آشنایی با فاز لرنینگ در کمپین های فیسبوک + چگونه سریع تر از آن عبور کنیم

فاز لرنینگ در کمپین های فیسبوک برای بسیاری از تبلیغ دهندگان کمی مبهم است و حتی بعضی از افراد از آن می ترسند. واقعیت این است که عملکرد کمپین ها در این مرحله ممکن است چندان مطلوب نباشد و طبیعتا هیچ کس از این موضوع خوشحال نمی شود. با این حال راهکارهایی وجود دارد که می تواند کمک کند این مرحله سریع تر طی شود و کمپین شما زودتر به عملکرد پایدار برسد. در این مقاله قصد داریم به طور کامل توضیح دهیم که Learning Phase در تبلیغات فیسبوک دقیقا چیست، چرا اتفاق می افتد، چگونه می توان از آن خارج شد و مهم تر از همه چگونه می توان تاثیر آن را به حداقل رساند.

فاز لرنینگ در کمپین های فیسبوک چیست؟

فاز لرنینگ در کمپین های فیسبوک به دوره ای گفته می شود که در آن فیسبوک در حال آزمایش و یادگیری نحوه نمایش تبلیغات شما به مخاطبان هدف است. در این مرحله، سیستم تبلیغاتی فیسبوک تلاش می کند بهترین ترکیب ممکن از عوامل مختلف را پیدا کند. این عوامل می تواند شامل زمان نمایش تبلیغ، محل نمایش، تنظیمات بهینه سازی، نوع مخاطب و سایر متغیرها باشد.

فیسبوک برای انجام این کار به شدت به یادگیری ماشین متکی است. این سیستم با تحلیل رفتار کاربران و تعامل آنها با تبلیغات، سعی می کند تبلیغ شما را به افرادی نشان دهد که بیشترین احتمال انجام اقدام مورد نظر شما را دارند. اما وقتی کمپین تازه شروع شده و داده عملکردی کافی وجود ندارد، انجام این کار برای الگوریتم فیسبوک بسیار دشوار می شود.

الگوریتم متا چگونه یاد می گیرد؟

الگوریتم متا از همان لحظه ای که تبلیغات شما فعال می شود شروع به یادگیری می کند. در این مرحله فقط به کانورژنها توجه نمی کند، بلکه سیگنال های اولیه مختلف را بررسی می کند. این سیگنال ها شامل این موارد هستند: چه افرادی کانورژنانجام می دهند، رویدادهای مهم چند بار اتفاق می افتند و کدام جایگاه های تبلیغاتی یا فرمت های خلاقه بیشترین نتایج واقعی را ایجاد می کنند.

با جمع شدن داده ها در طول اجرای کمپین، متا بررسی می کند که تا چه اندازه می تواند عملکرد تبلیغ را با اطمینان پیش بینی کند. این سیستم عملکرد تبلیغات را در پلتفرم های مختلف مانند فیسبوک، اینستاگرام و ریلز مقایسه می کند و همچنین بررسی می کند که آیا میزان هزینه و حجم ایونت ها برای تشخیص یک الگوی واضح کافی هستند یا نه. این فرایند بخش مهمی از فاز لرنینگ در کمپین های فیسبوک محسوب می شود.

گاهی متا پیشنهاد می دهد که دو ادست مشابه را با هم ترکیب کنید تا پراکندگی داده ها کمتر شود و کمپین سریع تر از Learning Phase در تبلیغات فیسبوک خارج شود. این کار باعث می شود داده های بیشتری در یک مجموعه متمرکز شوند و الگوریتم راحت تر الگوهای عملکرد را تشخیص دهد.

متا همچنین در داخل پلتفرم پیشنهادهایی ارائه می دهد؛ مخصوصا زمانی که در فرایند نمایش تبلیغات یا بهینه سازی مشکل دیده شود. البته سیستم این تصمیم ها را به جای شما نمی گیرد، اما این پیشنهادها سرنخ های ارزشمندی از چیزی که متا از سیگنال های اولیه شما برداشت کرده است ارائه می دهند.

