聽起來很合乎邏輯。
您已對結果進行了細分，以找到最便宜的每次轉換費用。 您將績效最高的群體隔離為 35 至 44 歲之間的女性。因此，您的所有 廣告組廣告集是 Facebook 廣告分組，其中確定定位、調度、優化和展示位置等設定。 更多的 瞄準這個群體，認為你會得到更多 轉換每當網站訪客執行觸發標準事件、自訂事件或自訂轉換的操作時，就會計算一次轉換。 轉換的範例包括購買、銷售線索、內容瀏覽、添加到購物車和註冊。 更多的。
可能行不通。
請理解，我並不是指您的產品僅適用於女性或您無法向特定年齡以下的人銷售的情況。 您發現了希望利用的效能差異。
這就是我們所說的試圖智勝演算法。 曾經有一段時間，它是有意義的，因為演算法並不是那麼聰明。
但如果您針對轉換進行最佳化，交付將使用機器學習即時更新。 這些調整不僅基於結果，還基於與人們先前的行為方式相關的預測。
它可能會了解到，主要是 35 歲至 44 歲之間的女性購買，並且您的很大一部分人 預算預算是您每天或終生願意在 Facebook 行銷活動或廣告群組上花費的金額。 更多的 會在那裡度過。 但它也會發現您的轉換超出了該限制。
限制你的行為似乎合乎邏輯 觀眾這是有可能看到您的廣告的人群。 您可以透過調整年齡、性別、位置、詳細定位（興趣和行為）、自訂受眾等來幫助影響這一點。 更多的 對於高績效、更緊密的人口群體來說將是有效的。 但往往適得其反。
保持更廣泛的網路也將有助於限制您的成本。 沒有比限制潛在受眾更容易獲得高每千次曝光費用的方法了。
這條規則總有例外，但很少見。 在大多數情況下，你的過度思考只會讓事情變得更昂貴。
