受眾策略是 Facebook 廣告效果的核心決定因素
在 Facebook 廣告的所有設定中，受眾定向對於廣告效果的影響最為深遠。完美的廣告素材和文案，若展示給錯誤的受眾，只會帶來浪費；而精準的受眾策略，即使素材不夠精緻，也往往能帶來意外之喜。
本文將系統性地介紹 Facebook 廣告的三大受眾類型，以及如何在 2026 年的 AI 驅動廣告環境中，建立最有效的受眾管理策略。
一、自訂受眾（Custom Audiences）的六大來源
自訂受眾是以你已知的用戶數據為基礎建立的受眾群體。Facebook 允許以下六種數據來源：
網站訪客（Website Traffic）： 透過 Meta Pixel 追蹤訪問你網站的用戶。你可以按訪問的頁面（例如商品頁 vs. 結帳完成頁）、訪問時間（過去 7 天 vs. 過去 180 天）和訪問頻率進行細分。建立「訪問購物車頁但未完成購買（過去 14 天）」的受眾是再行銷策略中 ROI 最高的之一。
應用程式活動（App Activity）： 若有 App，可追蹤在 App 中完成特定動作的用戶（例如完成教學、達到特定等級、進行購買）。
客戶名單（Customer List）： 上傳你的 CRM 數據（電子郵件、電話號碼），Facebook 會將其與用戶帳號進行匹配。匹配率通常在 40-70% 之間，取決於數據新鮮度和完整性。對於台灣廣告主，同時提供電子郵件和電話號碼能顯著提升匹配率，因為許多台灣用戶使用電話號碼註冊 Facebook。
影片互動（Video Engagement）： 曾觀看你影片一定比例（例如看完 25% 或 75%）的用戶。這個受眾是品牌認知序列廣告（Sequential Advertising）的理想基礎，可以對已觀看介紹影片的用戶投放更深入的產品說明廣告。
Instagram 互動（Instagram Engagement）： 對你 Instagram 帳號有過互動（點讚、留言、私訊、儲存）的用戶。在 Instagram 購物功能使用率高的產品類別中，這個受眾往往有很高的購買意向。
Facebook 主頁互動（Facebook Page Engagement）： 對你 Facebook 粉絲團有過互動的用戶，包括訪問粉絲團頁面、點讚貼文、留言、分享等。
二、類似受眾（Lookalike Audiences）的科學建立方式
類似受眾是根據你的「種子受眾（Seed Audience）」特徵，找出具有相似屬性的新用戶。建立有效類似受眾的關鍵在於種子受眾的品質。
種子受眾的品質優先排序（由高到低）：
高價值購買者（購買金額前 10-20%）> 所有購買者 > 加入購物車者 > 完成特定頁面訪問者 > 所有網站訪客 > 粉絲團粉絲
使用高購買意向的種子受眾，能建立出更精準的類似受眾，帶來更好的廣告投資報酬率。粉絲團粉絲雖然是最容易獲取的種子受眾，但通常無法反映真正的購買傾向，不建議作為電商廣告的種子受眾。
類似受眾的比例選擇：
1%：最接近種子受眾的用戶，覆蓋最窄但精準度最高，適合預算有限或剛開始測試的情況
2-3%：平衡精準度和覆蓋範圍，是許多廣告主的首選
5-10%：覆蓋範圍大，適合預算充足且想快速擴量的情況，但精準度相對降低
多國類似受眾策略： 若目標市場包含台灣、香港、新加坡等多個繁體中文市場，可以使用台灣高價值購買者作為種子受眾，建立針對其他市場的類似受眾，往往能發現未被開發的潛在市場。
三、興趣定向（Interest Targeting）的正確使用方式