ثبات در بودجه و ارسال منظم ایونت هاکمک می کند الگوریتم متا سریع تر یاد بگیرد. اگر بودجه یا نتایج کمپین بیش از حد نوسان داشته باشند، سیستم زمان بیشتری نیاز دارد تا تشخیص دهد چه چیزی واقعا موثر است. هرچه سیگنال های شما پایدارتر باشند، متا می تواند تبلیغات را سریع تر و دقیق تر بهینه سازی کند.

درک وضعیت Learning Limited در کمپین های فیسبوک

وضعیت Learning Limited زمانی در کمپین های فیسبوک نمایش داده می شود که ادست شما ایونت های کافی برای بهینه سازی دریافت نمی کند تا الگوریتم متا بتواند پیش بینی های دقیقی انجام دهد. به بیان ساده تر، سیستم هنوز داده های کافی و منظم در اختیار ندارد تا از مرحله آزمایش عبور کند.

در فاز لرنینگ در کمپین های فیسبوک الگوریتم متا تلاش می کند الگوهای رفتاری کاربران را شناسایی کند. اما اگر تعداد سیگنال ها یا رویدادهای ثبت شده کم باشد، این فرایند با اختلال روبه رو می شود و ادست وارد وضعیت Learning Limited می شود.

معمولا زمانی این وضعیت را مشاهده می کنید که ایونت مد نظر شما به ندرت اتفاق می افتد. برای مثال اگر هدف کمپین شما خرید با چرخه تصمیم گیری طولانی باشد، یا لیدهای با کیفیت بالا و قصد خرید بالا را دنبال کنید، ممکن است حجم کانورژنها یکنواخت نباشد. این موضوع باعث می شود متا نتواند به راحتی الگوهای مشخصی را تشخیص دهد.

به طور کلی چند عامل اصلی وجود دارد که باعث می شود یک ادست در Learning Phase در تبلیغات فیسبوک وارد وضعیت Learning Limited شود.

• حجم پایین سیگنال ها: ایونت بهینه سازی شما به اندازه کافی اتفاق نمی افتد و الگوریتم داده کافی برای یادگیری ندارد.
• محدودیت زیاد در نمایش تبلیغ: مخاطبان هدف بسیار محدود هستند یا بین ادست ها همپوشانی زیادی وجود دارد.
• بودجه ناکافی کمپین: بودجه تبلیغاتی آنقدر نیست که بتواند در طول روز تعداد ثابتی از ایونت ها را ایجاد کند.

اگر در کمپین خود نشانه هایی مانند هزینه کرد نامنظم، نتایج روزانه ناپایدار یا فاصله طولانی بین کانورژنها مشاهده می کنید، احتمالا سیستم هنوز بهترین فرصت های نمایش تبلیغ را پیدا نکرده است.

نکته مهم این است که Learning Limited به معنی توقف عملکرد تبلیغات نیست. در واقع تبلیغات شما همچنان فعال هستند، اما الگوریتم متا هنوز در حال تکمیل تصویر کلی از داده ها است.

سریع ترین راه برای خروج از این وضعیت این است که سیگنال های کانورژن را منظم تر و پایدارتر کنید. در اغلب موارد نیازی به تغییر کامل ساختار کمپین نیست و با بهبود کیفیت داده ها می توان از این مرحله عبور کرد.

بهینه سازی قبل از شروع فاز لرنینگ (آماده سازی کمپین برای موفقیت سریعتر)

تصمیم هایی که قبل از راه اندازی کمپین می گیرید، تاثیر زیادی روی روند فاز لرنینگ در کمپین های فیسبوک دارند. هرچه این مرحله با دقت بیشتری انجام شود، الگوریتم متا سریع تر می تواند داده جمع آوری کند و به نتیجه برسد. هدف اصلی در این مرحله این است که یک محیط پایدار و قابل تحلیل برای سیستم تبلیغاتی متا فراهم کنید.

به طور کلی متا برای شروع یادگیری در کمپین ها از چند ورودی اصلی استفاده می کند؛ از جمله هدف کمپین، مخاطبان، محتوا، بودجه و سیستم ردیابی داده ها.

