原生广告活动结构：投放多少个广告活动和创意为宜

原生广告的可靠默认设置：每个优惠、地区和设备组合一个广告活动；每个广告活动启动时五到十个创意；一旦每个变体有意义的支出，削减到两到三个效果好的创意；并在疲劳出现之前刷新。在OpenAdLibrary的索引中——来自49个网络（2026年6月）的29,000+广告主的725,000+创意——平均每个广告主运行约25个创意，而那些持续运行数周的广告主将其创意结构化为有意的角度集群，而不是一次性上传。

为什么结构重要：广告活动是学习容器#

在Taboola、Outbrain、MGID等平台上，广告活动是出价算法学习、预算关联和报告汇总的单位。将英国桌面端和巴西Android放入一个广告活动，你看到的每个数字都是两个不相关市场的平均数——任何自动出价都不得不优化一个虚构的指标。原生网络比社交平台提供的定向拨盘更少，这意味着结构就是你的定向。这是原生媒体购买指南视为基本原则的纪律，而且在第一天就做对比以后迁移更便宜。

什么会强制创建新广告活动（什么不会）#

经验法则：当受众的经济效益不同时拆分；不要仅仅为了组织仪表盘而拆分。每次拆分都会分割你的转化数据，过度拆分的账户最终会有十五个广告活动，没有一个有足够的信号来学习。

每个广告活动多少个创意#

启动时五到十个，以角度为先：三到四个真正不同的角度，每个有一到两个执行方案，胜过单个概念的十个变体。这批创意存在是为了回答"哪个故事有效？"，然后才是"那个故事的哪张照片有效？"——这个顺序在角度研究流程中有深入介绍。

• 分两轮判断。 先看CTR，因为它决定了你的有效点击价格；然后看CTR幸存者的转化率，因为不转化的点击只是昂贵的掌声。
• 保持两到三个存活。 将投放集中在已验证的创意上，这正是平台轮播想要做的；你的工作是确保在公平测试之后发生，而不是之前。
• 成对替换。 随着创意疲劳侵蚀获胜者的CTR，一次引入两个替换品，这样广告活动就不会依赖单一老化的图片。

索引中的创意数量看起来如何#

索引平均值——大约每个广告主25个创意——隐藏了重要的模式：坚持的广告主将其创意集群围绕少数概念，而流失者上传一两个广告后就消失了。来自索引的实时示例（2026年6月）：

• Perpetual Ad Tech 在MGID上为一个服务同时运行三个角度——成本锚点、代理费比较和时间损失框架——这是一个结构化的角度测试，而不是一堆上传。
• Loop of Now 在MediaGo上同时保持四个或更多活跃的标题框架，围绕一个"house cleaning rates in New Zealand"概念：一个概念，系统化变体。
• Flight Centre 同时在Teads上以两个不同的套餐价格运行相同的滑雪假期创意——用于价格发现的结构。
• Tri-Lift 将一个经过验证的角度结构移植到Taboola和MGID上，针对不同的皮肤问题——一个作为整体移动的集群。

解读：创意数量跟随信念。一个新概念获得一个小集群；一个经过验证的概念获得变体、价格测试，并移植到新的地区和网络。

一个可复制参考结构#

一个针对美国和英国、以移动端为主的DTC优惠的具体起始形状：

• 广告活动1 — 美国/移动端/自动出价。 六个创意：三个角度，每个两个执行方案。购买时的转化回传。
• 广告活动2 — 美国/桌面端/手动CPC。 相同的六个创意；桌面端拍卖定价不同，因此让出价不同。
• 广告活动3 — 英国/移动端/自动出价。 在本地化处理后植入美国获胜者——货币、习语、证明点。
• 广告活动4 — 美国/移动端/白名单/手动CPC，更高出价。 一旦发布商证明了转化量，就从广告活动1毕业——白名单模式。

机械地命名广告活动——网络、地区、设备、优惠、版本——这样报告会自动排序。关于预算：将每个广告活动的每日预算设置得足够高，以便每个活跃创意每天都能收集到有意义的点击量；如果不行，就运行更少的创意，而不是让所有创意都饥饿。预算计算在原生广告费用是多少中。

还要在探索和利用之间有意分配支出。一旦存在白名单广告活动，常见的分配方式：大部分预算放在白名单上，那里的经济效益已得到验证，稳定的小部分放在探索上，探索的目的是找到下一个值得毕业的发布商。让探索饥饿的买家会停止寻找新库存；从未毕业获胜者的买家会继续为已经获得更好表现的展示位置支付测试级别的关注。

在不破坏结构的情况下扩展#

两个方向，不同风险。纵向扩展在已验证的广告活动中提高预算和出价；横向扩展将结构复制到新的地区、设备、发布商和网络——权衡在横向与纵向扩展中有所映射。三个结构性规则防止规模破坏已有的成功：

• 将获胜者复制到白名单广告活动，而不是膨胀探索广告活动；探索保持廉价和广泛，已验证的库存获得激进出价。
• 移植集群，而不是创意。 作为角度集群获胜的应该作为一个整体移动——上面的Tri-Lift模式。单个创意单独移植，当它失败时告诉你什么有用的信息。
• 有意进入新地区。 使用扩展到新地区中的方法，根据竞争和成本筛选目标，并从第一天起给每个新地区自己的广告活动，而不是将其附加到现有广告活动上。

花费真金白银的结构性错误#

• 巨型广告活动。 所有地区、所有设备、一个预算：每个指标都成为不相关市场的平均值。
• 过度拆分。 十五个广告活动，每个只有三个转化，对出价算法毫无帮助。合并小型同层级地区，直到量级证明分离合理。
• 预算有限下运行二十个创意。 每个创意获得的点击太少，无法判断；整个批次读作噪音。
• 每周重组。 每次重建都会重置学习。当数据要求时重组，而不是仪表盘让你厌烦时。
• 过早以CPA判断。 先以CTR进行修剪；转化结论需要转化量。
• 将结构视为永久。 启动时的正确结构和规模化时的正确结构是不同的结构——随着转化数据变厚，每季度重新审视，并相应合并或拆分。

在构建自己的结构之前先阅读竞争对手的结构#

广告主的公开创意集揭示了其结构。在原生广告间谍工具中搜索竞争对手，按概念对其实时广告进行分组，并注意他们维持了多少个角度，每个角度有多少个变体，以及捕获显示哪些地区和设备——完整方法在如何监控竞争对手的原生广告中。你并不是复制广告；你是在复制市场已经奖励过的结构的形状，然后用你自己的创意填充它。