興趣定向是最多廣告主使用、但也是最常被誤用的受眾類型。常見的錯誤是過度堆疊興趣標籤，創建出「購買高科技產品 + 對科技有興趣 + 使用高端裝置 + 30-45 歲 + 年收入前 25%」的高度限制受眾，導致受眾規模太小、廣告競爭激烈、成本高居不下。
興趣定向的最佳實踐：
優先選擇核心行為興趣，而非廣泛類別。「已購買特定品牌產品」比「對科技感興趣」更精準。
使用「窄化受眾（Narrow Audience）」功能謹慎使用，只在確認相關性高時才加入多個條件，避免過度限縮覆蓋範圍。
對於新品牌或新市場，考慮從較廣泛的興趣定向開始，讓系統學習後逐漸優化，而非一開始就做高度限制的定向。
四、Advantage+ 系列功能如何改變受眾操作邏輯
2023-2025 年間，Meta 大幅推進 Advantage+ 廣告系列的應用，這個 AI 驅動的廣告系統根本上改變了受眾操作的邏輯。
Advantage+ Shopping Campaign（ASC）： Meta 最新的 AI 廣告系列，允許廣告主設定最小的定向限制，由系統自主決定向哪些用戶投放廣告。Meta 建議廣告主只提供廣告素材和轉換目標，讓 AI 在整個目標市場中尋找最可能轉換的用戶。
早期 ASC 測試顯示，對於擁有豐富轉換數據的電商廣告主（通常需要月轉換 500 次以上），ASC 的 ROAS 通常比傳統受眾定向高出 15-30%。但對於數據較少的帳戶，效果可能不如精準定向。
建議策略： 不要完全放棄手動受眾定向，而是並行測試 ASC 和傳統受眾定向廣告系列，根據實際數據決定資源分配。同時，即使使用 ASC，提供高品質的受眾信號（如再行銷名單、高價值客戶名單）仍能幫助系統更快找到目標受眾。
五、受眾重疊（Audience Overlap）的管理
當你同時運行多個廣告系列時，不同受眾之間的重疊可能導致你的廣告在同一次競價中競爭，推高 CPM（千次曝光成本）。
使用 Meta 廣告的「受眾重疊工具」（在廣告受眾頁面）定期檢查受眾之間的重疊率。重疊率超過 20% 時，建議重新審視受眾設計，考慮使用排除受眾功能來減少重疊。
典型的排除策略：在新客戶開發廣告中排除現有客戶、在潛在客戶廣告中排除已購買過的顧客、在特定商品廣告中排除已購買該商品的顧客。
六、受眾溫度（Audience Temperature）的漏斗管理
根據受眾對你品牌的熟悉程度，可以分為三個溫度層次，每個層次需要不同的廣告策略：
冷受眾（Cold Audience）： 從未接觸過你品牌的人。目標是建立初次認知，廣告重點在品牌故事、問題定義或引發好奇心。不宜直接要求購買，轉換率通常較低，但這是擴大受眾規模的必要環節。
暖受眾（Warm Audience）： 曾看過你的廣告、訪問過網站或與社群帳號互動過。這群人已有初步認知，廣告可以深入說明產品優勢、提供使用者評價或社會證明。
熱受眾（Hot Audience）： 加入購物車但未購買、瀏覽過商品頁多次或曾經購買過的用戶。這群人的購買意向最高，廣告可以直接提供優惠碼、限時折扣或新品通知，推動最終轉換。
正確的漏斗受眾管理能顯著提升整體廣告 ROAS，因為你在每個階段都在對適當的受眾說適當的話。
結語：數據驅動的受眾策略
在 Meta 廣告日益 AI 化的今天，廣告主的角色從「精確設定每個受眾參數」轉變為「為 AI 提供高品質的數據和清晰的業務目標」。投資建立第一方數據資產（CRM、Pixel 數據、會員數據），比精雕細琢每一個興趣標籤更能帶來長期的廣告效益。當你的數據資產越豐富，Meta 的 AI 系統就能越精準地找到最有價值的潛在客戶，形成正向循環。