اولین قدم، انتخاب هدف مناسب برای کمپین است. هدفی که انتخاب می کنید باید با بودجه شما و حجم کانورژن مورد انتظار هماهنگ باشد. اگر بودجه محدودی دارید یا اکانت تبلیغاتی شما جدید است، بهتر است در ابتدا کمپین را برای یک ایونت با فراوانی بالاتر بهینه سازی کنید. این کار باعث می شود سیستم متا سریع تر سیگنال های لازم را دریافت کند، در حالی که اگر از همان ابتدا روی خرید بهینه سازی کنید ممکن است داده کافی برای یادگیری سریع وجود نداشته باشد.

ساختار مخاطبان نیز نقش مهمی در Learning Phase در تبلیغات فیسبوک دارد. استفاده از مخاطبان گسترده تر به الگوریتم متا فضای بیشتری می دهد تا الگوهای اولیه را شناسایی کند. اگر مخاطبان را بیش از حد سگمنت کنید، سیگنال های دریافتی پراکنده می شوند و روند یادگیری کندتر خواهد شد. در بسیاری از موارد، ادغام مخاطبان مشابه می تواند نتایج اولیه واضح تر و قابل تحلیل تری ایجاد کند.

تنوع در محتواهای تبلیغاتی نیز اهمیت زیادی دارد. بهتر است از ایده های متفاوت استفاده کنید، نه فقط تغییرات جزئی از یک تبلیغ مشابه. این کار به متا کمک می کند گزینه های بیشتری را آزمایش کند و سریع تر تشخیص دهد کدام پیام یا خلاقیت عملکرد بهتری دارد.

قبل از راه اندازی کمپین بهتر است چند مورد مهم را دوباره بررسی کنید:

• بودجه کمپین توانایی پشتیبانی از ایونت بهینه سازی انتخاب شده را داشته باشد
• پیکسل فیسبوک، CAPI و سیستم deduplication به درستی تنظیم و فعال باشند
• ساختار کمپین بیش از حد بین تعداد زیادی ادست تقسیم نشده باشد

این آماده سازی اولیه تضمین نمی کند که فاز لرنینگ در کمپین های فیسبوک بسیار سریع طی شود، اما بسیاری از موانع رایج را از بین می برد و کمک می کند کمپین ها سریع تر به وضعیت پایدار برسند.

عملکرد کمپین در طول Learning Phase چگونه است؟

در طول Learning Phase در تبلیغات فیسبوک معمولا عملکرد کمپین ها ثبات چندانی ندارد. ممکن است در یک روز کانورژن بسیار خوبی دریافت کنید اما در روز بعد هزینه هر کانورژن افزایش پیدا کند یا تعداد کانورژنها کاهش یابد.

در این دوره اغلب مشاهده می شود که هزینه به ازای هر  کانورژن بیشتر از زمانی است که کمپین به حالت پایدار می رسد. این موضوع در مستندات رسمی فیسبوک نیز ذکر شده است.

الگوی عملکرد در این مرحله برای هر کمپین متفاوت است. برای مثال ممکن است وضعیت کمپین شما به شکل زیر باشد:

• یک روز بسیار خوب
• سه روز ضعیف
• یک روز متوسط
• چهار روز عالی
• دو روز بسیار ضعیف
• و سپس یک روز با عملکرد عادی

در مقابل، برخی کمپین ها ممکن است عملکرد نسبتا ثابتی داشته باشند و تنها نوسان های جزئی را تجربه کنند.

در طول Learning Phase در تبلیغات فیسبوک چه کارهایی انجام دهیم و از چه کارهایی پرهیز کنیم؟

وقتی کمپین وارد Learning Phase در تبلیغات فیسبوک می شود، مهم ترین اصل حفظ ثبات است. در این مرحله بالا و پایین شدن نتایج کاملا طبیعی است و لزوما به معنی وجود مشکل در کمپین نیست. سیستم هنوز در حال آزمایش و جمع آوری داده است. اگر خیلی سریع واکنش نشان دهید و تغییرات زیادی ایجاد کنید، ممکن است روند یادگیری کندتر شود.

در این مرحله بهتر است به نحوه ورود سیگنال ها توجه کنید، به ویژه زمانی که کمپین برای رویدادهایی بهینه شده که هر روز اتفاق نمی افتند. برای مثال خریدهایی که زمان تصمیم گیری طولانی دارند، لیدهای با کیفیت بالا یا ثبت نام در سرویس های اشتراکی معمولا حجم روزانه یکنواختی ندارند، حتی در اکانت های سالم و بهینه.

