销售类广告的 AI 定向默认开启后，到底该怎么调？
说真的，每次打开 Facebook 或者 TikTok 的广告后台，看到那个新出的“AI 强化定向”或者“Advantage+”系列默认勾选的时候，我心里都咯噔一下。这感觉就像是去餐厅吃饭，服务员直接给你端上来一盘“主厨推荐”，你都不知道里面放了啥，但不吃又不行。尤其是做销售类广告（Performance Campaigns）的兄弟姐妹们，预算都是真金白银烧出去的，谁也不想让算法像个没头苍蝇一样乱撞。
这篇文章不跟你扯那些虚头巴脑的理论，咱们就坐下来，像老朋友聊天一样，掰扯掰扯这个默认开启的 AI 定向到底是个什么脾气，以及在实际操作中，我们到底该怎么去“驯服”它，或者说，怎么跟它共存，让它老老实实给我们干活。
先搞清楚：这个“默认开启”的 AI 到底在干什么？
以前我们做广告，像是在玩拼图。我们得自己找图（受众画像），自己一块一块拼（设置兴趣、年龄、地区）。现在这个 AI 定向，它跟你说：“放着我来，我有上帝视角，我帮你拼。”
它的逻辑很简单，就是利用平台积累的海量数据。比如 Meta 的 AI，它知道过去 24 小时谁看了运动鞋，谁加购了没买，谁最近在搜“减脂”。当你把预算给它，它就不再死盯着你选的那几个兴趣词了，而是全网撒网，去寻找那些“最有可能转化”的人。
这听起来很美好，对吧？但问题也出在这里。它的目标是“转化”，但它对“转化”的理解可能跟你不一样。它可能会为了凑转化量，把广告推给那些习惯性点击、但从来不买单的“羊毛党”，或者推给那些虽然买了但客单价极低、完全不赚钱的用户。这就是我们焦虑的根源：失控感。
场景一：完全关闭 AI，回到手动时代？
很多老手的第一反应是：“关了它！我不信这些花里胡哨的，我就信我自己选的人群。”
这在以前是常规操作。但在今天，尤其是在 iOS 隐私政策调整、数据归因乱成一锅粥的大环境下，完全关掉 AI 定向，往往意味着你亲手关上了系统学习的大门。
我试过在 TikTok 上做一个完全手动的 Campaign，详细到把所有可能的兴趣点都列出来。结果呢？前三天，CPM（千次展示费用）高得离谱，系统一直在“探索”，但就是跑不出去量。因为平台不知道该把你的广告给谁，它只能试探性地在小圈子里展示，成本自然就上去了。
所以，完全关闭通常不是一个好主意，除非你的受众极其极其垂直，小到平台数据库里都没多少人。对于大多数销售类广告来说，跟 AI 硬刚，往往是以卵击石。
场景二：全盘接受，当甩手掌柜？
另一派是“拥抱变化”派。既然系统推荐开启，那就全开呗，预算给够，剩下的交给上帝。
这种做法在某些情况下（比如你的产品普适性极强，或者你的 Pixel 数据非常非常健康）可能会有奇效。系统会像海绵一样，疯狂吸收数据，找到那些你根本想不到的潜在客户。
但风险在于，成本不可控。你可能某天醒来，发现 CPA（单次转化成本）翻了一倍，因为系统为了花掉你的预算，不得不去拓展更宽泛的人群。这时候如果你没有监控手段，一两天的亏损就能吃掉你一周的利润。
实战中的“微操”：我们到底该怎么做？
聊了这么多，回到咱们最关心的问题：默认开启后，怎么调整？这里没有标准答案，但我可以分享几个我在实操中反复验证过的策略，你可以根据自己的阶段来选。
策略一：利用“排除法”划定安全区
既然 AI 喜欢乱跑，那我们就给它画个圈，告诉它：“圈外的你随便浪，圈内的你别碰。”
这在 Meta 的后台里，通常是在“受众控制”或者“排除受众”里设置。即使你开启了 AI 定向（Advantage+ Audience），你依然可以设置排除名单。
- 排除老客户： 如果你是做复购的，或者不想让老客户反复看到广告，把过去 180 天购买过的人群排除掉。这能省下一大笔冤枉钱。
- 排除低价值国家： 如果你发现某些国家的流量虽然便宜，但全是只看不买的“流量黑洞”，果断在账户层级或者 Campaign 层级排除掉。
- 排除已流失用户： 比如取消订阅的、退货的，这些人虽然还在数据库里，但再次转化的概率极低，别让 AI 误以为他们是优质人群。
这种做法的精髓在于：我不限制你去哪里找人，但我明确告诉你哪些人别碰。 这给了 AI 足够的自由度，同时也守住了底线。
策略二：利用“种子数据”进行引导（Lookalike）
AI 定向虽然强大，但它一开始是“盲”的，它不知道你喜欢什么样的客户。这时候，我们需要“喂”它吃点好的。
在开启 AI 定向的同时，我们可以上传高质量的客户名单（Customer List），或者指定 Pixel 里特定的高价值事件（比如“完成支付”而非仅仅是“加入购物车”）。
操作逻辑是这样的：
- 创建一个基于“过去 30 天完成支付用户”的 1% 相似人群包（Lookalike Audience）。
- 在新建广告系列时，虽然开启了 AI 定向，但在“种子受众”选项里，把这个相似人群包选上（注意：有些平台的 Advantage+ 现在不支持直接选 LAL，但你可以通过设置“高价值事件”来实现类似效果）。
- 或者，更直接一点，使用 Meta 的“价值优化（Value Optimization）”功能，前提是你的 Pixel 已经积累了足够的购买价值数据。
这就像是给 AI 一个参照物：“嘿，照着这种人找，别跑偏。”
策略三：拆分 Campaign 测试（A/B Test）
如果你心里实在没底，不知道 AI 到底行不行，那就用最笨但也最有效的方法：做对比测试。
