每日投放报告 — 2026-08-06,对比 2026-08-05
账户当日在两条广告系列上花费 $793.94,获得 1,172 次安装,单次安装成本 $0.677;前一天为 $631.70、1,128 次、 $0.560。入账收入 $1,401.05,当日回收 $620.48,环比下降 30.9%。自有口径为 Meta 入账口径的 0.98。这是五格 拆分测试运行的第一天,也是本报告第一次覆盖两条广告系列。定义、报表时区与三种收入口径见附录。
1 总览
投放各行是有投放的广告系列之和,与第 5 节对账户的定义完全一致,两处因此可以对上。已停投的 earner 只有入账、 没有投放(08-05 为 7 次安装、08-06 为 1 次,花费均为 $0.00),此处剔除并在第 5 节具名说明:把它算进来,就是 拿从未发生的花费去除以它带来的安装,CPI 会被低估。
2026-08-05 2026-08-06 变化 花费 $631.70 $793.94 +25.7% 展示次数 53,818 70,411 +30.8% CPM $11.74 $11.28 −3.9% 链接点击量 4,939 5,403 +9.4% CTR 9.18% 7.67% −16.4% 安装 (Meta) 1,121 1,171 +4.5% CPI $0.564 $0.678 +20.3% 入账收入 (Meta) $1,427.51 (2.26) $1,401.05 (1.76) −1.9% 当日回收 $898.32 (1.42) $620.48 (0.78 ) −30.9% 同期群 24 小时 $1,258.59 (1.99) $702.17 (0.88) 覆盖率 58%,走完的数字在口径与边界
同期群价值 —— d0 / d3 / d7 的 ARPU 与 ARPPU
按安装日计算,从每个用户自己的安装时刻起算:dN 是他自己的前 (N+1) x 24 小时。ARPU 取自 Adjust,也就是合作方后台看到的那一套;ARPPU 取自我们自己的支付流水,因为 Adjust 没有累计去重付费人数这个字段。窗口还没走完的档位留空,不写 0。
应用 ARPU (d0) ARPU (d3) ARPU (d7) ARPPU (d0) ARPPU (d3) ARPPU (d7) 安装数 Vloom $0.5073 $0.8195 $0.9360 $11.23 $15.85 $17.13 1,373
单次安装成本上升 20.3% ,花费多了约四分之一,当日回收 ROAS 为本系列以来首次跌破 1。
在两天都有投放的 20 个共同投放小时里,CTR 有 19 个小时下降 ,p = 0.000。数的是小时数,不可能是结构 造成的假象。
付费率同步下降。 共同投放小时、观测时长 H 为 6 小时,安装→付费 5.35% → 3.28%,p = 0.016, 两天分别为 62 和 36 个付费用户。
广告系列结构几乎没动 ,全球投放占花费 84.9% → 85.2%,德语区 15.1% → 14.8%,所以上面这些基本都不是 结构造成的。
2 分小时,2026-08-06
投放类列的分子分母都取 Meta 口径;付费率、ARPU、ARPPU 的分子分母都取自有口径。两套安装数从不交叉相除。 入账收入 落在付款小时,当日回收 与 同期群 24 小时 落在安装小时。
完整的 24 行表在 _runs/2026-08-06_gen7_and_candidates/measures_out.txt;当日的形状见下方图表。
按 UTC 日,两天都有投放的小时为 00–08 与 13–23。2026-08-06 另外在 09、10、11、12 有投放。只比较共同投放小时。
指标 2026-08-06 更高的小时数 更低的小时数 符号检验 CPM 6 of 20 14 of 20 p = 0.115 CTR 1 of 20 19 of 20 p = 0.000 click→install 8 of 20 12 of 20 p = 0.503 CPI 14 of 20 6 of 20 p = 0.115
符号检验丢掉幅度,换来不加权的方向。
四项里只有 CTR 差异显著,而且非常彻底。 CPM 与 CPI 指向一致,但都没过 0.05。
2026-08-07T08:03:31.709584
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
3
6
9
12
15
18
21
hour (UTC)
0
10
20
30
40
50
USD
Spend by hour
0
3
6
9
12
15
18
21
hour (UTC)
1500
2000
2500
3000
3500
4000
4500
5000
impressions
Impressions and installs by hour
impressions
installs
30
40
50
60
70
installs (Meta Leads)
The day's motion — whole account, 2026-08-06 (UTC)
The day's motion
2026-08-07T08:03:31.840783
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
4
8
12
16
20
hour (UTC)
7.0
7.5
8.0
8.5
9.0
CTR %
CTR
0
4
8
12
16
20
hour (UTC)
9
10
11
12
13
14
USD per 1,000 impressions
CPM
0
4
8
12
16
20
hour (UTC)
16
18
20
22
24
26
28
installs / clicks %
Click → install
0
4
8
12
16
20
hour (UTC)
0.5
0.6
0.7
0.8
0.9
1.0
USD
Cost per install
Delivery by hour — whole account, 2026-08-06 (UTC)
CTR, CPM, click-to-install and CPI by hour, whole account
2026-08-07T08:03:31.985769
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
5
10
15
20
hour (UTC)
7
8
9
10
11
12
CTR %
CTR
2026-08-05
2026-08-06
0
5
10
15
20
hour (UTC)
8
10
12
14
16
18
USD per 1,000 impressions
CPM
0
5
10
15
20
hour (UTC)
20
40
60
80
100
120
140
160
installs / clicks %
Click → install
0
5
10
15
20
hour (UTC)
0.2
0.4
0.6
0.8
1.0
USD
Cost per install
Delivery by hour — 2026-08-06 against 2026-08-05, shared hours only (UTC)
The same four ratios with the prior day laid over, shared hours only
2026-08-23T12:43:19.231531
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
IN
DE
US
TR
ID
MX
GB
AR
PH
AT
FR
CA