وقتی کمپین برای چنین رویدادهایی بهینه شده باشد، ممکن است عملکرد تبلیغ در روزهای ابتدایی ناپایدار به نظر برسد، چون سیستم هنوز داده کافی از اقدامات کاربران دریافت نکرده است. در بیشتر مواقع این موضوع طبیعی است و نشانه وجود مشکل نیست.

برای مدیریت بهتر فاز لرنینگ در کمپین های فیسبوک چند نکته ساده می تواند بسیار کمک کننده باشد:

• به دنبال الگوهای مشخص باشید، نه جهش های مقطعی در داده ها
• زمانی محتوای جدید اضافه کنید که سیگنال های اولیه کمپین مشخص شده باشد
• ساختار کمپین را بدون دلیل تغییر ندهید و از ویرایش های مداوم پرهیز کنید

چه عواملی روی سرعت خروج از فاز لرنینگ تاثیر دارد؟

نکته مهم این است که عملکرد کمپین در این مرحله تا حد زیادی به حجم داده و میزان تعامل کاربران با تبلیغات شما بستگی دارد. هر چه کمپین شما سریع تر داده جمع آوری کند، الگوریتم فیسبوک نیز سریع تر یاد می گیرد که مخاطبان هدف چگونه به تبلیغات شما واکنش نشان می دهند.

به طور کلی باید در نظر داشته باشید که در فاز لرنینگ در کمپین های فیسبوک عملکرد کمپین ها به طور متوسط ضعیف تر از زمانی است که تبلیغات وارد حالت انتشار عادی می شوند. البته این به این معنا نیست که بعد از پایان این مرحله نتایج حتما عالی خواهند بود یا دقیقا به اهداف شما می رسند.

فیسبوک صرفا اعلام می کند که تبلیغات در دوره Learning Phase معمولا عملکرد ضعیف تری نسبت به زمانی دارند که کمپین به طور کامل بهینه سازی شده و وارد مرحله انتشار پایدار شده است.

چه چیزی باعث می شود وارد فاز لرنینگ در کمپین های فیسبوک شوید؟

به طور کلی دو نوع تغییر وجود دارد که باعث می شود تبلیغات شما وارد فاز لرنینگ در کمپین های فیسبوک شود.

دسته اول زمانی است که یک کمپین جدید، ادست جدید یا یک تبلیغ جدید ایجاد می کنید. هر زمان که یک مورد کاملا جدید ساخته می شود، سیستم به صورت خودکار آن را وارد Learning Phase در تبلیغات فیسبوک می کند. دلیل این موضوع ساده است. چون آن تبلیغ یا کمپین تازه ایجاد شده و فیسبوک هنوز اطلاعات کافی برای ارزیابی عملکرد آن ندارد، بنابراین باید مدتی داده جمع آوری کند تا متوجه شود تبلیغ شما چگونه عمل می کند.

اما دسته دوم کمی پیچیده تر است. هر زمان که تغییری ایجاد کنید که از نظر فیسبوک یک تغییر مهم یا Significant Edit محسوب شود، تبلیغ شما دوباره وارد Learning Phase در تبلیغات فیسبوک خواهد شد.

در تصویر زیر می توانید نمونه ای از تغییراتی را ببینید که فیسبوک آن ها را به عنوان تغییر مهم در نظر می گیرد.

در سطح کمپین، تغییرات قابل توجه در بودجه یا بید می تواند باعث شود کمپین دوباره وارد فاز لرنینگ در کمپین های فیسبوک شود. معمولا اگر بودجه یا بید کمپین در یک روز بیش از 20 درصد تغییر کند، کمپین دوباره وارد این مرحله می شود. البته در برخی موارد حتی تغییرات کمتر از 20 درصد هم ممکن است باعث فعال شدن دوباره این مرحله شود.

همچنین اگر استراتژی بیدینگ خود را تغییر دهید، کمپین شما مجددا وارد Learning Phase در تبلیغات فیسبوک خواهد شد. دلیل آن این است که شما در حال استفاده از یک روش جدید برای بهینه سازی و تعیین بید هستید و الگوریتم فیسبوک باید دوباره بررسی کند که بهترین راه برای رسیدن به نتیجه مورد نظر شما چیست.

