Meta 出價策略怎麼設？tROAS 與預算結構的校準手冊
把 ROAS 目標設得越高越安全，是最常見的迷思。本文拆解 Meta 四種出價策略的邏輯與校準原則，說明為什麼目標永遠該從自己的歷史數據往回推，而不是從理想數字往前設，並提供預算與出價的校準檢查清單。
上個月有個品牌問了一個聽起來很合理的問題，既然可以設定 ROAS 目標，那乾脆設高一點，設到 5 倍，這樣廣告成效是不是就有保障了。我們聽完想起過去看過太多帳戶，就是因為抱著這種把目標設得越高越安全的想法，最後把廣告投放給投停了。
目標設得越高，不是越安全，是系統直接放棄競標
Meta 目前主要有四種出價邏輯。系統預設的最低成本，不設任何上限，讓系統用預算盡量衝量，適合全新帳戶或還在蒐集數據的階段。成本上限，讓平均成本盡量貼近設定值，同時保留一些彈性給系統操作。出價上限，針對每一次競標設一個絕對不能超過的天花板，是目前最接近人工控制的做法。ROAS 目標，設定希望的投資報酬率，系統會朝這個目標優化，這個選項需要透過 Pixel 或 CAPI 回傳確實的訂單金額，對客單價分布廣的電商品牌特別有用，因為系統能自動把預算往客單價較高的訂單傾斜，這是單純衝量或衝低成本的策略做不到的事。
| 出價策略 | 核心邏輯 |
|---|---|
| 最低成本 | 系統盡量衝量，不設任何成本上限 |
| 成本上限 | 系統朝設定的平均成本優化，保留部分彈性 |
| 出價上限 | 每次競標設絕對天花板，最接近人工控制 |
| ROAS 目標 | 系統朝設定的投資報酬率優化，需要真實訂單金額回傳 |
問題出在，這四種策略的目標值，都不是憑感覺或理想訂出來的。業界一致觀察到，如果市場行情一次成果大約要花 20 元，卻設定目標只要 1 元，系統會判斷這場競標打不贏的機率很高，投放量因此明顯受限，預算花不出去。ROAS 目標設太高，是同一個道理，系統找不到符合門檻的訂單比例，就會放慢出價，帳戶看起來像是廣告不投了，實際上是自己把及格線設得太高，系統進場的機會跟著下降。
三個把校準做壞的常見錯誤
錯誤一：用理想值設定上限，而不是用歷史值
常見的校準錯誤，是把成本上限設在心中的目標成本，而不是設在過去實際發生的成本。正確的做法是先看過去 14 天的實際平均成本，把上限設在這個數字附近，讓系統有一點空間去平均，之後再視數據狀況每週下修 5% 到 10%，而不是一開始就把門檻卡在還沒發生過的理想數字上。全新帳戶或轉換量還不夠的品牌，過去 14 天的數據可能太薄，這種情況下建議先用最低成本策略累積轉換量，或是拉長觀察區間到 30 到 60 天，等樣本夠了再切換到成本上限或 ROAS 目標。
錯誤二：預算太分散，餵不飽任何一個廣告組合
業界普遍認為，預算分散是這幾年最常見的校準錯誤。同樣一筆預算，拆成五個廣告組合各投一部分，得到的數據量遠不如集中在一個組合裡投放，因為系統需要足夠的轉換量才能學出穩定規律，預算一分散，每個組合都吃不飽，沒有一個真正學得起來。使用 Advantage+ 廣告預算讓系統跨組合動態分配時，建議廣告組合數量控制在二到四個，並確保每個組合的受眾不互相重疊，這樣系統才有乾淨的數據可以比較。
錯誤三：調整太快、太頻繁，讓學習期一直重啟
出價策略切換或預算大幅調整，都會讓系統重新進入學習狀態，這段期間成效通常會不穩定，需要三到五天才會平穩下來。業界建議，至少要讓一個策略跑滿七到十四天，或累積到 50 次以上轉換，才能真正評估這個策略適不適合，看到兩三天數字不好就急著換策略，等於每次都在重啟學習期，永遠學不出一個穩定的樣子。這也是為什麼加預算要用每 24 小時不超過 20% 的節奏分批往上調，而不是一次到位，跟過度激進的策略切換是同一類風險。
業界觀察指出，Meta 近年持續把手動投放與 Advantage+ 的設定流程往同一套介面整合，廣告主能選擇的手動路徑愈來愈少。這個趨勢不影響四種出價邏輯本身，但代表校準這件事只會愈來愈重要，因為廣告主能手動調整的介面選項變少了，剩下能真正發揮作用的，就是餵給系統的目標值準不準。
校準的起點永遠是自己的歷史數據，不是理想中的數字
這三個錯誤背後，其實是同一件事。對已經累積一定轉換量的帳戶來說，出價上限、成本上限、ROAS 目標，這些門檻的起點都應該是自己帳戶過去實際發生過的數字，而不是想要達到的理想值。系統的工作是幫你把已經發生過的表現，盡量維持或緩步優化，不是幫你把還沒發生過的願望變成現實。設定目標前，先問這個數字過去有沒有真的發生過，是校準所有出價邏輯的共同起點；還沒有足夠歷史數據的全新帳戶，起點則是先用最低成本策略把數據養出來，再回頭校準。
