电商事业的营业额可分解为「流量 × 转换率(CVR) × 客户单价」这个方程序，而在Meta广告上的成效，取决于如何策略性地组合构成此方程序的九个设置变量（广告目标／受众／版位／创意／预算／计费／出价策略／衡量集成／价值最大化）。 本完全攻略报告将这九个变量体系化为「策略设计（前篇：Who & Where）」与「营运优化（后篇：What & How Much）」两个阶段，并为电商负责人重构成为〝明天即可实践〞的决策指南。 前篇请点此！ 后篇请点此！ ■【前篇：策略设计篇】流量领域 本篇处理Meta广告九个设置变量中，位于上游的「广告目标」、「受众」、「版位」三个变量。 在电商市场竞争加剧、CPA高涨，以及iOS/Cookie规范导致信号缩小的三重经营困境下，「随便投放」已无法产生成效。我们从各设置变量如何影响「流量 × CVR × 客户单价」这个营业额方程序的观点，进行了重构。 特别是针对负责最大化流量的策略设计层面，我们结合了不同业务类型的推荐矩阵、三种受众类型的使用区分标准、以及不同版位的转换获取效率比较表进行解说，并在各处安插了现场累积的「容易陷入的陷阱」与「顾问洞见」。 ■【后篇：营运优化篇】CVR × 客户单价领域 本篇以Meta广告九变量中位于下游的「创意」、「预算与计费」、「出价策略」三个变量为中心，涵盖范围直至衡量集成（CAPI／Meta像素）与价值最大化进行解说。 在前篇所处理的策略设计基础上，针对如何最大化CVR与客户单价的问题，我们将不同格式的转换获取理论、计费类型比较表、CBO/ABO使用区分矩阵、五种出价策略在不同营运阶段的推荐度、以及价值最大化的三个条件等现场知识体系化。 此外，我们还提出了一个将九个变量连动起来作为月度PDCA循环的整体营运俯瞰图，并在最终章中，坦率地揭示了「自家营运的极限」，包括组合数量、机器学习期的判断、跟进更新、衡量分析基础设施等四面墙，为合理判断是否活用专家提供了材料。 ■ 推荐给以下人士 - 虽然有在Meta投放广告，但对CPM或CPA的高涨感到头痛，在竞价中输给竞争对手电商的营运负责人。 - 以「随便投放」开始的广告，在iOS/Cookie规范后成效迟缓，对是否能向机器学习发送正确信号没有把握的电商负责人。 - 「凭感觉」组合活动目标、受众、版位，希望获得与营业额方程序挂钩的逻辑性决策框架的营运负责人。 - 策略设计（目标、受众、版位）大致已固定，但CVR未达预期水平，希望加速「该展示什么」、「该用何种格式诉求」的假设验证循环的营运负责人。 - 预算用尽但营业额没有增长，希望对购买类型、计费对象、CBO/ABO、单日预算/总预算等预算设计的层级决策进行一次盘点的人士。 前篇请点此！ 后篇请点此！