廣告創意測試：沒人算過的那筆產能賬

六件事，共用一個名字

「廣告創意測試」這句話，是六件事共用一個名字。而其中只有一件，決定了另外五件有沒有東西可做。

最後一行，是另外五件一直默默依賴的那件。如果你手上只有兩條廣告可測，上面所有測量方法都等於零 —— 而這恰恰是大多數團隊的真實處境。

一個低命中率的算式

按 6.5% 的命中率，期望贏家數不是品味問題，是一道算式：

再看第一行。大多數團隊每次測 3 到 5 條 —— 恰好是期望值不足一個贏家的那一行。那些測試裡沒有失敗，只是樣本太小，稀有的贏家根本沒有浮現的機會。

原因不是創意品質，是競價動態：平台會把曝光集中在早期有互動和轉化信號的變體上，把其餘的餓死。少數創意吃掉有效的預算，長尾拿不到真實的曝光量。

一個人人都給的忠告，和它為什麼落不了地

「多做一些創意」不是有爭議的建議。每個平台都這麼說，每家代理商都重複它，每個投放操盤手都同意。所以有意思的問題不是「量重不重要」，而是：為什麼有預算、有簡報、也有意願的團隊，最後還是隻投了四條，而不是八十條？

答案是成本結構，而且是算術，不是紀律問題。

在傳統的製作模式裡，一條廣告就是完整跑一遍流水線：寫腳本、生成、配音、渲染 —— 每次都從頭來。這個模式讓第 10 條變體的成本，和第 1 條完全一樣。於是產能的上限不是團隊想做多少條，而是預算能按全價吃下多少條。在那個價格上，80 條不是一個工作流，是一個季度的戰役。

這就是那個沒人點名的約束。團隊把它描述成創意問題 —— 「我們拍不起更多了」、「代理商要更多預算」、「我們只有四個值得測的概念」 —— 但它其實是一個流水線問題，穿了件創意問題的外衣。

什麼算一條新創意 —— 按平台自己的說法

大多數「上量」策略都是在這裡悄悄失敗的：產出 80 個文件，不等於產出 80 條廣告。

關於排序引擎怎麼讀取創意，Meta 對廣告主的口徑是明確的，而且比大多數團隊以為的更嚴。據經 Meta 溝通的代理商高管轉述：引擎對「長得像」的判斷很嚴 —— 同一個人、同一段素材，只是開頭鉤子一樣或者屏幕文字不同，系統會認為它們本質上是同一條廣告。仍然算一條創意，不是兩條。

Meta 自己的發言人也把這套口徑描述成刻意「以結果為準、而非針對某一模型」：多樣化你的創意、去測、然後讓系統優化。Google 公開的指引指向同一方向 —— App 廣告系列建議填滿每一個可用的素材位，每個廣告組最多 10 條文本、20 張圖片、20 條視頻；它Performance Max 的資源組指引同樣是圍繞「多樣化」構建的。

所以，真正能產生「一條新創意」的軸，是那些改變論證本身的軸：鉤子、開頭幾秒、切入角度、形式、面向特定人羣的說法。顏色、字體、換一段素材，都不在其中。把同一個概念換十種顏色，是一次測試，不是十次 —— 按平台自己的定義，它也只是一條創意。

整條廣告的命運，在開頭幾秒就定了

一條視頻廣告不是被「看」完的，是被「熬過」前三秒的。滑動很快、資訊流很密，滑過去就是預設動作。開頭不是引言 —— 它是「通過不通過」的關。它沒過，後面整條廣告連露臉的機會都沒有。

平台的工作方式全都指向同一處。分發系統會把早期互動讀成「這條創意值不值得更多預算」的信號，這也是為什麼一條視頻前幾秒的每一幀，權重都高於它之後的任何一幀。從業者量的正是這件事：開頭率（也叫停留率），指曝光裡活到「3 秒播放」的比例 —— 這是所有人先看的第一個數字，因為它低，後面的一切都沒有意義。

數據也同意這個直覺。對一百萬條以上短視頻的分析發現，中位觀看時長不到 7 秒。有一家機構對大量 DTC 創意的回顧發現，73% 的電商視頻廣告死在那前三秒。

對按傳統方式做創意的人來說，這有點扎心：決定廣告生死的那部分，恰恰是整條廣告裡最小的一部分 —— 而在大多數工作流裡，也是最貴去改的一部分。開頭幾秒一般只佔一條視頻的 5% 到 10%，但改它往往要重做整條 —— 槓桿最高的那次修改，恰好也是最貴的那次。

天天在做這件事的人，怎麼讀一條視頻廣告

在修一條創意之前，你得先知道是哪個部分壞了。從業者把一條視頻廣告讀成「廣告內部的漏斗」，按順序看三個指標：

診斷靠的是這個順序，不是某一個數字。鉤子弱但留存強，說明概念成立、只是開頭可跳過。鉤子強但留存弱，是 DTC 視頻裡最常見的失敗：開頭許諾了正文沒有兌現的東西。而如果鉤子、留存、完成率都健康、CPA 卻很差，那問題根本不在廣告上 —— 在報價、落地頁、人羣或歸因。

在拿自己的數字和別人比之前，有兩件事值得先知道。第一，公開的基準是第三方彙總值，會隨行業、版位和人羣溫度大幅擺動 —— 冷啓動的資訊流版位，鉤住的人一定比溫熱的再營銷池少，所以該拿自己賬戶的歷史做對比，而不是拿一個博客數字。第二，比完播率之前先確認分母：按留存口徑（15 秒觀看 ÷ 3 秒播放）算，和按曝光口徑算，是完全不同的兩個數。