0
25
50
75
100
125
150
175
USD
delivery raked onto the report clock against two measured margins; revenue is the report day
Spend against within-day revenue by country — 2026-08-06
spend
within-day revenue
Spend against within-day revenue by country
2026-08-23T12:43:19.267439
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
−0.04
−0.02
0.00
0.02
0.04
USD per install
Cost per install by country — 2026-08-06 (report clock)
CPI by country
(一)大盘分国家,2026-08-06。 按报表时区。 Meta 不提供小时 × 国家的交叉表,所以每一份国家切片都要从它自己的账户日折算到 UTC;自有口径本就在 UTC 上。
国家 花费 占比 展示次数 CPM 注册数 (自有) 单次注册成本 当日回收 wROAS 付费用户 IN $160.56 20.2% 25,669 $6.26 344 $0.467 $93.59 0.58 36 DE $98.57 12.4% 2,162 $45.60 42 $2.347 $48.38 0.49 6 US $72.78 9.2% 1,733 $42.01 60 $1.213 $181.75 2.50 16 TR $26.92 3.4% 1,457 $18.47 44 $0.612 $5.89 0.22 2 ID $25.12 3.2% 3,903 $6.44 82 $0.306 $0.00 0.00 2 MX $22.94 2.9% 3,110 $7.38 53 $0.433 $5.71 0.25 3 GB $21.58 2.7% 696 $31.02 29 $0.744 $6.04 0.28 2 AR $20.79 2.6% 1,759 $11.81 53 $0.392 $9.98 0.48 2 PH $16.80 2.1% 4,352 $3.86 54 $0.311 $5.63 0.34 5 AT $15.30 1.9% 524 $29.20 8 $1.912 $21.19 1.39 3 FR $15.11 1.9% 550 $27.45 19 $0.795 $0.00 0.00 1 CA $14.28 1.8% 410 $34.81 16 $0.893 $4.99 0.35 1
其余 183 个国家未列出 , $283.17 合计(占本表 35.7%)。
对账:哪些是实测的,哪些是折算的。 每一个分国家单元格都是一次跨小时的分配;每一个总计都是实测的。B1 (UTC-7)$208.10 来自账户日 2026-08-05、$585.84 来自账户日 2026-08-06,实测的 UTC 日总计是 $793.94 。
上表中没有出现的账户: Nomad Node, KBM1, HR1. 它们的花费在每一张日粒度的表里都有;缺的只是国家切片。
(二)同一切片,每一个账户,2026-08-06.
B1
国家 花费 占比 展示次数 CPM 注册数 (自有) 单次注册成本 当日回收 wROAS 付费用户 IN $160.56 20.2% 25,669 $6.26 344 $0.467 $93.59 0.58 36 DE $98.57 12.4% 2,162 $45.60 42 $2.347 $48.38 0.49 6 US $72.78 9.2% 1,733 $42.01 60 $1.213 $181.75 2.50 16 TR $26.92 3.4% 1,457 $18.47 44 $0.612 $5.89 0.22 2 ID $25.12 3.2% 3,903 $6.44 82 $0.306 $0.00 0.00 2 MX $22.94 2.9% 3,110 $7.38 53 $0.433 $5.71 0.25 3 GB $21.58 2.7% 696 $31.02 29 $0.744 $6.04 0.28 2 AR $20.79 2.6% 1,759 $11.81 53 $0.392 $9.98 0.48 2 PH $16.80 2.1% 4,352 $3.86 54 $0.311 $5.63 0.34 5 AT $15.30 1.9% 524 $29.20 8 $1.912 $21.19 1.39 3 FR $15.11 1.9% 550 $27.45 19 $0.795 $0.00 0.00 1 CA $14.28 1.8% 410 $34.81 16 $0.893 $4.99 0.35 1
其余 183 个国家未列出 , $283.17 合计(占本表 35.7%)。
Nomad Node —— 没有国家小节:它这一天什么都没有投出去,是实测的零。
KBM1 —— 没有国家小节:它这一天什么都没有投出去,是实测的零。
HR1 —— 没有国家小节:它这一天什么都没有投出去,是实测的零。
前一日,2026-08-05,同样两张表。
(一)大盘分国家,2026-08-05。 按报表时区。 Meta 不提供小时 × 国家的交叉表,所以每一份国家切片都要从它自己的账户日折算到 UTC;自有口径本就在 UTC 上。
国家 花费 占比 展示次数 CPM 注册数 (自有) 单次注册成本 当日回收 wROAS 付费用户 IN $137.30 21.7% 19,972 $6.87 319 $0.430 $128.56 0.94 37 DE $71.30 11.3% 1,441 $49.47 35 $2.037 $21.85 0.31 2 US $54.50 8.6% 1,258 $43.33 50 $1.090 $288.78 5.30 15 MX $22.10 3.5% 2,454 $9.00 56 $0.395 $32.41 1.47 3 ID $21.22 3.4% 3,014 $7.04 73 $0.291 $43.68 2.06 2 TR $20.05 3.2% 1,181 $16.97 41 $0.489 $0.00 0.00 1 GB $19.08 3.0% 534 $35.72 20 $0.954 $0.00 0.00 1 AR $15.18 2.4% 1,248 $12.16 50 $0.304 $66.93 4.41 4 MY $13.07 2.1% 1,546 $8.46 27 $0.484 $5.38 0.41 3 PH $13.03 2.1% 3,110 $4.19 53 $0.246 $31.51 2.42 5 FR $10.05 1.6% 299 $33.62 11 $0.913 $0.00 0.00 0 CA $9.67 1.5% 253 $38.19 11 $0.879 $20.88 2.16 3
其余 175 个国家未列出 , $225.17 合计(占本表 35.6%)。
对账:哪些是实测的,哪些是折算的。 每一个分国家单元格都是一次跨小时的分配;每一个总计都是实测的。B1 (UTC-7)$181.12 来自账户日 2026-08-04、$450.58 来自账户日 2026-08-05,实测的 UTC 日总计是 $631.70 。
上表中没有出现的账户: Nomad Node, KBM1, HR1. 它们的花费在每一张日粒度的表里都有;缺的只是国家切片。
(二)同一切片,每一个账户,2026-08-05.