در سطح تبلیغ یا Ad، فیسبوک تقریبا هر تغییری در کریتیو را به عنوان یک تغییر مهم در نظر می گیرد. این موضوع ممکن است کمی سختگیرانه به نظر برسد، مخصوصا اگر فقط تغییرات کوچکی در تصویر، ویدیو یا متن تبلیغ ایجاد کرده باشید. اما واقعیت این است که فیسبوک نمی داند همین تغییرات کوچک چه تاثیری روی رفتار مخاطبان خواهد داشت.

به این شکل به موضوع نگاه کنید. وقتی شما یک کلمه از متن تبلیغ یا تصویر تبلیغ فیسبوک را تغییر می دهید، معمولا این کار را به دلیلی انجام می دهید. احتمالا تصور می کنید این تغییر می تواند عملکرد تبلیغ را بهتر کند. اگر یک تغییر کوچک می تواند تاثیر قابل توجهی روی نتیجه تبلیغ داشته باشد، طبیعی است که الگوریتم فیسبوک باید دوباره داده جمع آوری کند تا تاثیر این تغییر را بررسی کند.

در نهایت در سطح ادست یا Ad Set، علاوه بر تغییرات مربوط به کریتیو، بودجه و بیدینگ که قبلا به آن اشاره کردیم، هر تغییری در مخاطبان هدف، محل نمایش تبلیغات یا همان Placements و همچنین Conversion Objective نیز باعث می شود تبلیغ دوباره وارد فاز لرنینگ در کمپین های فیسبوک شود.

دلیل این موضوع واضح است. این تغییرات می توانند به طور مستقیم روی این موارد تاثیر بگذارند که تبلیغ شما کجا نمایش داده شود، به چه افرادی نشان داده شود و هدف اصلی تبلیغ چه باشد. در نتیجه با هر یک از این تغییرات، الگوریتم فیسبوک باید دوباره داده ها را بررسی کند و از ابتدا یاد بگیرد که چگونه بهترین نتیجه را برای کمپین شما ایجاد کند.

چگونه از فاز لرنینگ در کمپین های فیسبوک جلوگیری کنیم؟

قبل از هر چیز لازم است یک نکته مهم را روشن کنیم. هدف از تبلیغات در فیسبوک این نیست که کاملا از فاز لرنینگ در کمپین های فیسبوک جلوگیری کنیم. در واقع سیستم تبلیغاتی فیسبوک برای اینکه بتواند بهترین عملکرد را ارائه دهد، باید ابتدا یاد بگیرد هدف شما از اجرای کمپین چیست.

الگوریتم های قدرتمند یادگیری ماشین در فیسبوک برای بهینه سازی تبلیغات به داده نیاز دارند. به همین دلیل هر زمان که یک کمپین کاملا جدید ایجاد کنید یا تغییرات مهمی در آن اعمال شود، کمپین وارد Learning Phase در تبلیغات فیسبوک خواهد شد.

بنابراین اگر بخواهید یک کمپین را بدون هیچ تغییر و آزمایشی برای سال ها اجرا کنید شاید بتوانید از ورود دوباره به این مرحله جلوگیری کنید. اما در عمل چنین چیزی امکان پذیر نیست، زیرا در مدیریت حرفه ای کمپین ها همیشه نیاز به تست و بهینه سازی وجود دارد. به همین دلیل ورود و خروج از فاز لرنینگ در کمپین های فیسبوک کاملا طبیعی است.

حالا به جای اینکه بخواهیم این مرحله را کاملا حذف کنیم، بهتر است یاد بگیریم چگونه ساختار کمپین ها را به شکلی مدیریت کنیم که مدت زمان حضور در Learning Phase در تبلیغات فیسبوک تا حد ممکن کوتاه شود.

در طول این مرحله معمولا عملکرد تبلیغات کمی ناپایدارتر و کم بازده تر است. بنابراین هدف اصلی این است که کمپین ها سریع تر از این مرحله عبور کنند و مدت زمان کمتری در آن باقی بمانند.

