廣告跑了一個月，預算燒了不少，轉換率還是上不去。第一個被拉出來檢討的通常是素材——標題不夠吸引人、視覺太普通、文案沒有 hook。
於是改素材。改完繼續燒，轉換率還是低。
這個循環很多團隊都跑過。問題是方向錯了。素材不好確實會影響轉換，但素材是最後一層。在它之前，還有一個更根本的問題：你把廣告給誰看？
點擊率和轉換率一起看，才知道問題在哪裡
廣告數據有一個很容易被忽略的診斷邏輯。
- 點擊率 (CTR) 反映的是「素材有沒有吸引人停下來」。
- 轉換率 (CVR) 反映的是「停下來的人有沒有真的想買」。
如果點擊率不低，但轉換率很低——代表素材有在吸引人，但吸引來的人跟你的產品不對。這是受眾問題。如果點擊率本來就很低——才輪到檢討素材本身有沒有問題。
很多團隊在點擊率其實還好的情況下，一直改素材，等於在用錯誤的解法處理不存在的問題。
→ 寫廣告文案前先給 AI 讀受眾資料，輸出品質差了一個量級
受眾定義最常犯的三種錯
第一種：用「可能有興趣的人」代替「真的會買的人」
廣告後台的興趣標籤很容易讓人去選「相關族群」，而不是「購買族群」。
賣健身補給品，你選了「對健身有興趣的人」。但對健身有興趣的人裡面，有人只是偶爾看健身影片，有人是每天訓練、認真在意飲食補充的人。這兩群人對產品的需求程度差很多，但在興趣標籤上看起來一樣。
受眾定義要問的不是「這個人可能對這個產品有興趣嗎」，是「這個人現在有沒有在找解決方案」。
第二種：受眾太寬，讓演算法自己去找
「觸及越多人，機會越多」這個邏輯在品牌曝光期成立，在轉換目標的廣告上不成立。
受眾設得太寬，廣告系統會去找「最容易點擊的人」，不一定是「最可能購買的人」。容易點擊的人讓你的點擊率好看，但他們進到頁面之後不買，轉換率就下來了。
第三種：用人口特徵代替行為特徵
「女性、25 到 35 歲、住在雙北」這是人口特徵，不是受眾定義。同樣是 25 到 35 歲的女性，剛生完小孩的和剛開始工作的，需求完全不同。
人口特徵只是篩選工具，真正決定一個人會不會買你產品的，是他現在的處境和他在擔心什麼。受眾定義要描述的是一個「狀態」，不是一個「類型」。
→ AI 寫文案會犯的三種錯，ChatGPT 和 Claude 各有不同毛病
怎麼找到對的受眾定義
從你現有的客戶往回推，問兩個問題：
- 他們在買之前，在擔心什麼？ 不是「他們需要什麼」，是他們「擔心什麼」。擔心是行動的驅動力，擔心才是那個讓人搜尋、讓人點擊的東西。
- 是什麼讓他們最後決定買？ 不是你認為的賣點，是他們說的那個讓他們決定的理由。這兩個答案常常不一樣，而客戶說的那個才是真的。
這兩個問題的答案，就是你受眾定義的核心。廣告要投給的，是「正在有這個擔心」的人，不是「人口特徵上跟你客戶相似」的人。
素材的問題要最後才問
受眾對了，素材的要求反而會降低。因為你在跟一個正在找解決方案的人說話，他本來就在注意這類訊息，你不需要一個多厲害的 hook 才能讓他停下來。
受眾錯了，素材再好也救不了轉換。你是在用一個跟他無關的訊息試圖打斷他的注意力，你要的力道比正常高好幾倍，而且就算他點了，他也不買。
廣告轉換率低，先看受眾，再看素材。順序對了，你才不會一直在改一個不是問題的東西。