OpenAdLibraryOpenAdLibrary
原生廣告聯播網

Outbrain 目標設定選項:興趣、類似受眾與出價策略

Outbrain 目標設定分為四個層級:環境、受眾、情境與供應 — 包含上線預設值、需以數據解鎖的選項,以及讓演算法持續運作的最佳出價策略組合。

編輯插圖:Outbrain 目標設定選項:興趣、類似受眾與出價策略

Outbrain 目標設定分為四個層級:環境(國家與地區、裝置、作業系統、瀏覽器)、受眾(興趣分類、以您的像素數據建立的類似受眾、以及自訂再行銷受眾)、情境(頁面主題比對)、以及供應(媒體與版位層級的出價調整與封鎖)。每個層級均可搭配 CPC 出價策略 — 半自動(您設定基礎出價,系統依版位調整)或全自動轉換出價。實務技巧不在於知道這些選項存在,而在於了解哪些層級應在上線時限制,哪些應保持開放,讓演算法能找到轉換。本指南將涵蓋兩者。

先提醒一件事:Outbrain 於 2025 年初與 Teads 合併,隨著平台整合,目標設定功能的名稱與配置方式可能有所變動。以下層級是穩定的心智模型;在設定前,請至官方說明中心確認當前名稱與可用性。若想了解平台整體機制,可從Outbrain 運作方式開始。

四個目標設定層級一覽#

層級 選項 上線時是否限制?
環境 地理位置、裝置、作業系統、瀏覽器 是 — 務必拆分地理位置與裝置
受眾 興趣、類似受眾、自訂/再行銷 謹慎使用 — 受眾會縮小觸及範圍並提高成本
情境 頁面主題/分類比對 可選 — 對類別產品最有效
供應 版位出價調整、媒體封鎖 上線時不採用 — 依據數據優化

注意模式:第一天應鎖定的層級是便宜且結構性的層級。那些聽起來很聰明的層級(興趣、類似受眾)最好用數據來換取,而非在上線時猜測。

地理位置目標設定:一個活動永遠只設一個地理區域#

Outbrain 以國家為目標,並在美國等主要市場提供更細的解析度 — 州、地區、DMA。關鍵規則在於結構而非技術:切勿將多個國家混在同一個活動中。不同地理區域的 CPC、競爭密度與素材回應差異極大,混合活動會將贏家與輸家隱藏在一個平均值中。

有策略地分層擴展:先在一個 Tier-1 市場驗證漏斗,然後將已驗證的素材轉換到更便宜的 Tier-2 與 Tier-3 地理區域,而非同時到處測試一切。在美國驗證過的潛在客戶開發漏斗,通常只需輕度在地化(貨幣、拼寫、機構名稱)即可移植到英國、加拿大和澳洲,之後才需要針對非英語市場進行完整的翻譯與合規工作。按此順序進行,每個新地理區域上線時都帶有已為其驗證付費的素材角度。擴展路徑的經濟效益 — 以及如何在競爭對手湧入前找到未充分開發的地理區域 — 請參閱我們的將原生廣告活動擴展到新地理區域指南。

國家內的區域目標設定在兩種情況下值得複雜化:具備真正區域限制的提案(按州許可的保險產品、本地服務),以及地理特定的素材 — 提及讀者所在州或城市的標題,對於本地意圖的提案而言,表現 consistently 優於通用標題,但這需要按區域分別建立活動才能乾淨執行。

裝置、作業系統與瀏覽器目標設定#

裝置目標設定(桌上型電腦、智慧型手機、平板電腦)是第二個結構性拆分。在原生的動態消息中,桌上型與行動裝置就像不同的渠道:不同的競價價格、不同的閱讀情境、不同的轉換行為 — 因此應將其作為可獨立出價的獨立活動執行,而非單一活動內的勾選框。

作業系統目標設定在特定情況下值得使用:應用程式活動(顯然),以及 iOS 與 Android 受眾轉換率 consistently 不同的提案 — 潛在客戶開發買家經常看到這種模式,一旦數據支持,就值得拆分。瀏覽器層級目標設定存在於邊緣案例;大多數買家永遠不需要,而您增加的每個不必要的限制,都會以 CPC 的形式付出代價。