91APP CDMP 讓校準的起點更精準
歷史數據要拿來當校準起點，前提是這份數據夠乾淨、夠完整，這正是 91APP CDMP 能補上的地方。
把廣告花費與 CDMP 累積的實際訂單紀錄放在一起看，能算出比單看廣告平台報表更貼近真實成交的成本與 ROAS 區間，拿來當成本上限與 ROAS 目標的校準基準，會比憑感覺設定更可靠。這也呼應我們先前談過的三個槓桿框架，種子名單、素材角度、目標校準，這篇談的正是目標校準這一個槓桿的完整操作方式。判斷CPA 上升是真的變貴還是歸因口徑改了，用的也是同一套邏輯，先確認數字可信，才有資格談校準。
CDMP 標籤也能協助另一個常被忽略的校準環節，防止系統過度依賴既有客戶名單衝高 ROAS。業界實務建議，以拓新為主要目標的帳戶，可以參考把既有客戶預算佔比上限設在二成五到三成左右，避免系統因為既有客戶轉換率高、比較好達標，就把預算大量往回頭客傾斜，排擠了原本該投入拓展新客的預算，這種情況下 ROAS 數字會很漂亮，但新客成長會停滯。這個比例是拓新導向帳戶的常見參考值，不是普遍適用的硬規則，如果品牌的目標本來就是會員回購或高頻補貨，既有客戶預算比例可以依 LTV 與新客目標另行調高。CDMP 標籤能精準標出誰是既有客戶，讓這個上限設得更準確，而不是憑感覺抓一個數字。想更完整了解如何依購買意圖分層溝通既有客戶與再行銷名單，可以參考我們先前寫過的專文。
出價與預算校準檢查清單
- 設定任何成本上限或 ROAS 目標前，先拉出過去 14 天的實際平均成本或 ROAS，把這組數字當校準基準，而不是心中的理想值。
- 檢查預算是否分散在過多廣告組合，使用系統動態分配預算時，組合數量控制在二到四個，且受眾範圍不互相重疊。
- 任何策略調整後，至少觀察七到十四天，或累積 50 次以上轉換，再評估要不要繼續調整。
- 加預算一律用每 24 小時不超過 20% 的節奏分批進行，不要一次到位。
- 設定既有客戶的預算佔比上限，避免系統為了衝高 ROAS，把預算過度集中在容易轉換的既有客戶身上。
- 每季重新校準一次上限與目標，隨著品牌成長與市場競爭變化，去年校準過的數字，不代表今年還適用。
- 轉換量還沒累積到 50 次的帳戶，先別急著切成本上限或 ROAS 目標，用最低成本策略把數據養出來，再回頭做校準。
目標不是用來許願的，是用來追認已經發生過的事
那位問我們要不要把 ROAS 目標設到 5 倍的品牌，後來換了做法。他們先拉出自己過去半年的實際 ROAS 區間，發現穩定表現落在 2.5 倍到 3 倍之間，把目標設在這個區間的下緣，再逐步緩慢上修。
出價目標從來不是用來許願的工具，是用來追認已經發生過的事，再一點一點往前推進的工具。
常見問題
Q1：ROAS 目標設定，應該設在多高才合理？ A1：沒有放諸四海皆準的數字，關鍵是先看自己帳戶過去一段時間實際發生的 ROAS 區間，把目標設在這個區間附近或略低一點，讓系統有機會達標，再視數據狀況緩步上修，而不是一開始就設定一個從未發生過的理想數字。
Q2：成本上限跟出價上限，該選哪一個？ A2：成本上限保留較多彈性給系統操作，通常能帶來比最低成本策略更好的平均成本表現，適合大多數帳戶；出價上限是每次競標都設絕對天花板，控制力最強但也最容易限制系統學習，適合競爭非常激烈、需要嚴格控制單次出價上限的情境，且需要有一定的歷史競標數據當依據。
Q3：預算應該集中在少數幾個廣告組合，還是分散測試比較保險？ A3：集中比較保險。同樣的預算分散在過多組合，會讓每個組合都拿不到足夠的轉換量去學習，實務上一個投入充分的組合，通常比拆成五個小組合各投一點，更容易學出穩定表現。
Q4：調整出價策略或預算後，多久可以評估成效？ A4：建議至少七到十四天，或累積 50 次以上轉換再評估，太早根據兩三天的數字做判斷，容易把正常的學習期波動誤判成策略失敗，進而不斷切換策略、不斷重啟學習期。
Q5：小品牌轉換量不大，這套校準邏輯還適用嗎？ A5：適用，但要更有耐心。轉換量小的帳戶，需要更長時間才能累積到足夠評估的樣本，校準週期可以拉長，優先確保預算集中、目標設定貼近歷史數據，而不是急著調整。
Q6：沒有 CDMP 或完整訂單資料，只能看廣告平台報表，校準會受影響嗎？ A6：會，但仍然可行。廣告平台報表的成本與轉換數字可以當基礎校準依據，只是少了跟實際訂單金額比對的機會，校準時建議更保守，且優先以能否穩定達標為判斷依據，而非只看報表數字漂不漂亮。