الاستهداف في عصر Advantage+

ما الذي أخذته الأتمتة من يدك — وما الذي بقي شغلك

في الماضي، عندما كنت تختار «اهتمام: أصحاب بيزنس»، كانت المنصة تُري إعلانك لهؤلاء الناس فقط. أنت الذي ترسم حدود البحيرة، والمنصة تصطاد داخلها.

الآن تغيّر الأساس. الوضع الافتراضي أصبح اسمه Advantage+ Audience، وهو يأخذ ما تكتبه — الاهتمامات، الأعمار، حتى الـ Lookalike — كاقتراح يوجّه المنصة في البداية، لا سورًا لا تتعداه. المنصة تبدأ من اقتراحك، وبعد ذلك تتوسّع لأي شخص تراه أقرب للتحويل، في أي مكان في المنصة.

الثوابت الصارمة التي لا تخرج عنها المنصة أصبحت أشياء محدودة: المكان، السن الأدنى، اللغة، ومن تستبعده. أي شيء آخر أصبح توجيهًا، لا قفلًا.

أي أن اللعبة التي كانت شغلك — أن تجد الاهتمام الذي لم ينتبه له أحد — أصبحت المنصة تلعبها أفضل منك، لأنها ترى إشارات لن تراها أنت أبدًا.

فماذا بقي لك؟ شيئان، وهما أصبحا شغلك الحقيقي:

الأول: كرييتف يُفلتر. المنصة تقرر لمن تعرض، لكن من يتوقف عند إعلانك — هذا ما زال قرارك أنت، وتتخذه بالكرييتف. الكرييتف أصبح هو الفلتر الذي يقول للمنصة «هؤلاء الناس هم عميلي». (هذا الجزء كله في الفصل 9.)

الثاني: بيانات تغذّيها بها. المنصة تتعلّم مما تعطيه لها. بيكسل نظيف، وبيانات عملاء حقيقية، تجعلها تتعلّم بشكل صحيح وبسرعة. لو كانت البيانات غير مضبوطة فهي تتعلّم بشكل خاطئ.

الاستهداف أصبح شغل المنصة. الكرييتف والبيانات أصبحا شغلك أنت.

Broad أم Interests أم Lookalike — بلا تعصّب

هناك نقاش قديم في السوق: مدرسة تقول Broad أفضل، ومدرسة تقول الاهتمامات هي الأصل. هذا النقاش انحلّ من نفسه، لأن هذه الثلاثة لم تعد مدارس تتشاجر. أصبحت مدخلات بقوة مختلفة في نظام واحد.

الاستهداف المفتوح (Broad): أن تترك للمنصة أوسع مساحة تبحث فيها، بأقل قيود. يعمل جيدًا عندما يكون عندك تاريخ تحويل كافٍ وكرييتف قوي يُفلتر. أنت تقول للمنصة «العميل موجود في أي مكان، ابحثي»، وتعطيها كرييتف يعرّفها من هو.

الاهتمامات (الاستهداف التفصيلي / Detailed Targeting): الاهتمامات والسلوكيات والبيانات الديموغرافية. أصبحت اقتراحًا توجيهيًا، لا سورًا. متى تكون مفيدة؟ عندما تكون ما زلت في البداية، أو النيتش ضيّقًا، أو ميزانيتك صغيرة والبيانات قليلة — وقتها الاقتراح يعطي المنصة نقطة انطلاق بدل أن تبدأ من الصفر.

الجمهور المشابه (Lookalike): أن تعطي المنصة عيّنة من عملائك، وهي تجد ناسًا يشبهونهم. ما زال موجودًا، لكن المنصة أصبحت تبني منه نسخة ديناميكية أذكى وحدها من بياناتك.

القاعدة العملية، بلا تعصّب: عندك تاريخ تحويل وكرييتف جيد؟ ابدأ Broad واترك المنصة تعمل. ما زلت جديدًا، أو النيتش ضيّق، أو الميزانية صغيرة؟ استخدم الاهتمامات كاقتراح يوجّه البداية، وارجع إلى Broad عندما تكبر البيانات. لا توجد مدرسة رابحة — هناك مدخل مناسب لحالتك الآن.

علّمها بالبيانات: أقوى إشارة هي عملاؤك الحقيقيون

هذا الجزء هو نصف القاعدة. لو كانت المنصة تجد العميل بنفسها، فأفضل شيء تفعله أن تعطيها بيانات تعرّفها كيف يبدو هذا العميل.

وأقوى بيانات ليست الاهتمامات. إنها عملاؤك أنت.

قائمة عملائك (Customer List): أرقام وإيميلات من اشتروا منك فعلًا. هذه إشارة أقوى من أي اهتمام، لأنها مبنية على سلوك حدث، لا على تخمين. ارفعها كبذرة، والمنصة تجد ناسًا يشبهونهم.

وهنا يأتي حسابك من الفصل 2. من أفضل عملائك؟ الذين يرجعون ويشترون مرة أخرى، الذين قيمتهم الدائمة (LTV) أعلى. لو عملت seed من هؤلاء تحديدًا — لا من أي شخص اشترى مرة — تعلّم المنصة أن تبحث عن عملاء يبقون، لا عملاء يأتون مرة ويذهبون.

