第02章:从数据里读创意信号

第02章:从数据里读创意信号

“数据是创意的尸检报告——告诉你它是怎么死的,以及下一条怎么活得更久。”


一、创意分析用什么数据

很多人以为创意好坏只能靠「感觉」判断。

但广告数据里有非常清晰的创意信号,你只需要知道用哪些指标、怎么解读。


二、Hook 质量信号

指标:视频 3 秒留存率(3-Second Video Views / Impressions)

计算方式:3 秒内没有划走的用户占总展示量的比例。

3秒留存率 创意信号
> 50% Hook 非常强,用户被吸引住了
30-50% 中等,有改进空间
< 30% Hook 太弱,需要换

Meta Ads Manager 哪里看: 广告层级 → 自定义列 → 搜索「3-Second Video Views」

这个数字告诉你: 用户在最初 3 秒对你的广告的第一反应。

如果 3 秒留存率低,问题 99% 在 Hook,不在其他地方。先不要改文案、不要换音乐、不要换字体——先换 Hook。


三、内容质量信号

指标:视频观看比例(Video View Percentage)

看不同时间点的留存曲线:

100% ─ 起始点
 70% ─ 3秒(Hook 质量)
 50% ─ 15秒(内容前段节奏)
 30% ─ 30秒(中段价值传递)
 20% ─ 结尾(CTA 有没有被看到)

关键断点分析:

如果 3 秒后骤降(从 70% 跌到 30%):内容早期不够吸引,可能「说废话」太多。

如果 15 秒后骤降:产品展示不够有吸引力,或者过渡太突兀。

如果大多数人在结尾前离开:CTA 的触达量很少,改 CTA 意义不大——要先把中段留住。


四、受众相关性信号

指标:相关性分数(Relevance Score)→ 现在叫「广告质量排名」

Meta 对每条广告的三个维度评分:

  • Quality Ranking(质量排名)
  • Engagement Rate Ranking(互动率排名)
  • Conversion Rate Ranking(转化率排名)

当这三个排名都是「Below Average」:广告整体质量低,需要大幅修改。

当 Quality 高但 Conversion 低:广告吸引力强,但落地页或产品本身有问题。


五、CTR 的创意含义

Link Click CTR = 素材吸引力 × 受众匹配度

同样的素材,在不同受众里 CTR 不同——说明受众影响了 CTR。

同样的受众,不同素材 CTR 不同——说明素材影响了 CTR。

如何分离创意变量:

用相同受众设置,测试不同素材。这时候 CTR 的差异,就是纯创意差异。

CTR 与格式的关系(行业数据参考):

  • 视频广告(真人出镜):通常比静态图片 CTR 高 30-80%
  • Carousel(轮播):CTR 较低,但用户在每张图片上停留更久
  • Story 格式:CTR 较低,但覆盖对 Instagram Story 活跃的用户

六、从赢家素材里提取规律

这是 Creative Strategist 最重要的定期任务。

操作步骤:

  1. 筛选历史赢家:过去 90 天,ROAS > 目标 × 1.3 的广告,全部拉出来

  2. 建立特征表格

素材ID 格式 Hook 类型 主角 主色调 时长 CTA ROAS CTR
001 视频 社会证明 真实用户 白色/明亮 30s 限时优惠 4.2 2.8%
002 视频 问题痛点 真实用户 白色/明亮 45s 直接购买 3.8 2.4%
003 图片 结果展示 产品特写 深色/高级 了解更多 2.1 0.9%
  1. 找规律:高 ROAS 素材,有没有明显的共同特征?

示例发现:

  • 所有 ROAS > 3.5 的都是视频
  • 高 ROAS 视频都有真实用户出镜(非模特)
  • Hook 类型:社会证明型 CTR 比其他类型高 25%
  1. 转化为假设: 「我们的受众对真实用户出镜 + 社会证明 Hook 的响应最强,下一批测试应该围绕这两个变量迭代。」

七、低 ROAS 素材同样有信息价值

很多人只分析赢家。但输家里有同样重要的信息。

问问自己:

「花了 $500 但 ROAS < 1.0 的广告,有没有共同特征?」

示例发现:

  • 所有用模特(非素人/真实用户)的视频,ROAS 都低于 2.0
  • 纯产品展示(无人出镜)的静态图,CTR 全部 < 0.6%

结论:这个品牌的受众不相信「完美」,相信「真实」。停止投资精致制作风格的内容。


本章小结

  • 3 秒留存率 = Hook 质量信号
  • 视频留存曲线 = 内容节奏信号
  • CTR = 素材吸引力 + 受众匹配度(用相同受众测不同素材分离变量)
  • 定期分析赢家:建特征表格 → 找规律 → 转化为假设
  • 输家也有价值:找出「永远不应该再做」的内容类型