我的建议是关注点击前指标并评估广告活动的 ，使用 外部的分析工具（例如 Google ）交叉引用数据，记住使用参数跟踪链接以获只需致电预订 之后选择哪些受众 众所周知，F算法在 ATT 更新后陷入困境。广告活动中的定位显然发挥着重要作用。 虽然 之前已经完善了搜索理想客户的方式，但现在一些功能和受众的工作效果比5 更新之前要少。 那么，该使用哪些受众呢？ 显然，当谈到什么有效、什么无效时，答案总是如下： 头！ 事实上，对于任何企业来说，都没有通用的答案，但在接下来的段落中，我将向您展示对我和我的客户有效的方法。 自定义受众 自定义受众 广告自定义 受众 实际上是个性化受众，我们可以根据在我们网站上执行过操作的一群人来创建它们。 例如，访问登陆页面或添加购物车、潜在客户、查看内容等事件。 所有这些都会导致重定向性能下降。 基于兴趣的受众 基于兴趣的受众非常 有趣，因为它们主要基于 的内部数据 ，因此非常可靠。
则必须从让用户开始记住我们的活动开始
想一想，让应用程序外部的跟踪数据变得更 WhatsApp 数据库 加复杂。 理论上，利益不应受到影响，除非影响很小。 显然，这并不意味 着我们是安全的，但如果我们做好 研究 与我们的业务密切相关或附带的利益，我们就可以从活动中获得良好的结果。 如何找到正确的兴趣？ 头！抛开笑话不谈，这个方法可以帮助你。 考虑一下您的品牌及其销售的产品 为搜索创建不同的类别（竞争对手、相似品牌、兴趣、行为等） 通过受众洞察工具搜索兴趣或仅在自定义受众中使用“建议” 对于每个类别，按与您的品牌的亲和力对您找到的结果进行排序 这是。 基于兴趣的受众 看起来像 通过相似受众或类似受众进行定位无疑是受影响最严重的一种。
向所有已添加到购物车的人进行再营销
根据我进行的测试，这是 后最不稳定的受众类型 为 了生成相似受众，算法会尝试识别与起始受众相似的特征（例如，在网站上进行过购买的所有用 亚美尼亚 电话号码 户的相似特征）。 由于跟踪限制，算法丢失了数据，因此无法像以前那样详细，我们可能会发现自己面临着无法给我们带来预期结果的相似数据。 即使在这种情况下，我也不能告诉你不要使用它们，解决方案是测试它们。 要测试兴趣，您可以遵循我在本文中使用的测试方案。 公共广泛 广泛的受众几乎由所户组成 ，受到国家/地区甚至年龄组的限制。 因此，这基本上就是将识别最接近我们目标的用户的任务留给算法。 这当然意味着，当我们选择 竞选目标 时，我们必须非常精确。 例如，如果我们希望在电子商务网站上进行购买，我们将选择 广告系列级别。