استبعد من اشتروا بالفعل. هذا الاستبعاد من الثوابت الصارمة التي تحترمها المنصة، لا اقتراح. لو أردت أن تبحث عن عملاء جدد، ضع قائمة عملائك الحاليين في الاستبعاد، لكي لا تدفع لتصل إلى ناس هم معك أصلًا.

والبيكسل يجب أن يسمع بشكل صحيح. المنصة تتعلّم من الأحداث التي تصلها. لو لم يكن البيكسل أو الـ Conversions API (CAPI) مربوطين جيدًا، فأنت تعلّم المنصة على معلومة ناقصة — كما قلنا في الفصل 5 عن مصادر البيانات وقوتها بعد قيود التتبع. البيانات النظيفة تجعل الأتمتة تعمل لصالحك؛ وغير ذلك يجعلها تعمل ضدك.

وانتبه لشيء: الخيارات اليدوية في الاستهداف تتقلّص باستمرار، والمنصة كل فترة تزيل تفاصيل كانت متاحة. هذا اتجاه مستمر. المبدأ الذي يبقى: كلما اعتمدت على بياناتك أنت أكثر، كنت أكثر أمانًا من أي تغيير قادم.

Advantage+ Sales: متى نعم ومتى لا

هناك نوع حملة يوصل فكرة الأتمتة إلى آخرها: أنت تعطي المنصة الكرييتفات والميزانية والهدف، وهي تتصرّف في الباقي. هذا النوع كان اسمه Advantage+ Shopping، وأصبح اسمه Advantage+ Sales (والاسم قد يتغيّر مرة أخرى — ركّز على الفكرة لا على المسمّى).

الاتجاه العام أن الأتمتة أصبحت هي الوضع الافتراضي في هذه الأهداف، وأنت تضيف تحكّمك داخلها — لا العكس.

متى نعم؟ عندما يكون عندك تاريخ تحويل كافٍ لكي تتعلّم المنصة — انظر حسبة الفصل 7: المنصة تحتاج حوالي 50 نتيجة في الأسبوع لتخرج من مرحلة التعلّم (Learning Phase). وعندما تكون عندك كرييتفات كثيرة جاهزة لتختبرها، وتريد أن تختبر بسرعة وبأقل عبث في الإعدادات. في هذه الحالة، الأتمتة توفّر عليك مجهودًا، وغالبًا تصل إلى عميلك أرخص منك.

متى بحذر أو لا؟ لو كان الحساب جديدًا وبياناته قليلة — المنصة لن تجد شيئًا تتعلّم منه. أو الميزانية صغيرة لا تصل إلى النتائج المطلوبة (حسبة الفصل 7 نفسها بالضبط). أو النيتش ضيّق جدًا. أو تحتاج تحكّمًا صارمًا في من يرى إعلانك بالضبط — لأن التحكّم هنا أقل.

والأهم من هذا كله: لا تحكم عليه برأي شخص في جروب. شغّله موازيًا لحملة عادية بالعرض نفسه والكرييتف نفسه، واترك الأرقام تقول من كسب. الاختبار هو الحَكَم — لا «سمعت أنه أفضل» ولا «سمعت أنه سيئ».

الفخ: التقسيم الزائد يقتل التعلّم

هذا أشهر خطأ في الاستهداف، وأصبح أغلى في عصر الأتمتة.

الناس تظن أن التقسيم الكثير ذكاء: Ad Set لكل اهتمام، وواحد لكل عمر، وواحد لكل مكان. تجد حملة فيها 10 مجموعات، كل واحدة على شريحة رفيعة.

خُذ أرقامًا تعليمية. ميزانيتك 300 جنيه في اليوم، وقسمتها على 10 مجموعات — أي 30 جنيهًا للمجموعة. وتكلفة النتيجة عندك 60 جنيهًا. أي أن كل مجموعة تجلب أقل من نتيجة في اليوم، وفي الأسبوع تجلب حوالي 3 أو 4 — والمنصة تحتاج 50 لكي تتعلّم.

النتيجة؟ 10 مجموعات كلها عالقة في مرحلة التعلّم، ولا واحدة منها تخرج (Learning Limited، كما سنقول في الفصل 7). وفوق ذلك، أنت فتّت ميزانيتك مثل كوب الماء الذي وُزّع على 10 أكواب (الفصل 5).

وفي عصر الأتمتة، هذا التفتيت ضرره مضاعف: أنت تعمل بيدك شغل التقسيم الذي تعمله المنصة أفضل، وفي الوقت نفسه تحرم كل جزء من البيانات التي يحتاجها ليتعلّم.

القاعدة العملية: ابدأ بأقل عدد ممكن من الـ Ad Sets، واجعل كل واحد يأخذ ميزانية كافية ليصل إلى النتائج (اربطها بحسبة الفصل 7). الدمج غالبًا أفضل من التفتيت — تترك المنصة تجد شرائحها بنفسها، داخل مساحة واسعة، بميزانية تكفي للتعلّم.

الخلاصة