چگونه مدت زمان فاز لرنینگ در کمپین های فیسبوک را کاهش دهیم؟

برای مدیریت بهتر Learning Phase در تبلیغات فیسبوک می توانید از روش های زیر استفاده کنید:

تعداد تغییرات مهم را محدود کنید یا آن ها را به صورت همزمان اعمال کنید

هر تغییر بزرگ می تواند باعث ورود دوباره کمپین به فاز لرنینگ شود. بهتر است تغییرات مهم را در یک بازه زمانی مشخص و به صورت یکجا اعمال کنید تا کمپین فقط یک بار وارد این مرحله شود.

تلاش کنید در هر هفت روز حداقل ۵۰ ایونت کانورژن داشته باشید

الگوریتم فیسبوک برای خروج از فاز لرنینگ به داده نیاز دارد. اگر در یک دوره هفت روزه حداقل ۵۰ کانورژن ثبت شود، سیستم سریع تر می تواند کمپین را بهینه کند.

کمپین یا ادست ها را بیشتر از هفت روز متوقف نکنید

اگر یک کمپین یا Ad Set برای مدت طولانی متوقف شود، هنگام فعال سازی دوباره ممکن است وارد Learning Phase در تبلیغات فیسبوک شود.

از مخاطبان هدف با حجم مناسب استفاده کنید

اگر جامعه هدف شما خیلی کوچک باشد، رسیدن به تعداد کانورژن مورد نیاز سخت تر می شود و کمپین مدت بیشتری در فاز لرنینگ باقی می ماند.

بودجه کافی برای رسیدن به هدف کانورژندر نظر بگیرید

اگر بودجه کمپین پایین باشد، جمع آوری داده های لازم برای بهینه سازی زمان بیشتری می برد. بنابراین داشتن بودجه مناسب به خروج سریع تر از فاز لرنینگ در کمپین های فیسبوک کمک می کند.

با رعایت این نکات می توانید مدیریت بهتری روی Learning Phase در تبلیغات فیسبوک داشته باشید و عملکرد کمپین های تبلیغاتی خود را سریع تر به حالت پایدار و بهینه برسانید.

اگر هرگز از فاز لرنینگ خارج نشوید چه اتفاقی می افتد؟

در برخی اکانت های تبلیغاتی ممکن است به دلایل مختلف کمپین ها هرگز از فاز لرنینگ خارج نشوند. این موضوع در تبلیغات فیسبوک چندان غیر معمول نیست. برای مثال ممکن است مخاطبان هدف شما بیش از حد محدود باشند یا بودجه کمپین به اندازه ای نباشد که فیسبوک بتواند داده کافی برای یادگیری جمع آوری کند. در چنین شرایطی سیستم نمی تواند فرآیند یادگیری خود را تکمیل کند و کمپین در همان مرحله باقی می ماند.

اگر کمپین شما نتواند از فاز لرنینگ در کمپین های فیسبوک خارج شود، معمولا با وضعیت Learning Limited روبه رو خواهید شد. این وضعیت به این معناست که فیسبوک تشخیص داده حتی با گذشت زمان بیشتر نیز احتمالا داده کافی برای خروج از Learning Phase در تبلیغات فیسبوک به دست نخواهد آمد. به بیان ساده تر، سیستم احساس می کند شرایط فعلی کمپین اجازه تکمیل فرآیند یادگیری را نمی دهد.

از نظر عملکرد، وضعیت Learning Limited شباهت زیادی به زمانی دارد که کمپین هنوز در فاز لرنینگ قرار دارد. دلیل این موضوع این است که الگوریتم فیسبوک همچنان در حال جمع آوری داده و تلاش برای یادگیری رفتار کاربران است. در این حالت معمولا عملکرد کمپین در روزهای مختلف نوسان بیشتری دارد و نتایج آن نیز نسبت به زمانی که کمپین از فاز لرنینگ خارج شده باشد ضعیف تر خواهد بود.

بهترین روش ها برای خارج شدن از فاز لرنینگ

برای اینکه موضوع کاملا روشن باشد، در ادامه چند اقدام مهم آورده شده که به شما کمک می کند از فاز لرنینگ در کمپین های فیسبوک سریع تر عبور کنید یا حتی تا حد امکان از طولانی شدن آن جلوگیری کنید.

