广告预算优化

广告预算优化（Campaign Budget Optimization，简称 CBO） 是广告平台在广告系列层级设置总预算后，由系统算法自动将预算实时分配到各个广告组之间，以尽可能低的成本获取最佳整体投放效果的一种自动化投放机制。广告主不再手动为每个广告组设定独立预算，而是把决策权交给平台的机器学习模型。

生活化类比

想象你是一家连锁餐饮的老板，手上有 10 万元月度推广费，准备投给 5 家门店做本地广告。传统做法是你凭经验给每家店分配固定金额，比如每家 2 万——但可能 A 店所在商圈人流暴涨，2 万根本不够花；B 店周边竞争激烈，2 万花出去只换来寥寥几个客人。

CBO 的做法相当于：你把 10 万交给一位全天候盯盘的营销总监，他每分钟根据各门店的实时转化数据、客流趋势和获客成本，动态调整打款金额。哪家店花 1 块钱能带来更多客人，就多给它；哪家店效果变差，就立刻缩减。你只看总盘子，总监负责把每一分钱花在刀刃上。

核心概念与公式

CBO 的底层逻辑围绕几个关键指标运转：

- 预算池（Campaign Budget）：广告系列层级的总预算，是所有广告组共享的资金池。

- CPA（单次转化成本） = 总花费 ÷ 转化次数

- ROAS（广告支出回报率） = 广告带来的收入 ÷ 广告花费

- 边际递减效应：某个广告组花费越多，边际获客成本通常越高，算法会在各广告组边际 CPA 趋于相等时达到全局最优。

用简化公式表达优化目标：

最小化 Σ(各广告组花费) ，约束条件为 Σ(转化量) ≥ 目标转化量

算法本质上是在求解一个带约束的优化问题：把预算从边际 CPA 高的广告组，转移到边际 CPA 低的广告组，直到各组的边际效率接近平衡。

与相关术语对比

术语	预算设置层级	分配方式	控制权	适用场景
CBO（广告预算优化）	广告系列层级	系统自动分配	算法主导	广告组多、追求整体最优
ABO（广告组预算优化）	广告组层级	手动固定分配	人工主导	需精确控制每组花费、测试阶段
Advantage 系列预算	广告系列层级	系统自动 + 跨版位	算法主导	Meta 生态整合投放
出价策略（Bid Strategy）	系列/广告组	决定出价高低	算法+人工	与预算分配配合使用

简单说：CBO 管"钱怎么分"，出价策略管"每次出多少钱"，ABO 则是"我自己分钱"。

应用场景与数据案例

场景一：独立站多受众测试

某 DTC 家居品牌在 Meta 上设置 CBO 系列，预算 500 美元/天，内含 4 个广告组（兴趣受众、类似受众、再营销、宽泛受众）。运行 7 天后，系统将 62% 预算集中到再营销组（ROAS 4.8），将宽泛受众组预算压缩至 8%（ROAS 1.2）。整体 ROAS 从 ABO 时期的 2.6 提升到 3.4，提升约 31%。

场景二：旺季冲量

某服饰独立站黑五期间将 CBO 日预算从 800 美元提到 3000 美元，系统在 48 小时内自动把 70% 预算倾斜给转化率最高的两个广告组，CPA 稳定在 12.5 美元，而未用 CBO 的同期 ABO 系列 CPA 为 18.7 美元，差距达 33%。

场景三：新素材冷启动

某 3C 配件品牌用 CBO 跑 6 条新素材，预算 200 美元/天。系统在 3 天内淘汰 4 条低效素材（花费占比降至 5% 以下），将预算集中到 2 条高点击素材，第 5 天 CPA 降至 9.8 美元，比手动分配节省约 40% 测试成本。

常见误区

1. CBO 一定比 ABO 好：不一定。需要严格控制每个广告组花费（如测试阶段、合规要求）时，ABO 更合适。

2. 设了 CBO 就不用管了：算法需要足够的转化数据才能学好。转化量太少（如每天少于 10 次）时，CBO 可能分配失准。

3. 广告组越多越好：广告组过多会稀释每个组的学习数据，建议 CBO 系列内保持 3–6 个广告组。

4. 预算改来改去：频繁调整预算会触发重新学习期，建议每次调整幅度不超过 20%，且间隔 3–5 天。

5. 忽略学习期：CBO 通常需要 3–7 天和约 50 次转化才能稳定，过早判断效果容易误杀。

生活化类比

核心概念与公式

与相关术语对比

应用场景与数据案例

常见误区

相关术语

🔗 相关术语