B1
国家 花费 占比 展示次数 CPM 注册数 (自有) 单次注册成本 当日回收 wROAS 付费用户 IN $137.30 21.7% 19,972 $6.87 319 $0.430 $128.56 0.94 37 DE $71.30 11.3% 1,441 $49.47 35 $2.037 $21.85 0.31 2 US $54.50 8.6% 1,258 $43.33 50 $1.090 $288.78 5.30 15 MX $22.10 3.5% 2,454 $9.00 56 $0.395 $32.41 1.47 3 ID $21.22 3.4% 3,014 $7.04 73 $0.291 $43.68 2.06 2 TR $20.05 3.2% 1,181 $16.97 41 $0.489 $0.00 0.00 1 GB $19.08 3.0% 534 $35.72 20 $0.954 $0.00 0.00 1 AR $15.18 2.4% 1,248 $12.16 50 $0.304 $66.93 4.41 4 MY $13.07 2.1% 1,546 $8.46 27 $0.484 $5.38 0.41 3 PH $13.03 2.1% 3,110 $4.19 53 $0.246 $31.51 2.42 5 FR $10.05 1.6% 299 $33.62 11 $0.913 $0.00 0.00 0 CA $9.67 1.5% 253 $38.19 11 $0.879 $20.88 2.16 3
其余 175 个国家未列出 , $225.17 合计(占本表 35.6%)。
Nomad Node —— 没有国家小节:它这一天什么都没有投出去,是实测的零。
KBM1 —— 没有国家小节:它这一天什么都没有投出去,是实测的零。
HR1 —— 没有国家小节:它这一天什么都没有投出去,是实测的零。
4 汇总:两日对比
按 UTC 日,在两天都有投放的 20 个小时上合并计算。分子分母均取 Meta 口径。
花费 展示次数 CPM 链接点击量 CTR 安装 点击→安装 CPI 2026-08-05 $631.69 53,814 11.74 4,939 9.18% 1,117 22.62% $0.566 2026-08-06 $660.34 60,124 10.98 4,643 7.72% 992 21.37% $0.666
CTR 9.18% → 7.72%(−15.9%,p = 0.000),下降。点击→安装 22.62% → 21.37%(−5.5%,p = 0.140),差异不显著。
跨小时合并本身就是一次结构比较 ,按各小时投放量加权,就算每个小时本身都没变这几行也会动。合并口径与 逐小时口径在 CTR 上一致。
三种收入口径,两天对比:
口径 08-05 08-06 入账收入 $1,427.51 (2.26) $1,401.05 (1.76) 当日回收 $898.32 (1.42) $620.48 (0.78) 同期群 24 小时 $1,258.59 (1.99),覆盖率 100% $702.17 (0.88),覆盖率 58%
08-06 的同期群 24 小时口径覆盖率只有 58%,08-05 的是 100%。 走完之后的数字在口径与边界一节; 上面的日对日读数一律用已封存的当日回收。
入账收入按付费用户的安装日拆分 ,其首行就是 当日回收这个数:
安装日 08-06 入账 占比 2026-08-06 $620.48 44.3% 2026-08-05 $437.59 31.2% 2026-08-04 $84.12 6.0% 2026-08-03 $88.97 6.4% 2026-08-02 $81.64 5.8% 2026-08-01 $66.74 4.8%
入账收入基本持平(−1.9%),当日回收却跌了 30.9%,拆分给出了原因:08-06 入账的 55.7% 来自更早安装的人。 在 08-05,这个继承来的份额是 37.1%。当天自己的同期群赚得少的日子,用 Meta 的数看是平的,用我们的数看是差的; 两者都对,只是说的不是同一批人。
2026-08-07T08:03:32.192645
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
booked
within-day
cohort @ 24h
0
200
400
600
800
1000
1200
1400
USD
2.26
1.42
1.99
1.76
0.78
0.88
the number above each bar is that measure's ROAS against the same day's spend
The three revenue measures, 2026-08-05 against 2026-08-06 (UTC)
2026-08-05
2026-08-06
The three measures on both days
2026-08-07T08:03:32.245110
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
2026-08-05
2026-08-06
0
200
400
600
800
1000
1200
1400
USD
the bottom segment IS the within-day figure: the same number seen twice
Booked revenue by the day its payer installed (UTC)
the day itself
one day earlier
two days earlier
three days earlier
four or more
Booked split by install day
5 各广告系列横向对比
投放类比率的分子分母都取 Meta 口径,收入口径一律取自有口径。观测时长 H=24 小时。报表时区为 UTC 。 只用 CPM、单次点击成本和 CPI 来排序。 这里地域本身就是处理变量,这正是这几项可以跨广告系列比较的原因; 收入仍需要 16 个付费用户(DECISION_LOG.md #37、#48),未过门槛的广告系列只能看方向,不能看幅度。
广告系列 花费 占比 展示次数 展示占比 CPM 链接点击量 CTR 单次点击成本 安装 CPI 当日回收 wROAS 付费用户 全球投放 $676.53 85.2% 67,749 96.2% 9.99 5,218 7.70% $0.130 1,117 $0.606 $556.65 0.82 49 德语区(DE/AT) $117.41 14.8% 2,662 3.8% 44.11 185 6.95% $0.635 54 $2.174 $63.83 0.54 7
只有入账、没有投放,已从上表所有比率中剔除: Earner(08-03 停投) 1 次安装 (Meta) 、 13 次注册 (自有) 、当日回收 $0.00。算进来,它的安装就会进入 CPI 的分母,而对应的花费根本没有发生。
账户 CPM $11.74 → $11.28(−3.9%);按 2026-08-05 的广告系列结构固定后为 $11.15(−5.0%)。 这一对日子上 结构只值大约一个百分点,因为占比几乎没动。
一次德语区展示是全球投放的 4.4 倍价格,一次德语区点击是 4.9 倍 ,样本为 2,662 次展示,也是它关停前 最后一个完整日。
6 分广告系列
当前显示 全球投放 德语区投放(DE/AT) Show all
全球投放 —— 这一行以下的每一节都是 全球投放 的:当日、分小时、分国家、分广告系列、分素材,都记在 全球投放 自己那本账、自己那些账户上。用上面的按钮切换。
当日结构
六个广告组,其中五个各有一条在投的广告。..._d100_spill 里是一对替换关系的广告,同一天只有一条在投, 所以在这一天广告组这一行就是广告这一行,行名用素材名。E2/mugshot 已于 08-04 关闭,这里花费为 $0.00, 对应的是转化小时上的尾巴。
A. 分素材 — 投放
所有比率的分子分母都取 Meta 口径。自有注册数不进入本表。
素材 花费 展示次数 CPM 链接点击量 CTR 安装 点击→安装 CPI E2/bikini$144.49 16,983 8.51 1,187 6.99% 240 20.22% $0.602 E2/lounge$142.73 10,144 14.07 869 8.57% 175 20.14% $0.816 E2/pool5$134.63 16,357 8.23 1,206 7.37% 250 20.73% $0.539 E2/spill2$131.20 9,955 13.18 1,003 10.08% 216 21.54% $0.607 E2/bodysuit$123.48 14,310 8.63 953 6.66% 235 24.66% $0.525 E2/mugshot$0.00 0 — 0 — 1 — $0.000