興趣目標設定:強大,但通常為時過早#

興趣分類根據用戶在媒體網絡中的閱讀行為進行分組 — 金融讀者、家居裝潢讀者、旅遊意向者等。這聽起來像是明顯的第一個槓桿。但通常不是。

取捨:興趣受眾會縮小您的競價池,從而提高有效 CPC,而在一個動態消息本身已經做主題選擇的網絡上,增量精確度通常比買家預期的要小。原生廣告素材本身就是一種目標設定機制 — 像「聽不清楚?」這樣的標題,比起任何興趣分類,都能更精準地免費過濾受眾。以轉換目標和能自我篩選的素材進行廣泛投放,通常勝過以狹窄目標加上通用素材。

興趣目標設定真正值得付出的地方:提案具有明確的類別受眾,且素材無法自我篩選(B2B 軟體、利基金融產品),以及作為一個測試維度,在廣泛活動揭示了您的轉換人口統計之後。

類似受眾:靠努力贏得,而非設定#

類似受眾以種子 — 通常是您的像素轉換者 — 為基礎建模新用戶,並找到與其相似的原生用戶。兩個實務規則:

  1. 種子需要實際流量。 以幾十個轉換為基礎建模的類似受眾,只是在建模噪音。從您最高品質且具有實際流量的事件(如果足夠則使用購買,否則使用合格潛在客戶)建立種子。
  2. 它們是擴展工具,而非上線工具。 顧名思義,在像素有數據之前無法建立 — 這又是一個理由,讓您在首次活動花費一美元之前就安裝並驗證追蹤,而非之後。

一旦可用,類似受眾是將已驗證漏斗擴展到再行銷池之外,而不必回到完全冷流量,最乾淨的方式。

自訂受眾與再行銷#

Outbrain 上的自訂受眾是從您的追蹤像素建立的:網站訪客、頁面層級區段、事件層級區段。值得偷學的原生特有技巧是漏斗階段再行銷

  • 閱讀了廣告文章但未點擊的用戶 → 以同一提案的不同角度進行再行銷。他們讀了故事;失敗的是角度,而非興趣。
  • 造訪了提案頁面但未轉換的用戶 → 以證明、急迫性或替代入口(例如測驗而非廣告文章)進行再行銷。
  • 已轉換的用戶 → 從開發潛在客戶中排除,用作類似受眾種子。

原生上的再行銷池比社交買家預期的要小 — 動態消息首先是開發潛在客戶的環境 — 因此將再行銷視為對已付費流量的邊際回收,而非主要流量來源。

情境目標設定:隱私保護的層級#

情境目標設定根據頁面主題而非用戶資料來比對您的廣告 — 在個人理財文章上放保險廣告,在寵物內容上放寵物提案。隨著第三方身份識別持續削弱,它的價值持續上升,因為它完全不需要用戶數據;完整機制請參閱我們的情境目標設定詞彙條目

何時勝出:具有自然內容類別的產品、注重品牌安全的廣告主,以及同意摩擦使受眾數據變薄的地理區域。何時令人失望:依賴鉤子強度而非主題相關性的衝動型產品 — 對於這些產品,開放的動態消息加上強而有力的素材,通常勝過主題封閉的購買。一個有用的測試,判斷情境是否有幫助:如果您能說出理想客戶在問題浮現時正在閱讀的文章,情境目標設定就有東西可抓;如果誠實的回答是「任何東西」,那就沒有。

媒體與版位控制:活動真正勝出的地方#

「版位」是特定媒體屬性的特定動態消息,它是 Outbrain 真正的版位品質單位。兩個相同的活動,全部取決於版位篩選:

  • 出價調整讓您在有轉換的版位支付更多,在沒有轉換的版位支付更少,逐版位進行,而非統一的混合 CPC。
  • 封鎖移除有花費但無轉換的版位。預計持續建立您的封鎖清單 — 媒體品質遵循長尾分佈,少數幾個默默消耗預算的版位是未管理活動的預設狀態,而非例外。
  • 白名單(僅在指定版位投放)對於擴展已驗證的贏家非常強大,但可用性因帳戶類型而異 — 請詢問您的業務代表。

每週根據您的白名單/黑名單策略處理版位報表。版位 ID 和媒體識別碼也是您將自己的報告與觀察到的競爭對手活動連結的方式 — 更多內容見下文。

出價策略:將自動化與目標設定配對#

Outbrain 出價以 CPC 為基礎,並疊加兩種姿態:半自動(您設定基礎 CPC;系統在範圍內依版位調整)和全自動轉換出價(系統追逐轉換或目標成本)。如何與目標設定配對:

