Facebook Ads
草稿Meta 旗下移动应用广告投放平台，覆盖 Facebook/Instagram/Audience Network，支持 Web-to-App 引流
globalcasualmidcorehardcorelookalikeretargetingweb-to-appgamefi
入门基础
适合阅读: 新投手、无经验广告技术同学、市场同学
移动广告生态全景图
structure
┌─────────────────────────────────────────────────────────────────┐
│ 移动广告生态 │
├─────────────────────────────────────────────────────────────────┤
│ │
│ 广告主 (Advertiser) 发布者 (Publisher) │
│ "我要买用户" "我有流量卖" │
│ │ │ │
│ ▼ ▼ │
│ ┌─────────┐ 竞价 ┌──────────────┐ │
│ │ DSP │◄──────────►│ Ad Exchange │ │
│ │需求方平台│ │ 广告交易所 │ │
│ └─────────┘ └──────────────┘ │
│ │ ▲ │
│ │ │ │
│ ▼ ┌─────────┐ │
│ ┌─────────┐ │ SSP │ │
│ │ MMP │ │供给方平台│ │
│ │归因监测 │ └─────────┘ │
│ └─────────┘ │
│ │
│ SAN (自归因网络): Meta/Google/TikTok 既是买方也是卖方 │
│ Meta Ads = 自己的流量 + 自己的竞价 + 自己的归因 │
└─────────────────────────────────────────────────────────────────┘Meta Ads 属于 SAN (Self-Attributing Network / 自归因网络)，意味着:
- Meta 拥有自己的流量（Facebook、Instagram、WhatsApp、Audience Network）
- Meta 自己运行竞价系统（不需要外部 Ad Exchange）
- Meta 自己做归因（告诉你哪些安装是它带来的）
这与 AppLovin、Moloco 等 DSP 不同——DSP 需要去外部交易所购买流量。
核心术语词典
成本指标
| 术语 | 全称 | 含义 | 公式 | 游戏行业参考值 |
|---|---|---|---|---|
| CPM | Cost Per Mille | 每千次展示成本 | 广告花费 / 展示次数 × 1000 | $5-30 (因地区和品类而异) |
| CPC | Cost Per Click | 每次点击成本 | 广告花费 / 点击次数 | $0.3-2.0 |
| CPI | Cost Per Install | 每次安装成本 | 广告花费 / 安装次数 | 休闲 $0.5-3, 中度 $3-15, 重度 $10-50 |
| CPA | Cost Per Action | 每次行为成本 | 广告花费 / 目标事件次数 | 因事件而异 |
| oCPM | Optimized CPM | 优化千次展示成本 | Meta 自动出价，按展示收费但优化目标事件 | 系统自动 |
效果指标
| 术语 | 全称 | 含义 | 公式 | 说明 |
|---|---|---|---|---|
| CTR | Click-Through Rate | 点击率 | 点击数 / 展示数 × 100% | 反映素材吸引力 |
| CVR | Conversion Rate | 转化率 | 安装数 / 点击数 × 100% | 反映商店页吸引力 |
| IPM | Install Per Mille | 每千次展示安装数 | 安装数 / 展示数 × 1000 | CTR × CVR × 1000，综合效率指标 |
| ROAS | Return On Ad Spend | 广告回报率 | 收入 / 广告花费 × 100% | 核心 ROI 指标，>100% 才赚钱 |
| LTV | Lifetime Value | 用户生命周期价值 | 用户在整个生命周期内产生的总收入 | 决定你能为一个用户付多少钱 |
| ARPU | Avg Revenue Per User | 平均用户收入 | 总收入 / 总用户数 | 分时间窗口: D7 ARPU, D30 ARPU |
核心关系公式
structure
盈利条件: LTV > CPI (用户价值 > 获取成本)
CPI = CPM / (CTR × CVR × 1000)
→ 降低 CPI 的三个杠杆: 降 CPM、提 CTR、提 CVR
ROAS = LTV / CPI × 100%
→ ROAS > 100% = 盈利
D7 ROAS = D7 ARPU / CPI × 100%
→ 常用短期评估指标，通常 D7 ROAS 需要达到 20-40% 才有可能长期盈利Campaign 结构图解
Meta 广告的三层结构，每层控制不同维度：
structure
Campaign (广告系列)
├── 控制: 优化目标 (安装/事件/ROAS)、花费上限
│
├── Ad Set 1 (广告组)
│ ├── 控制: 预算、排期、受众定向、版位、出价策略
│ │
│ ├── Ad A (广告)
│ │ └── 控制: 创意素材、文案、CTA、落地页
│ ├── Ad B
│ └── Ad C
│
└── Ad Set 2
├── Ad D
└── Ad EAdvantage+ App Campaign (A+AC) 的简化结构:
structure
1 Campaign
└── 1 Ad Set (系统自动管理受众和版位)
├── Creative 1
├── Creative 2
├── Creative 3
└── ... (建议 5-50 条素材)
特点: 你只管提供素材，其他全部交给 Meta AI计费模式对比
| 模式 | 谁承担风险 | Meta Ads 中的使用场景 | 说明 |
|---|---|---|---|
| CPM | 广告主 | 品牌曝光类 Campaign | 只保证展示，不保证效果 |
| oCPM | 平台+广告主 | ⭐ 最主流模式 | 按展示收费，但 AI 会优化你的目标事件 |
| CPC | 相对平衡 | 少数手动 Campaign | 按点击收费，现在较少使用 |
| CPI | 平台 | 不直接支持 | Meta 不按安装收费，但你可以设 CPI 目标 |
⚠️ 重点理解: Meta Ads 99% 的 App Campaign 用的是 oCPM 模式。你设定的是"优化目标"（如安装、付费事件、ROAS），Meta 按 CPM 收费但会用 AI 帮你找到最可能完成目标的用户。
归因基础
什么是归因 (Attribution)?