از بیش از حد بخش بندی کردن کمپین خودداری کنید

یکی از اشتباهات رایج در تبلیغات، تقسیم بیش از حد مخاطبان یا ساخت تعداد زیادی ادست است. این کار باعث می شود داده ها بین بخش های مختلف پخش شوند و الگوریتم نتواند سریع یاد بگیرد. در نتیجه Learning Phase در تبلیغات فیسبوک طولانی تر می شود.

بودجه کمپین را تا حد امکان یکپارچه کنید

بهتر است بودجه را در چند کمپین یا ادست کوچک پخش نکنید. تمرکز بودجه در یک ساختار مشخص کمک می کند الگوریتم فیسبوک داده بیشتری دریافت کند و سریع تر از فاز لرنینگ در کمپین های فیسبوک خارج شود.

تغییرات زیاد و مداوم در کمپین ایجاد نکنید

هر تغییر مهم در کمپین، مانند تغییر بودجه، تغییر هدف یا ویرایش گسترده تبلیغ، می تواند باعث شود کمپین دوباره وارد Learning Phase در تبلیغات فیسبوک شود. بنابراین بهتر است تغییرات را محدود و با برنامه انجام دهید.

اکشن کانورژن با حجم مناسب انتخاب کنید

برای اینکه کمپین بتواند از فاز لرنینگ در کمپین های فیسبوک خارج شود، باید تعداد کافی ایونت کانورژن(Conversion) دریافت کند. بنابراین بهتر است اکشنی را انتخاب کنید که احتمال وقوع آن بیشتر است تا الگوریتم بتواند سریع تر داده جمع آوری کند و یادگیری را کامل کند.

استراتژی های پیشرفته برای بهینه سازی

زمان مناسب برای استفاده از استراتژی هایی که به متا کمک می کنند سیگنال های کمپین را بهتر تحلیل کند، زمانی است که ادست های شما به نتایج پایدار و قابل پیش بینی رسیده اند. این مرحله معمولا بعد از فاز لرنینگ در کمپین های فیسبوک یا زمانی است که کمپین به ثبات نسبی نزدیک شده است.

یکی از روش های موثر این است که چند ایونت بهینه سازی را در کنار هم استفاده کنید. برای مثال، ادست اصلی شما می تواند برای خرید بهینه سازی شود، در حالی که یک ادست پشتیبان روی اقداماتی با حجم بیشتر مثل افزودن به سبد خرید یا مشاهده محتوا تمرکز دارد. این کار باعث می شود سیگنال های بیشتری به سیستم ارسال شود، مخصوصا زمانی که خریدها با فاصله زمانی بیشتری اتفاق می افتند.

ساده کردن ساختار کمپین هم به همین دلیل اهمیت زیادی دارد. اگر تعداد زیادی ادست با مخاطبان مشابه داشته باشید، روند یادگیری کند می شود. با ادغام ادست های مشابه، متا می تواند تصویر واضح تری از عملکرد کمپین به دست بیاورد و سریع تر تشخیص دهد چه چیزی بهتر کار می کند.

در این مرحله، استراتژی محتوا یا همان کریتیو اهمیت بیشتری پیدا می کند. متا در Learning Phase در تبلیغات فیسبوک و حتی بعد از آن، به سیگنال های مربوط به کریتیو توجه زیادی دارد. بهتر است از چند ایده متفاوت با زاویه های مختلف یا ارزش پیشنهادی متفاوت استفاده کنید تا سیستم راحت تر تشخیص دهد کدام پیام تاثیر بیشتری دارد. همچنین استفاده از فرمت های داینامیک و ابزارهای Advantage+ Creative به شما اجازه می دهد بدون افزایش بودجه، تست های بیشتری انجام دهید.

بعد از فاز لرنینگ: اسکیل کردن و رشد پایدار

وقتی یک ادست از فاز لرنینگ در کمپین های فیسبوک خارج می شود، داده های شما قابل اعتمادتر می شوند. در این مرحله هزینه ها تثبیت می شوند، الگوهای عملکرد تکرارپذیر می شوند و سیستم دیگر تغییرات بزرگ و ناگهانی ایجاد نمی کند.

