為何 LTV 優於轉換價值
針對即時購買價值出價，是為第一次交易進行優化。而針對預測 LTV 出價，則是為客戶的總價值進行優化，而總價值通常與首次購買價值的關聯性不高。在重複購買類別中，針對預測 LTV 出價通常可將混合回收期改善 20% 至 40%。
建立預測 LTV 模型
大多數團隊會從群組代理指標開始：首次購買產品、首次購買渠道以及獲取時使用的折扣代碼。當群組訊號強烈時，即使是簡單的代理指標也能勝過原始購買價值。
將預測 LTV 發送至平台
透過 Conversions API 或 Enhanced Conversions for Leads，將預測 LTV 作為轉換價值傳遞。平台隨後會在您的出價上限內，針對預測 LTV 較高的客戶進行優化。
常見陷阱
對任何群組發送零或負的 LTV 值會破壞出價機制。使用低信賴區間的模型預測會引入雜訊，反而損害成效。在部署完整的機器學習模型之前，先從保守的群組代理指標開始。
常見問題
常見問題
基於群組的方法不需要。完整的機器學習模型會受益於資料科學，但並非入門的必要條件。
大多數帳戶在 30 到 60 天內會看到方向性的提升，並在 90 天內達到穩定提升。
訂閱制、具有重複購買行為的電子商務，以及具有下游資格認證的潛在客戶開發業務。
可以。使用地理區域拆分或廣告活動層級的保留組來衡量增量提升。
支援。使用「最大化轉換價值」並搭配可選的目標廣告支出報酬率，並傳遞增強的轉換價值。