B. 分素材 — 三种收入口径
每一列都取自有口径。Meta 只能表达 入账收入,因此它以括号形式跟在该列旁边,永远不单独成行。付费用户是去重的人,不是交易笔数。观测时长 H=24 小时,当日覆盖率 58% 。报表时区为 UTC 。
素材 入账收入 bROAS (Meta) 当日回收 wROAS 同期群@H cROAS 付费用户 付费率 ARPU ARPPU 最大单个付费用户占比 E2/bikini$194.14 1.34 (1.04) $138.01 0.96 $145.13 1.00 10 3.8% 0.521 13.80 44.2% E2/lounge$92.38 0.65 (1.28) $92.38 0.65 $113.57 0.80 10 5.3% 0.491 9.24 25.5% E2/pool5$350.56 2.60 (2.97) $121.48 0.90 $121.48 0.90 13 5.0% 0.467 9.34 35.4% E2/spill2$122.74 0.94 (1.72) $98.24 0.75 $146.64 1.12 8 3.5% 0.427 12.28 43.3% E2/bodysuit$341.26 2.76 (2.44) $106.54 0.86 $111.53 0.90 8 3.2% 0.423 13.32 44.3% E2/mugshot$35.19 — (—) $0.00 — $0.00 — 0 0.0% 0.000 — —
16 付费用户门槛(#37):上表中付费用户数不足 16 的行,只能看方向,不能看幅度。
C. 分素材 — 国家结构
⚠ 本表按账户日切,而本页其余各表都在 UTC 时钟上。 Meta 不提供小时 × 国家的交叉表,分国家的投放数据只存在于账户自己的 UTC-7 日上,无法重新拼接。相对上面的 A、B 两表,它是一个偏移七小时的窗口;只读国家结构,不要拿它和上面比绝对水平。
最后一列是该素材自身 当日回收中来自美国的比例:当它远高于该素材的美国花费占比时,这条素材的回报是它买到的那块地域的属性。
素材 花费 印度 % 美国 % 其他 % 自身收入中美国占比 E2/bikini$147.80 29.3% 9.2% 61.6% 70.9% E2/lounge$156.80 18.6% 12.1% 69.3% 5.4% E2/pool5$124.21 23.0% 13.6% 63.5% 58.4% E2/spill2$133.98 16.7% 11.7% 71.7% 8.1% E2/bodysuit$116.09 27.5% 9.1% 63.3% 0.0%
图表
2026-08-16T16:10:05.404006
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
3
6
9
12
15
18
21
hour (UTC)
0
10
20
30
40
USD
Spend by hour
0
3
6
9
12
15
18
21
hour (UTC)
1500
2000
2500
3000
3500
4000
4500
5000
impressions
Impressions and installs by hour
impressions
installs
20
30
40
50
60
70
installs (Meta Leads)
The day's motion — whole account, 2026-08-06 (UTC)
The day's motion: spend by hour, and impressions against installs
2026-08-16T16:10:05.548233
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
4
8
12
16
20
hour (UTC)
7.0
7.5
8.0
8.5
9.0
9.5
CTR %
CTR
0
4
8
12
16
20
hour (UTC)
8
9
10
11
12
USD per 1,000 impressions
CPM
0
4
8
12
16
20
hour (UTC)
16
18
20
22
24
26
28
installs / clicks %
Click → install
0
4
8
12
16
20
hour (UTC)
0.5
0.6
0.7
0.8
0.9
USD
Cost per install
Delivery by hour — Worldwide, 2026-08-06 (UTC)
CTR, CPM, click-to-install and CPI by hour, Worldwide
2026-08-16T16:10:05.707913
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
5
10
15
20
hour (UTC)
7
8
9
10
11
12
CTR %
CTR
2026-08-05
2026-08-06
0
5
10
15
20
hour (UTC)
8
10
12
14
16
USD per 1,000 impressions
CPM
0
5
10
15
20
hour (UTC)
16
18
20
22
24
26
28
30
installs / clicks %
Click → install
0
5
10
15
20
hour (UTC)
0.3
0.4
0.5
0.6
0.7
0.8
0.9
USD
Cost per install
Delivery by hour — 2026-08-06 against 2026-08-05, shared hours only (UTC)
The same four ratios with the prior day laid over the day, shared hours only
2026-08-16T16:10:05.835037
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
IN
US
TR
MX
ID
GB
AR
PH
MY
CA
IT
FR
0
25
50
75
100
125
150
175
USD
spend and installs are a META-day cut (no hour x country grid exists); revenue is the report day
Spend against within-day revenue by country — 2026-08-06
spend
within-day revenue
Spend against within-day revenue, by country
2026-08-16T16:10:05.894772
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
IN
US
TR
MX
ID
GB
AR
PH
MY
CA
IT
FR
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
USD per install
Cost per install by country — 2026-08-06 (META day)
Cost per install by country
2026-08-16T16:10:05.953498
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
booked
within-day
cohort @ 24h
0
200
400
600
800
1000
1200
USD
2.18
1.63
2.31
1.69
0.82
0.94
the number above each bar is that measure's ROAS against the same day's spend
The three revenue measures, 2026-08-05 against 2026-08-06 (UTC)
2026-08-05
2026-08-06
The three revenue measures on both days, ROAS above each bar
2026-08-16T16:10:06.005957
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
2026-08-05
2026-08-06
0
200
400
600
800
1000
USD
the bottom segment IS the within-day figure: the same number seen twice