  • 新帳戶,無轉換歷史 → 半自動,廣泛的環境目標設定,無受眾層級。您保持成本控制,同時像素累積訊號。
  • 穩定的轉換流量 → 測試全自動出價與您的手動活動。擁有豐富訊號時,自動化通常勝出;訊號稀疏時,自動化會不穩定。
  • 嚴格的受眾層級 + 自動出價是初期應避免的組合:狹窄的受眾使演算法缺乏其優化所需的轉換量。

CPC 預期:媒體買家通常報告 Tier-1 桌上型 CPC 約在 $0.20 到 $0.90 之間,行動裝置通常較低 — 這是實務範圍,非官方費率,且您的垂直領域會大幅影響。跨網絡背景資訊:原生廣告 CPC 基準

目標設定決策如何反映在您的 CPC 中#

每個目標設定選擇也是出價選擇,因為每個限制都會改變您進入的競價:

  • 您增加的每個層級都會縮小池子。 地理位置 × 裝置 × 興趣 × 情境類別會倍增限制;剩餘的庫存更稀缺,稀缺加上競爭會直接反映為更高的清算價格。如果您的有效 CPC 遠高於基準,請在責怪網絡之前先審查目標設定堆疊。
  • 優質版位定價如同優質版位。 頂級媒體上轉換最佳的動態消息會吸引您垂直領域中所有成熟的買家。有時第二層級的版位轉換效果幾乎一樣好,但成本低得多 — 版位報表,而非直覺,會告訴您哪個。
  • 素材品質是一種折扣。 動態消息平台獎勵參與度:以健康點擊率贏得點擊的素材,實際上為同等投放支付更少。廣泛目標設定加上自我篩選、高參與度的素材,通常比圍繞平庸廣告的手術式目標設定產生更低的每次轉換成本
  • 投放不足偽裝成「無庫存」。 限制過多且出價適中的活動通常會停止投放。在得出受眾不存在的結論之前,先放寬一個層級或提高出價。

令人不安的總結:原生上的大多數 CPC 問題是透過過度目標設定自找的,而大多數 CPC 優勢是在素材中贏得的,而非設定。

常見的 Outbrain 目標設定錯誤#

反覆出現的失敗模式,從最昂貴到最不昂貴:

  1. 上線時堆疊受眾層級。 在新帳戶上同時使用興趣、類似受眾和情境,會使您的限制增加三倍,同時使投放和出價者的學習都陷入飢餓 — 同時使您的有效 CPC 增加三倍。第一天限制結構(地理位置、裝置),而非受眾。
  2. 混合地理區域的活動。 一個橫跨美國、英國和澳洲的活動,會報告一個單一平均值,而實際上沒有任何個別市場產生這個值。根據該平均值做出的每個下游決策,都會在某個地方出錯。
  3. 複製社交平台的習慣。 從 Meta 轉移過來的買家會 reflexively 尋找詳細的人口統計和興趣堆疊。原生動態消息根據情境和素材選擇受眾;這裡的等效技能是版位篩選,這在 Meta 中沒有對應,因此經常被跳過。
  4. 根據薄弱的數據封鎖版位。 一個有四次點擊且無轉換的版位不是壞版位;它是一個未經測量的版位。根據有意義的花費而無結果來封鎖,而非根據第一印象 — 在第一週從噪音中建立的封鎖清單,會永久排除原本可能承載活動的庫存。
  5. 再行銷視窗設定後即忘記。 原生再行銷池很小;過時的視窗要不是浪費預算重新追逐冷訪客,就是過早讓暖訪客失效。將視窗與您的銷售週期匹配,並在看到首次點擊與轉換之間的實際延遲數據後重新審視 — 與管理您的歸因視窗相同的邏輯。