三個問題，其實是同一個問題

因為約束藏在創意的語言背後，團隊很少診斷對。三個常見症狀，一個原因。

「我們的測試永遠測不出顯著性。」只有 3 到 5 條變體時，期望贏家不足 1 個。測試本身沒出錯，只是樣本太小，稀有的贏家無法浮現。再做更多分析也解決不了。

「贏家跑疲了，我們手上沒有替補。」疲勞不是意外，它是一個有日程的事件。把「表現下滑」從一次緊急事故變成一次例行替換的，是一個永遠裝着下一批變體的隊列 —— 而那是產能問題，不是投放問題。

「我們知道是鉤子的問題，但重拍不起。」這是流水線的成本形狀，不是團隊的能力問題。如果改開頭意味着重跑全部，那麼能負擔得起的開頭數量就很少 —— 約束就這樣偽裝成了「創意判斷力」。

為什麼產能問題在變嚴重，而不是變輕

三件事同時朝一個方向動了。

注意力更短了。對 110 萬條 TikTok 視頻的分析發現，30 到 60 秒的視頻中位觀看時長只有6.9 秒。這意味着你不是在爭最後十秒，而是在爭最前面三秒。而按一家機構的回顧，73% 的電商視頻廣告死在那前三秒。

疲勞更快了。表現好的鉤子會在數天內出現明顯的效能衰減 —— 也就是說，刷新週期比大多數製作排期假設的要短得多。一個季度出一批創意，追不上一週一條的衰減曲線。

預算分配更依賴創意了。平台投得越來越算法化。投手手上的扳手（人羣定向、版位、時段）一個接一個被收走 —— 剩下能擰的，主要就是創意。結果是：以前靠「定向得多準」贏，現在靠「在系統面前擺多少條不一樣的論證」贏。

三股力量，一個要求：測試面必須足夠大、刷新必須足夠快 —— 而這就把問題直接推回到「一條變體要花多少錢」。

成本形狀是一個設計決定，不是自然規律

上面所有推論都來自一個做視頻的方式：一條視頻被當作一個成品文件，還是被當作一組可以重組、重渲染的零件。

如果是前者：每次改動都是一次新的完整生產，成本隨變體數線性增長，測試面被預算封頂。

如果是後者：生成一條視頻產出的是可複用的零件 —— 段落、配音、素材 —— 而一次改動只重跑真正變了的那部分。成本不再隨變體數線性增長。「一個月八十條」於是從一個財務決定，變成一個運營決定。

這第二種做法，才是高產量創意測試能成立的根本。不是模型更聰明，也不是簡報寫得更細 —— 而是把「一條視頻」換成「一組可重做的片段」。

BrandU 就是為這件事做的

產能問題不是策略問題。它是大多數視頻製作方式的一個屬性 —— 一次性的流水線從頭跑到尾。BrandU 不這樣：它把視頻拆成可單獨重做的片段，把「改一處不再等於重做一條」嵌進每一條的工作流。

它從一條已經在跑的視頻開始。不是從一句空白提示詞，也不是從模板。你貼上一條正在跑量的短視頻連結，BrandU 會逐幀看完整條片子，弄清它為什麼有效，然後用你的產品、你的賣點、你的口吻把那套結構重建一遍。你拿到的不是原片素材的複製 —— 而是那套論證，為你重做了一遍。從已驗證的東西起步不是抄近路，它比一個全新的、沒測過的想法贏的概率更高。

一條視頻是作為零件生成的，不是一個文件。這是其他一切的前提。BrandU 把視頻拆成互相獨立的段落 —— 30 秒的片子是 5 個 6 秒的段落 —— 並且保留已經生成好的零件。所以：

一條參考，能變成沒有實際上限的一串測試。這才是產能問題真正被解決的地方。一條參考視頻能產出改變鉤子、改變開頭、換產品、換出鏡人、換語種的變體 —— 分段方式不動，每段在「賣什麼」上動。例如：原片 30 秒分 5 段、每段一個要點；你換 5 種產品，5 段框架不變，「賣什麼」逐段換掉。這就是平台獎勵的「軸」變 —— 而它從一份源素材產出，不是八十次拍攝。一次生成最多 10 條變體，因為十條是一個合理的審閱單位；然後你再跑下一次十條。你能做多少條沒有天花板，而且成本不隨數量上升：第 100 條變體的價錢，和第 2 條一樣。

而且經濟性是平的。因為貴的那部分 —— 模型 —— 是「每次改動跑一次」，而不是「每條變體跑一次」，所以一條變體的邊際成本是渲染，不是整條流水線。這就是「一個活在提案裡的測試項目」和「一個每週都在跑的測試項目」之間的差別。

• 換鉤子，只有鉤子重跑。改某一段文案，只重跑那一段的模型和它的配音；其餘段落全部保留。
• 改樣式、調順序、換素材，只重渲染。不再調模型。
• 改一處，其餘自己重排。時間軸與相關元素自動重排 —— 你永遠不用手動拖時間軸。

從診斷到修復

上面那套診斷，在這裡接上成本形狀。三個指標各自指向視頻的不同部位 —— 而每一次修復的成本不同，取決於工作流能不能只改那一部分、而不重做其餘。

最後一行對上量最關鍵。一條贏的創意疲勞時，你要的不是一次新戰役 —— 而是在已知有效的結構上，換下一個論證。如果這一步的成本只是重做的一小部分，按衰減曲線刷新就是負擔得起的；如果等於整條重做，刷新就變成一季度一次，中間那段時間表現一路下滑。

開始之前先把基準定下來。假設 6–7% 的變體會贏。如果這個季度你想要五個贏家，競價裡需要大約75–80 條可信的變體 —— 不是 5 個聰明的點子。事先定好淘汰閾值，然後按數據砍，而不是按喜好砍。