Booked revenue by the day its payer installed (UTC)
the day itself
one day earlier
two days earlier
three days earlier
four or more
Booked revenue by the day its payer installed
2026-08-16T16:10:06.059860
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
2
4
6
8
10
12
14
16
18
20
22
hour (UTC)
4
6
8
10
12
14
16
CTR %
CTR by hour — every asset, 2026-08-06 (UTC)
E2/bikini
E2/lounge
E2/pool5
E2/spill2
E2/bodysuit
CTR by hour, one line per asset
2026-08-16T16:10:06.175710
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
2
4
6
8
10
12
14
16
18
20
22
hour (UTC)
10
20
30
40
50
installs / clicks %
Click → install by hour — every asset, 2026-08-06 (UTC)
E2/bikini
E2/lounge
E2/pool5
E2/spill2
E2/bodysuit
Click-to-install by hour, one line per asset
2026-08-16T16:10:06.231266
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
2
4
6
8
10
12
14
16
18
20
22
hour (UTC)
0.5
1.0
1.5
2.0
2.5
USD
Cost per install by hour — every asset, 2026-08-06 (UTC)
E2/bikini
E2/lounge
E2/pool5
E2/spill2
E2/bodysuit
Cost per install by hour, one line per asset
2026-08-16T16:10:06.120489
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
2
4
6
8
10
12
14
16
18
20
22
hour (UTC)
7.5
10.0
12.5
15.0
17.5
20.0
22.5
USD per 1,000 impressions
CPM by hour — every asset, 2026-08-06 (UTC)
E2/bikini
E2/lounge
E2/pool5
E2/spill2
E2/bodysuit
CPM by hour, one line per asset
2026-08-16T16:10:06.322510
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
E2/lounge
E2/bikini
E2/spill2
E2/pool5
E2/bodysuit
0
20
40
60
80
100
% of that asset's spend
Where each asset bought — share of its own spend by region, 2026-08-06 (META day)
IN
US
TR
MX
ID
GB
other
Where each asset bought: share of its own spend by region
2026-08-16T16:10:06.390948
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
E2/lounge
E2/bikini
E2/spill2
E2/pool5
E2/bodysuit
0.0
0.5
1.0
1.5
2.0
2.5
USD per install
Cost per install by region — every asset, 2026-08-06 (META day)
IN
US
TR
MX
ID
GB
Cost per install by region, every asset
2026-08-16T16:10:06.439522
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
E2/lounge
E2/bikini
E2/spill2
E2/pool5
E2/bodysuit
0
20
40
60
80
100
USD
Within-day revenue by region — every asset, 2026-08-06 (META day)
IN
US
TR
MX
GB
Within-day revenue by region, every asset
2026-08-16T16:10:06.514354
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
08-03
08-04
08-05
08-06
day (UTC)
0
1
2
3
4
5
6
7
8
payers / installs %
Payer rate by day — every asset (UTC)
E2/pool5
E2/bodysuit
E2/bikini
E2/spill2
E2/lounge
E2/mugshot
E2/spill
Payer rate by day, one line per asset
2026-08-16T16:10:06.575506
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
08-03
08-04
08-05
08-06
day (UTC)
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
within-day USD per install
ARPU by day — every asset (UTC)
E2/pool5
E2/bodysuit
E2/bikini
E2/spill2
E2/lounge
E2/mugshot
E2/spill
ARPU by day, one line per asset
2026-08-16T16:10:06.634526
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
08-03
08-04
08-05
08-06
day (UTC)
0
5
10
15
20
25
within-day USD per payer
ARPPU by day — every asset (UTC)
E2/pool5
E2/bodysuit
E2/bikini
E2/spill2
E2/lounge
E2/mugshot
E2/spill
ARPPU by day, one line per asset
2026-08-16T16:10:06.719730
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
08-03
08-04
08-05
08-06
day (UTC)
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
revenue / spend
Within-day ROAS by day — every asset (UTC)
E2/pool5
E2/bodysuit
E2/bikini
E2/spill2
E2/lounge
E2/mugshot
E2/spill
Within-day ROAS by day, one line per asset
2026-08-16T16:10:06.787537
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
CTR
click→install
CPI
payer rate *
ARPU *
wROAS *
0.0
0.2
0.4
0.6
0.8
1.0
normalised across the day (1.0 = best of the pack)
* axis sits under the 16-payer bar on most days: direction only, never a level. Assets under 20 installs on the day are not plotted.