依活動類型推薦的組合#

  • 聯盟行銷 / 潛在客戶開發,新帳戶: 一個地理區域,一個裝置,無受眾層級,半自動出價,5-10 個自我篩選素材,積極的每週版位封鎖。
  • DTC 電子商務: 地理位置 + 裝置拆分,廣泛投放,從第一天起加入再行銷層級(廣告文章讀者 → 提案頁面),在購買數據種子後使用類似受眾,然後自動出價。
  • B2B / SaaS: 在商業內容上使用情境目標設定加上興趣層級,以桌上型為主,較高的 CPC 容忍度,潛在客戶磁鐵漏斗。
  • 擴展已驗證的贏家: 將頂級版位加入白名單,類似受眾,自動出價朝向目標成本 — 並複製到下一個地理區域層級,使用翻譯後的素材。

注意所有四個組合的共同點:受眾的複雜度在第二階段才出現,由第一階段的數據資助。上線配置在不同使用案例中幾乎相同,因為上線任務相同 — 以盡可能低的成本購買乾淨、可讀的訊號。

偷學已經驗證的目標設定#

上述每個目標設定決策,目前存活在網絡上的廣告主都已經成功做出 — 而他們的選擇是可觀察的。OpenAdLibrary 的索引包含 108,573 個即時 Outbrain 素材(2026 年 6 月),附有每個素材被捕捉到的地理位置與裝置、觀察到的運行時間,以及追蹤到的登陸頁面。在 Outbrain 間諜工具中找出您垂直領域中過去 30 天存活下來的素材,他們的足跡就能回答您的設定問題:他們運行哪些地理區域,他們是否拆分桌上型與行動素材,點擊後進入哪個漏斗。完整的研究工作流程請參閱我們的 Outbrain 廣告間諜指南

Outbrain 上的目標設定獎勵克制:鎖定結構性層級,比感覺舒適的範圍更廣泛地投放,讓自我篩選的素材來做受眾工作,並將您的複雜度用於版位和再行銷 — 在那裡,數據會告訴您該做什麼,而非下拉選單。

常見問題

Outbrain 提供哪些目標設定選項?
四個層級:環境(國家與地區、裝置、作業系統、瀏覽器)、受眾(興趣分類、以您的像素轉換者為模型建立的類似受眾、以及自訂再行銷受眾)、情境(頁面主題比對)、以及供應(版位層級出價調整、媒體封鎖、以及可用的白名單)。地理位置與裝置拆分是結構性設定,應納入每次上線;受眾層級則需在取得轉換數據後才能發揮最佳效果。
Outbrain 有類似受眾功能嗎?
有 — 類似受眾會以種子受眾(通常為您的像素轉換者)為基礎,建模新的動態消息用戶。種子需具備實際流量才能進行有意義的建模,因此這項工具較適合用於擴展,而非上線初期使用:先安裝像素、累積轉換數據,再使用類似受眾將已驗證的漏斗延伸至再行銷池之外。
我可以在 Outbrain 上鎖定特定網站嗎?
控制功能以媒體版位層級運作:您可以對版位進行加價或減價出價,並封鎖有花費但無轉換的版位;白名單指定版位雖可行,但可用性因帳戶類型而異。上線初期並無開放的關鍵字層級網站選擇器 — 實務做法是先廣泛投放,再每週從版位報表中篩選優化版位。
我應該在 Outbrain 上使用興趣目標設定嗎?
通常不建議在上線初期使用。興趣分類會縮小競價池,提高有效 CPC,而自我篩選的標題則能免費且更精準地過濾受眾。建議以轉換目標進行廣泛投放,並將興趣目標設定保留給無法在素材中自我篩選的提案 — 如利基型 B2B 或金融產品 — 或作為數據顯示轉換族群後的精細調整。
我應該從哪種 Outbrain 出價策略開始?
建議從半自動開始:設定基礎 CPC,讓系統依版位調整,同時您仍可掌控成本。全自動轉換出價僅在像素提供穩定轉換量時才能發揮良好效果 — 訊號稀疏時自動化會導致績效不穩。初期應避免的組合是嚴格受眾目標設定加上自動出價,這會使演算法缺乏優化所需的轉換數據。
OpenAdLibrary 團隊
作者OpenAdLibrary 團隊
廣告情報與原生廣告研究

我們打造了 OpenAdLibrary,這個公開的廣告透明度平台。每天,我們的系統都會捕捉 Taboola、Outbrain、MGID、Revcontent、Teads、Yahoo 和 MSN 上的原生廣告,識別每個廣告背後真正的廣告主,並追蹤點擊至其登陸頁面。這些指南精煉了我們從數據中觀察到的內容,讓您能更快地研究市場動態。