归因 = 回答"这个用户是从哪个广告来的？"
⏱️
用户看到 Meta 广告
📍 (点击)
📊
跳转 App Store
📍 (安装)
⚙️
打开 App
📍 (????)
🔧
这个安装归功于谁？→ 这就是"归因"要解决的问题
归因模型
| 模型 | 逻辑 | Meta 支持 |
|---|---|---|
| Last-touch | 用户最后点击/查看的广告获得全部功劳 | ✅ 默认模式 |
| Multi-touch | 按触点分配功劳 | ❌ 不直接支持 |
| View-through | 用户看到但没点击，之后自行安装 | ✅ 1 天窗口 |
| Click-through | 用户点击了广告，之后安装 | ✅ 7 天窗口 |
IDFA 与 ATT（最关键的行业变化）
| 时间 | 事件 | 影响 |
|---|---|---|
| 2021 年之前 | IDFA 自由获取 | 广告平台能精确追踪"用户 A 点了广告 → 安装了游戏 → 付了 $10" |
| 2021-04 (iOS 14.5) | Apple 推出 ATT 框架 | 用户必须主动同意才能被追踪，约 75% 选择拒绝 |
| 现在 | IDFA 基本失效 | Meta 依赖 ML 建模 + SKAN + CAPI 来做归因，精度下降但仍可用 |
IDFA (Identifier for Advertisers): Apple 给每台设备的唯一广告标识符。有了它就能精确追踪用户行为链路。
ATT (App Tracking Transparency): Apple 的隐私框架，要求 App 弹窗获得用户同意才能使用 IDFA。
SKAN (SKAdNetwork): Apple 提供的隐私归因方案，数据有延迟、有限制，但不需要 IDFA。
CAPI (Conversions API): Meta 的服务端数据回传接口，帮助在客户端追踪受限时传递转化信号。
为什么这些对投手很重要？
structure
IDFA 时代 (2021 前):
精确归因 → 精确优化 → CPI 低、ROAS 高
ATT 时代 (现在):
模糊归因 → 算法需要更多数据 → 投放策略必须调整:
1. 集中预算（不要分散到太多 Campaign）
2. 接 CAPI（补充服务端数据）
3. 信任算法（人工过度干预反而有害）
4. 以更长周期评估效果（不要看单日数据下结论）Meta Ads 与其他渠道的区别速览
| 维度 | Meta Ads | Google UAC | TikTok | AppLovin |
|---|---|---|---|---|
| 渠道类型 | SAN | SAN | SAN | SDK Network |
| 核心流量 | FB + IG Feed/Stories/Reels | 搜索 + YouTube + Play Store | For You Page | 15万+ 第三方应用 |
| 用户状态 | 社交/浏览/娱乐 | 主动搜索/被动浏览 | 娱乐/发现 | 游戏中 |
| 创意形式 | 视频/图片/轮播/Playable | UAC 自动适配 | 竖版短视频为主 | 激励视频/插屏/Banner |
| 算法特点 | 大数据 + AI 全托管 | 黑盒，控制少 | 兴趣推荐，创意权重极高 | ML 引擎 AXON |
| 学习门槛 | 15 事件/周 | ~100 事件/周 | ~50 事件/周 | 较低 |
| 适合阶段 | 全阶段 | 全阶段 | 规模化 | 规模化/补量 |
来源: Meta 官方文档, Google Ads Help, TikTok For Business, AppLovin Documentation