Composite — every asset across every measure, 2026-08-06
E2/bikini
E2/lounge
E2/pool5
E2/spill2
E2/bodysuit
Composite: every asset across every measure, normalised across the day
拆分测试,按其自身投放小时读
五格拆分测试跑完了第一天。Meta 的 A/B 窗口按账户自己的日历走, "Aug 6, 2026, 12:00 AM – Aug 11, 2026, 12:00 AM Pacific Time" ,所以这一段按太平洋时间、按它实际投放的 小时来读,从各实验臂预算拉平之后第一个已结算的小时算起。
从账户变更历史读到:三个实验臂在 08-06 太平洋时间 04:05–04:06 从 $100 调到 $150。因此下面的窗口是 账户日 08-06 的 04–23 小时 ,五个实验臂都稳定在 $150/天。
实验臂 花费 CPM CTR 安装 CPI 点击→安装 bodysuit $100.23 8.39 6.75% 186 $0.539 23.08% pool5 $107.06 8.19 6.87% 182 $0.588 20.27% bikini $134.20 8.74 6.63% 204 $0.658 20.04% spill $117.26 12.69 8.42% 166 $0.706 21.34% lounge $143.19 11.31 7.95% 185 $0.774 18.37%
Meta 自己的测试结果页给出的排序完全一致,这是两套计量口径互相印证。
⚠ CPI 排序就是花费排序,Spearman 相关系数 +0.90。 #48 测得本账户 CTR 对花费的弹性为 −0.724,因此 第一天无法把素材和花费速率区分开。
拆分并没有把花费拉平。 实际花费区间是 $100.23–$143.19,相差 1.43 倍 ,展示次数相差 1.66 倍, 所以 E2 写下的"投放被强制拉平"这一假设说得过强。
做完多重比较校正后,没有一项差异显著。 最好的一对是 bodysuit 对 lounge 的点击→安装,p = 0.0136, 是十次事后两两检验中的一次,对应的 Bonferroni 门槛是 0.005。
德语区投放(DE/AT) —— 这一行以下的每一节都是 德语区投放(DE/AT) 的:当日、分小时、分国家、分广告系列、分素材,都记在 德语区投放(DE/AT) 自己那本账、自己那些账户上。用上面的按钮切换。
当日结构
两个广告组,而且这条广告系列必须下钻到广告这一层:deat_broad_purchase_adv_d75 有 15 条广告、2 条在投, deat_ww4_broad_purchase_adv 有 4 条同时在投。
A. 分素材 — 投放
所有比率的分子分母都取 Meta 口径。自有注册数不进入本表。
素材 花费 展示次数 CPM 链接点击量 CTR 安装 点击→安装 CPI DEww/bodysuit$62.69 1,461 42.91 86 5.89% 30 34.88% $2.090 DEww/spill2$20.82 281 74.09 34 12.10% 6 17.65% $3.470 DE/german_mature$19.67 467 42.12 38 8.14% 12 31.58% $1.639 DEww/bikini$6.73 169 39.82 12 7.10% 3 25.00% $2.243 DEww/pool5$5.00 251 19.92 11 4.38% 1 9.09% $5.000 DE/german$2.50 33 75.76 4 12.12% 1 25.00% $2.500
B. 分素材 — 三种收入口径
每一列都取自有口径。Meta 只能表达 入账收入,因此它以括号形式跟在该列旁边,永远不单独成行。付费用户是去重的人,不是交易笔数。观测时长 H=24 小时,当日覆盖率 58% 。报表时区为 UTC 。
素材 入账收入 bROAS (Meta) 当日回收 wROAS 同期群@H cROAS 付费用户 付费率 ARPU ARPPU 最大单个付费用户占比 DEww/bodysuit$24.75 0.39 (0.40) $24.75 0.39 $24.75 0.39 3 11.5% 0.952 8.25 37.6% DEww/spill2$0.00 0.00 (0.00) $0.00 0.00 $0.00 0.00 0 0.0% 0.000 — — DE/german_mature$33.34 1.69 (1.70) $33.34 1.69 $33.34 1.69 3 21.4% 2.381 11.11 65.5% DEww/bikini$5.74 0.85 (0.86) $5.74 0.85 $5.74 0.85 1 33.3% 1.915 5.74 100.0% DEww/pool5$0.00 0.00 (0.00) $0.00 0.00 $0.00 0.00 0 0.0% 0.000 — — DE/german$0.00 0.00 (0.00) $0.00 0.00 $0.00 0.00 0 0.0% 0.000 — —
16 付费用户门槛(#37):上表中付费用户数不足 16 的行,只能看方向,不能看幅度。
C. 分素材 — 国家结构
⚠ 本表按账户日切,而本页其余各表都在 UTC 时钟上。 Meta 不提供小时 × 国家的交叉表,分国家的投放数据只存在于账户自己的 UTC-7 日上,无法重新拼接。相对上面的 A、B 两表,它是一个偏移七小时的窗口;只读国家结构,不要拿它和上面比绝对水平。
最后一列是该素材自身 当日回收中来自美国的比例:当它远高于该素材的美国花费占比时,这条素材的回报是它买到的那块地域的属性。
素材 花费 印度 % 美国 % 其他 % 自身收入中美国占比 DEww/bodysuit$59.36 0.0% 0.0% 100.0% 0.0% DEww/spill2$18.13 0.0% 0.0% 100.0% — DE/german_mature$18.56 0.0% 0.0% 100.0% 0.0% DEww/bikini$6.47 0.0% 0.0% 100.0% 0.0% DEww/pool5$5.78 0.0% 0.0% 100.0% — DE/german$1.64 0.0% 0.0% 100.0% —
图表
2026-08-16T16:10:10.296685
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
3
6
9
12
15
18
21
hour (UTC)
0
2
4
6
8
10
USD
Spend by hour
0
3
6
9
12
15
18
21
hour (UTC)
20
40
60
80
100
120
140
160
180
impressions
Impressions and installs by hour
impressions
installs
0
1
2
3
4
5
installs (Meta Leads)
The day's motion — whole account, 2026-08-06 (UTC)
The day's motion: spend by hour, and impressions against installs
2026-08-16T16:10:10.444205
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
4
8
12
16
20
hour (UTC)
4
6
8
10
12
CTR %
CTR
0
4
8
12
16
20
hour (UTC)
30
40
50
60
70
80
90
USD per 1,000 impressions
CPM
0
4
8
12
16
20
hour (UTC)
0
20
40
60
80
installs / clicks %
Click → install
0
4
8
12
16
20
hour (UTC)
1
2
3
4
5
USD
Cost per install
Delivery by hour — German (DE/AT), 2026-08-06 (UTC)
CTR, CPM, click-to-install and CPI by hour, German (DE/AT)
2026-08-16T16:10:10.619601
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
5.0
7.5
10.0
12.5
15.0
17.5
20.0
22.5
hour (UTC)
0
2
4
6
8
10
12
14
CTR %
CTR
2026-08-05
2026-08-06
5.0
7.5
10.0
12.5
15.0
17.5
20.0
22.5
hour (UTC)
30
40
50
60
70
80
90
USD per 1,000 impressions
CPM
5.0
7.5
10.0
12.5
15.0
17.5
20.0
22.5
hour (UTC)
0
20
40
60
80
installs / clicks %
Click → install
5.0
7.5
10.0
12.5
15.0
17.5
20.0
22.5
hour (UTC)
1
2
3
4
5
6
USD
Cost per install
Delivery by hour — 2026-08-06 against 2026-08-05, shared hours only (UTC)
The same four ratios with the prior day laid over the day, shared hours only
2026-08-16T16:10:10.731926
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
DE
AT
0
20
40
60
80
100
USD