不要在一个 Campaign 里纠结，直接建两个 Campaign：
- Campaign A： 开启 AI 定向（Advantage+ Shopping Campaign 或类似的）。
- Campaign B： 关闭 AI 定向，使用传统的手动受众设置（Interest Targeting），尽量保持预算、素材、版位一致。
跑个三五天，看数据说话。哪个 CPA 低，哪个 ROAS 高，就用哪个。别跟系统赌气，数据不会骗人。我见过太多案例，一开始骂 AI 垃圾，跑了一周测试发现，AI 的 ROAS 比自己手动选兴趣的高了 30%。当然，也有反过来的，所以测试是王道。
不同平台的“脾气”：Meta vs TikTok vs Google
虽然都是 AI 定向，但不同平台的 AI 脑回路不一样，调整策略也得微调。
Meta (Facebook/Instagram)
Meta 的 AI 是最成熟的，也是最“霸道”的。它极力推荐你使用 Advantage+ 系列。如果你非要用手动定向，它甚至会弹窗警告你受众太窄。
调整建议：
- 对于电商销售，直接上 Advantage+ Shopping Campaigns，然后在“受众控制”里排除老客。
- 对于应用下载或线索收集，使用 Advantage+ App Campaigns 或 Leads Campaigns。
- 如果一定要手动，尽量把兴趣词放宽，比如不要只选“瑜伽垫”，而是选“瑜伽”+“健身”+“户外运动”。
TikTok
TikTok 的 AI 更侧重于内容互动和兴趣挖掘。它的“智能定向（Smart Targeting）”功能非常激进。
调整建议：
- TikTok 的 AI 喜欢“爆款素材”。如果你的素材足够好，开启智能定向，系统会帮你找到类似受众。
- 利用“人群包排除”。TikTok 现在的排除功能做得不错，一定要用起来，特别是排除那些低质量流量来源。
- 尝试“自动版位（Automated Creative Optimization）”，让 AI 帮你组合素材和文案，有时候效果出奇的好。
Google (Performance Max / Discovery)
Google 的 AI 是基于意图的。Performance Max (PMax) 几乎不给你任何受众选项，只让你上传素材和产品 feed。
调整建议：
- 受众信号（Audience Signals）： 这是 PMax 里唯一能“引导”AI 的地方。别空着，填上你的核心关键词、再营销列表、相似人群包。这告诉 Google AI：“请按照这群人的特征去寻找新客户。”
- 排除关键词： 在账户设置里，坚决排除那些不相关的搜索词，比如“免费”、“教程”、“二手”等，防止 AI 乱烧钱。
- 分地域/分预算测试： 如果 PMax 跑得特别野，可以尝试建立多个 PMax Campaign，按国家或产品线拆分，这样更容易控制预算和观察表现。
监控与优化：别设了就不管了
无论你选择了哪种策略，开启 AI 定向后，监控的频率都要提高。以前可能三天看一次，现在最好每天看，甚至一天看两次。
重点关注这几个指标的变化：
| 指标 | 正常波动范围 | 异常信号（需要介入） |
|---|---|---|
| CPM (千次展示成本) | ±15% | 突然暴涨 50% 以上，说明竞争加剧或受众过窄/过宽 |
| CTR (点击率) | 相对稳定 | 持续下跌，说明素材疲劳或人群不匹配 |
| CPA (单次转化成本) | ±20% | 超出目标成本 30% 以上且持续不降，必须暂停或调整 |
| ROAS (广告支出回报率) | 目标值的 80%-120% | 跌破底线，立即检查归因窗口和素材落地页 |
一旦发现异常，不要犹豫。如果是 Meta 平台，可以尝试开启“成本上限（Cost Cap）”或者“ROAS 保障（ROAS Goal）”出价，强制系统在一定成本内跑量。如果还是不行，果断关停 AI 功能，退回手动模式，或者换素材、换受众重新测试。
关于素材的一点心里话
聊了这么多定向，其实还有一个隐藏的变量，就是素材。现在的 AI 定向，某种程度上是在“找喜欢这种素材的人”。如果你的素材本身就带有强烈的指向性，AI 会跑得更准。
比如，你在素材里加了一句“适合 40 岁以上商务男士”，AI 就会更倾向于把广告推给这个年龄段的男性。这听起来是废话，但很多人在做素材时，只顾着展示产品多好，忘了在文案或画面里“暗示”目标人群。
所以，当你觉得 AI 跑偏的时候，先别急着骂系统，看看你的素材是不是太“泛”了？是不是没有给 AI 足够的视觉和文本线索？
写在最后的一些碎碎念
其实，所谓的“调整”，本质上是在“自动化”和“控制权”之间找平衡。AI 定向是大势所趋，它确实能帮我们省掉很多繁琐的人工操作，尤其是在数据量大的时候。
但作为操盘手，我们不能完全放手。我们要做的是那个坐在副驾驶的人，平时让 AI 开车，遇到悬崖峭壁或者堵车的时候，我们得踩一脚刹车，或者打一把方向盘。
不要迷信任何一种“万能药”。今天这个策略好用，下个月平台算法一更新，可能就失效了。保持学习，保持测试，保持对数据的敏感度，这才是我们在这个行业立足的根本。
下次当你看到那个默认开启的 AI 按钮时，别慌。深吸一口气，想想你的目标，你的底线，然后根据我上面说的那些，试着跟它“谈判”。毕竟，工具是死的，人是活的。祝你的广告，都能跑出漂亮的曲线。