در اینجا ابزار Opportunity Score متا هم کاربرد بیشتری پیدا می کند. این شاخص نشان می دهد کدام ادست ها کیفیت سیگنال بالاتری دارند و ظرفیت رشد بیشتری دارند. به کمک آن می توانید تشخیص دهید بودجه افزایش یافته را به کدام کمپین اختصاص دهید تا بیشترین تاثیر را بگیرید.

برای اسکیل کردن بهتر است ابتدا افزایش های کوچک در بودجه ایجاد کنید و ببینید آیا ادست شما می تواند رشد کند یا نه. اگر نتایج همچنان پایدار باقی بماند، یعنی سیستم سیگنال کافی دارد و می تواند حجم بیشتری از ترافیک را مدیریت کند.

اما اگر حتی افزایش های کوچک باعث افت نتایج شود، احتمالا به سقف عملکرد آن ادست رسیده اید. در چنین شرایطی، به جای افزایش بیشتر بودجه، بهتر است کریتیوهای جدید تولید کنید یا دامنه مخاطبان را گسترده تر کنید.

بعد از Learning Phase در تبلیغات فیسبوک تشخیص نشانه های خستگی کمپین هم آسان تر می شود. افزایش هزینه ها، کاهش تعامل کاربران یا محدود شدن دسترسی به همان مخاطبان قبلی همگی می توانند نشانه افت عملکرد باشند.

به طور کلی، اسکیل موفق زمانی اتفاق می افتد که از داده های پایدار استفاده کنید، تغییرات را به تدریج اعمال کنید و همیشه کریتیوهای جدید در کمپین داشته باشید. اصلاحات کوچک و دقیق معمولا نتیجه بهتری نسبت به تغییرات بزرگ و ناگهانی دارند.

بررسی و رفع چالش های رایج

بیشتر مشکلات مربوط به فاز لرنینگ در کمپین های فیسبوک معمولا به چهار عامل اصلی مربوط می شود: میزان دسترسی، ثبات سیگنال ها، حجم سیگنال ها و دقت در ردیابی داده ها. وقتی تشخیص دهید مشکل دقیقا از کدام بخش است، راحت تر می توانید راه حل مناسب را پیدا کنید.

کمپین نمایش داده نمی شود

اگر نمایش تبلیغ متوقف شده باشد، معمولا سیستم فضای کافی برای بررسی مخاطبان ندارد. ممکن است دامنه مخاطبان خیلی محدود باشد یا محدودیت های زیادی برای کمپین تعیین کرده باشید. در چنین شرایطی، گسترش مخاطبان یا کاهش محدودیت ها معمولا سریع تر از تغییر کل ساختار کمپین مشکل را حل می کند.

هزینه ها در فاز یادگیری بالا است

افزایش هزینه در مرحله یادگیری اغلب به دلیل سیگنال های نامنظم اتفاق می افتد. تاخیر در ثبت رویدادها، فاصله زمانی در اتریبیوشن، طولانی بودن فرآیند تصمیم گیری کاربران یا کانورژنهای پراکنده می توانند باعث این مشکل شوند. بررسی ارسال ایونت ها و زمان ثبت آنها کمک می کند علت اصلی را پیدا کنید و از ایجاد تغییرات غیر ضروری جلوگیری کنید.

ادست در حالت Learning Limited باقی مانده است

این مشکل معمولا به این معنی است که سیگنال کافی وجود ندارد. متا ایونتهای بهینه سازی کافی دریافت نمی کند تا الگوی مشخصی پیدا کند. در این حالت می توانید ایونتی با حجم بیشتر انتخاب کنید، مخاطبان را گسترده تر کنید یا ادست های مشابه را ادغام کنید تا سیستم سریع تر یاد بگیرد.

کانورژن ها ثبت نمی شوند

اگر کانورژنها ناگهان ثبت نمی شوند، احتمال زیاد مشکل از سیستم ردیابی است. ایراد در پیکسل، CAPI یا فرآیند حذف داده های تکراری می تواند باعث شود متا بر اساس داده های ناقص یادگیری انجام دهد. در بسیاری از موارد، یک بررسی سریع تنظیمات ردیابی می تواند مشکل را بدون نیاز به تغییر استراتژی کمپین برطرف کند.