spend and installs are a META-day cut (no hour x country grid exists); revenue is the report day
Spend against within-day revenue by country — 2026-08-06
spend
within-day revenue
Spend against within-day revenue, by country
2026-08-16T16:10:10.764225
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
DE
AT
0.0
0.5
1.0
1.5
2.0
2.5
USD per install
Cost per install by country — 2026-08-06 (META day)
Cost per install by country
2026-08-16T16:10:10.813654
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
booked
within-day
cohort @ 24h
0
10
20
30
40
50
60
USD
0.23
0.23
0.23
0.54
0.54
0.54
the number above each bar is that measure's ROAS against the same day's spend
The three revenue measures, 2026-08-05 against 2026-08-06 (UTC)
2026-08-05
2026-08-06
The three revenue measures on both days, ROAS above each bar
2026-08-16T16:10:10.868500
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
2026-08-05
2026-08-06
0
10
20
30
40
50
60
USD
the bottom segment IS the within-day figure: the same number seen twice
Booked revenue by the day its payer installed (UTC)
the day itself
one day earlier
two days earlier
three days earlier
four or more
Booked revenue by the day its payer installed
2026-08-16T16:10:10.924338
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
2
4
6
8
10
12
14
16
18
20
22
hour (UTC)
2
4
6
8
10
12
CTR %
CTR by hour — every asset, 2026-08-06 (UTC)
DEww/bodysuit
DE/german_mature
CTR by hour, one line per asset
2026-08-16T16:10:11.032641
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
2
4
6
8
10
12
14
16
18
20
22
hour (UTC)
0
20
40
60
80
100
installs / clicks %
Click → install by hour — every asset, 2026-08-06 (UTC)
DEww/bodysuit
DE/german_mature
Click-to-install by hour, one line per asset
2026-08-16T16:10:11.084544
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
2
4
6
8
10
12
14
16
18
20
22
hour (UTC)
1.0
1.5
2.0
2.5
3.0
USD
Cost per install by hour — every asset, 2026-08-06 (UTC)
DEww/bodysuit
Cost per install by hour, one line per asset
2026-08-16T16:10:10.975621
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
0
2
4
6
8
10
12
14
16
18
20
22
hour (UTC)
30
35
40
45
50
55
60
USD per 1,000 impressions
CPM by hour — every asset, 2026-08-06 (UTC)
DEww/bodysuit
DE/german_mature
CPM by hour, one line per asset
2026-08-16T16:10:11.151755
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
DEww/bodysuit
0
20
40
60
80
100
% of that asset's spend
Where each asset bought — share of its own spend by region, 2026-08-06 (META day)
DE
AT
other
Where each asset bought: share of its own spend by region
2026-08-16T16:10:11.184729
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
DEww/bodysuit
0.0
0.5
1.0
1.5
2.0
USD per install
Cost per install by region — every asset, 2026-08-06 (META day)
DE
AT
Cost per install by region, every asset
2026-08-16T16:10:11.222091
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
DEww/bodysuit
0
2
4
6
8
10
12
14
16
USD
Within-day revenue by region — every asset, 2026-08-06 (META day)
DE
AT
Within-day revenue by region, every asset
2026-08-16T16:10:11.272264
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
08-03
08-04
08-05
08-06
day (UTC)
0
2
4
6
8
10
12
payers / installs %
Payer rate by day — every asset (UTC)
DEww/bodysuit
Payer rate by day, one line per asset
2026-08-16T16:10:11.312679
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
08-03
08-04
08-05
08-06
day (UTC)
0.0
0.2
0.4
0.6
0.8
1.0
within-day USD per install
ARPU by day — every asset (UTC)
DEww/bodysuit
ARPU by day, one line per asset
2026-08-16T16:10:11.361526
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
08-03
08-04
08-05
08-06
day (UTC)
0
1
2
3
4
5
6
7
8
within-day USD per payer
ARPPU by day — every asset (UTC)
DEww/bodysuit
ARPPU by day, one line per asset
2026-08-16T16:10:11.412584
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
08-03
08-04
08-05
08-06
day (UTC)
0.375
0.380
0.385
0.390
0.395
0.400
0.405
0.410
0.415
revenue / spend
Within-day ROAS by day — every asset (UTC)
DEww/bodysuit
Within-day ROAS by day, one line per asset
2026-08-16T16:10:11.465041
image/svg+xml
Matplotlib v3.11.1, https://matplotlib.org/
CTR
click→install
CPI
payer rate *
ARPU *
wROAS *
0.0
0.2
0.4
0.6
0.8
1.0
normalised across the day (1.0 = best of the pack)
* axis sits under the 16-payer bar on most days: direction only, never a level. Assets under 20 installs on the day are not plotted.
