Meta 受众策略：广泛、相似、暖受众和排除规则
Meta 的投放越来越依赖系统学习和自动化。受众策略的重点不再是堆砌很多兴趣，而是给系统足够空间，同时把明显不该看到广告的人排除掉。
这一课解决什么问题
核心结论
用少量受众框架覆盖主要业务场景。
广泛受众是很多电商账户的起点
1
当 Pixel 和购买事件逐渐稳定后，广泛受众能让系统基于转化信号寻找潜在人群。
2
广泛不等于完全不设边界，地区、年龄、语言和配送能力仍要合理。
3
不要因为前两天波动就立刻缩窄受众。
相似受众看种子质量
1
种子越接近高质量购买者，相似受众越有意义。
2
不要用低质量点击或低意向加购作为高价值相似受众种子。
3
小账户可以先测试 Purchasers、High value customers、Email list 等种子。
排除规则保护预算
1
再营销 campaign 可以排除近期购买者，除非你在做复购或交叉销售。
2
冷启动可以排除已购买者或近期高频触达用户，减少浪费。
3
排除不要过度复杂，否则会让受众池太小。
执行检查清单
进入下一课前确认
- 冷启动受众不过度收窄
- 相似受众种子质量可靠
- 再营销和冷启动排除逻辑清楚
- 受众规模足够学习
常见误区
避免这些做法
- 不要为了便宜点击牺牲真实购买目标。
- 不要在事件还没 QA 前启动大预算。
- 不要把单日波动当作结构性结论。
下一步行动
把这一课落到你的账户里
- 今天先检查当前账户是否满足本文清单。
- 把发现的问题写成一张修复表，按数据追踪、结构、创意、预算排序。
- 下一次复盘时只改一个主要变量，避免无法判断原因。
社区实战观察
实战中常见的问题
- 实战里一个很常见的现象是：创意越来越像“隐性定向”。广泛受众并不等于随机投放，素材里的语言、场景、痛点会帮助系统识别谁该看到广告。
- 兴趣堆叠容易给新手安全感，但很多账户实际问题是素材不够具体，而不是兴趣不够多。
- 排除规则也容易被过度设计。冷启动、再营销、复购三类人群要分清，但不要把受众池切到系统没有空间学习。
排查动作
1
把每条素材对应的人群写出来：谁、什么场景、什么痛点、为什么现在要买。
2
如果使用广泛受众，确保素材本身足够具体，而不是用泛泛的品牌广告去期待系统猜测。
3
每月检查排除规则：近期购买者、邮件名单、再营销人群、员工和测试流量是否被正确处理。