点、素材、硬件、许可和版本。第三方节点可能运行代码或访问外部服务，正式环境应审查来源。工作流保存并不代表未来版本能够完全复现，关键模型与节点版本要记录。

Mautic用于营销自动化，listmonk用于邮件列表与活动管理。二者可以承接广告之后的客户沟通，但不会自动完成全部投放诊断与广告优化。账号、邮件服务、客户许可与业务规则仍需要企业配置。

选型依据是现有系统、权限、可维护性和结果连接。成熟广告平台已有自动竞价能力，自建系统可以补充企业上下文、利润、库存和审批，不宜重复实现平台已有功能。接口可用性、限额与费用按实际账户条件核查。

总成本包括素材生产、工具、模型、硬件或云资源、人工审核、开发维护、账号管理与实验预算。小团队可以先通过导出报表与人工评审建立诊断能力，再逐步接 API。导出的 CSV 同样需要字段和版本校验，不能默认可信。

真实案例 Siemens 的 B2B 线索试验

Google 发布的 Siemens Digital Industries Software 案例介绍，其 Solid Edge for Startups 项目在 2022 年于美国、加拿大和英国试点 Performance Max，相比纯搜索活动，报告线索量达到原来的 77 倍、单条线索成本降低 97%。这是平台发布的特定试点结果。官方案例 PDF

课程分析应保持边界：扩大渠道与素材组合可能发现新客户，但该资料不能证明每条线索最终成交，也没有给出所有预算、样本与利润细节。企业复制的是明确对象、试点和反馈机制，不能将 77 倍作为计划目标。特别是工业外贸，需要继续追踪合格率、商机与成交。

课堂实战 二十项素材假设

以下是企业为一项真实产品制定实验的候选方向，属于教学方法，不是已验证的效果。选择有真实证据的方向，按经营问题、成本和可测量性排序，而不是一次全部投放。

选择前三项写实验卡，固定主要市场、客户、页面与其他条件，记录为何优先。创意版本数量与假设数量分开统计。同一假设十个尺寸仍然是一项主要假设。

本章实战与参考判断

用本企业最近一个完整周期的脱敏广告、订单或线索资料建立诊断。先核查口径，再定位一个漏斗问题，列出证据与候选原因。随后提交实验卡、素材任务书和周报，明确预算及停止条件。

参考验收是计算可复算、收入与利润分开、线索质量可追踪、库存与服务约束明确、实验变量清楚、审批与执行状态可核查。数据不足时提交补数与验证计划，不生成虚假的确定原因。课堂演示使用测试账户或只读资料，不执行真实预算调整。

本章交付物：平台选择表、素材假设表、实验卡、利润口径、投放诊断、周度复盘与动作审批表。模板见实战工具包。