Composite — every asset across every measure, 2026-08-06
DEww/bodysuit
Composite: every asset across every measure, normalised across the day
整条广告系列一共 7 个付费用户。 德语区从来没有任何一格过过 16 付费用户门槛,所以 B 表里的每一个数字 都只能看方向。
组内抢量重演了。 在 deat_ww4_broad_purchase_adv 内部,bodysuit 拿走了该组 67.7% 的花费, pool5 只有 3.8%,所以这四条全球素材在这里无法互相排序。
该广告系列已于 08-06 太平洋时间 22:49 关闭 ,Gen 7 到此结束,共运行约 33 小时。完整解读见 german_worldwide_swap_2026-08-06.md。
7 口径与边界
下面这个同期群数字发布时的覆盖率是 58%,此后已经走完。 在完整的 24 小时观测时长上,2026-08-06 的同期群是 $715.22 ,也就是2026-08-07 那份报告前一日列里带的数字;本页显示的是同一批人在更低覆盖率下的读数,不是另外一个数字。对比 08-05 已走完的 $1,258.59,这一天是 −43.2% —— 也就是本页当时拒绝给出的那个对比。当日回收与入账收入不受影响:本页发布时它们已经封存与结清。
前一天的数字与已发布的 08-05 报告略有出入。 那份报告用的是 08-05 太平洋时间 19:23 导出的分小时数据, 在 UTC 日结束后两小时;本报告用的是已结算后重新导出的数据。花费从 $625.17 变为 $631.70,+1.0%。 方向与已记录的一致:Meta 会继续结算几个小时,这也正是要等一天结束后再导数据的原因。
按本次数据截止时间,同期群 24 小时口径覆盖率 58%。 本页的日对日读数一律用当日回收;走完之后的数字在口径与边界里。
分国家的表是账户日口径 ,相对本报告其他所有表偏移七小时。
拆分让每个人只进一条实验臂,这消除了让 Gen 5 作废的投放窗口不重叠问题。
CTR 下跌的这一天,正是拆分测试开始的这一天,两者未必独立。 08-06 之前,五个广告组共用同一批受众, Meta 的竞价重叠规则会在每场竞价里只放其中价值最高的那一条 进去。从 08-06 起,每个人被固定分配到唯一一条实验臂, 账户因此失去了原本白拿的"五选一取最优"。这个机制预测的正是:素材没有变差、受众也没有变差,CTR 却会下跌。 这只是一个假设,但它意味着测试前的日子不能作为测试期日子的干净基线 , 合并口径下 15.9% 的 CTR 跌幅不应被读成衰减。
8 要把这些问题定下来,需要什么
CTR 的下跌到底是拆分测试还是买法 :用 08-07 对比 08-06,两天都在测试期内。两个测试期内的日子相比, 可以把结构变化整个从比较中拿掉。第一天的 CPI 排序到底是素材还是花费速率 :这需要各实验臂的实际花费相当,而测试本身并不提供这一点。 目前能做的最干净的检验,是在后面某个花费差距恰好更小的日子上再看同一个排序。每次安装的付费用户数,即预注册的主要指标 :需要同期群覆盖率达到 100%,因此 08-06 这一天最早也要到 08-08 才读得出来。
9 交给下一份报告的东西
测试还剩四天,08-07 是第一个可以和另一个测试期内日子相比的日子。德语区广告系列已关闭, 因此 08-07 又变回单广告系列的一天,第 5 节会只有一行,外加德语区只有入账、没有投放的尾巴。
10 复现
python -m ad_ops.measures --config _runs/2026-08-06_gen7_and_candidates/run_config.json --day 2026-08-06 --prev 2026-08-05
python -m ad_ops.day_compare --config … --today 2026-08-06 --prev 2026-08-05 --h 6
python -m ad_ops.cohort_arpu --config … --days 2026-08-02,…,2026-08-06
python -m ad_ops.asset_estimator hourly --meta <08-04,08-05,08-06 hourly> --lum <run>/lum --fx … \
--ads ww_bikini_10s,ww_bodysuit_10s,ww_pool5,ww_spill,ww_lounge \
--campaign bailingxia_meituan_ww_cvr_260802 --horizon 24
python -m ad_ops.report_tables --config … --day 2026-08-06 --prev 2026-08-05 [--campaign-table | --campaign ww|de]
python -m ad_ops.report_charts --config … --day 2026-08-06 --prev 2026-08-05 --days 2026-08-03,…,2026-08-06
数据导出时间 2026-08-07 太平洋时间 04:07–07:49:账户日 08-05 与 08-06 的广告 × 小时(各 24 个时段), 以及 7 月 1 日 → 8 月 7 日的广告 × 日、广告 × 国家 × 日。Lum 的 Telegram 导出在笔记本上于 2026-08-07 太平洋时间 07:55–08:00 完成:15,234 条注册、1,598 笔支付、8 笔未匹配 ,支付数据截至 2026-08-07 14:53 UTC。两个计数相对上一次导出都上升了,未匹配率为 0.5%,这三点正是判断导出没有被截断的依据。
11 附录 — 定义
报表时区是 UTC。 Adjust 按 UTC 报数,所以按 UTC 分桶的报告可以和归因看板直接对上。Meta 广告账户固定在 UTC-7,因此一个 UTC 日等于 账户日 D-1 的 17:00–23:59 加上 账户日 D 的 00:00–16:59,这就是每份日报都需要 两份分小时导出的原因。C 表的分素材国家结构跟不上这个时钟:折算是按账户做的,依据的是账户自己的分小时占比,而单条素材没有自己的分小时占比。
三种收入口径 ,不能只用一个,不能混用,永远标明用的是哪个:
口径 计什么 当日结束后还会变吗? 入账收入 当日内到账的钱,不论付费用户是哪天安装的。Meta 自己的数就是这个口径 午夜后约 4 小时结算完成,之后固定 当日回收 当天安装并且 在当天结束前付费 永不变。 午夜封存同期群 H 小时 当天的安装,每个人只计到其自身安装后 H 小时。项目默认 H=24 直到所有安装都活满 H 小时前会一直上升。必须写明覆盖率
三种口径都读自有支付记录。 Meta 只能表达 入账收入,所以它以括号形式出现在该列旁边, 永远不单独成行。
预算区间 指广告组日预算没有变动的一段时间。它之所以重要,是因为在这个账户上预算是地域旋钮:调高预算买到的是 更宽、更便宜的国家,所以跨预算变动去比较两条素材,比的是两批不同的受众。