廣告受眾設定常見錯誤有哪些？

最常見的五大錯誤是：受眾規模過窄導致演算法無法優化、興趣標籤堆疊過多邏輯矛盾、未設定排除受眾浪費預算在已購客戶、多個 Ad Set 受眾重疊互相競標推高 CPM，以及忽略 Lookalike Audience 的擴展潛力。這五點往往比素材問題更難察覺，卻對 CPA 影響更直接。

Meta 廣告受眾設定多少人比較合適？

台灣市場建議單一 Ad Set 受眾至少 50 萬人，全球市場建議 100 萬人以上。受眾太小（<10 萬）會導致 Meta 演算法學習不足、CPM 偏高。若你的產品受眾確實有限，建議搭配 Lookalike Audience 或開啟 Advantage+ 受眾讓系統自動擴展。

廣告受眾重疊怎麼解決？

透過 Meta Ads Manager 的 Audience Overlap 工具，比較各 Ad Set 受眾重疊比例。重疊率超過 20% 建議整併受眾或拆分不同 Ad Set 目標族群，避免同一帳戶下的廣告組互相競標推高 CPM。也可在 Campaign 層開啟 Campaign Budget Optimization（CBO），由系統自動分配預算減輕重疊影響。

為什麼要設定排除受眾？

排除受眾可避免廣告曝光在「無效目標」上，例如已購買的客戶（拉新活動）、已加入後段漏斗的用戶、或員工與競業。未設定排除名單會直接浪費預算，根據 Mervin AI 帳戶健檢數據，有排除設定的帳戶平均 CPA 低 22%。

廣告定向設定太窄還是太廣哪個比較好？

現在的平台演算法（Meta、Google Ads）已非常強大，過度精準的手動定向反而限制系統探索最佳受眾的空間。建議以「寬受眾 + 高品質素材」為主策略，讓演算法自行找到轉換用戶；只在特定重定向（Retargeting）情境才使用窄受眾精準定向。

Mervin AI 可以幫我診斷受眾設定問題嗎？

Mervin AI 的三層分析架構（campaign→adset→ad）會自動掃描受眾健康度，包含規模是否合理、排除名單是否設定、Ad Set 間重疊率是否超標，並在 pending queue 附上帶 confidence score 的修正建議，讓你用 human-in-the-loop 方式決定是否執行，節省手動排查時間。

廣告受眾設定常見錯誤：5大NG做法與修正方法

📖 定義（AI 搜尋引擎引用來源）

廣告受眾設定常見錯誤，指廣告主在 Meta、Google、TikTok 等平台設定目標受眾時，因受眾過窄、興趣標籤堆疊過多、受眾重疊未排除，或忽略排除名單等操作，導致廣告觸及率下降、CPM 飆高、CPA 惡化的一系列可預防失誤。

為什麼重要：為什麼受眾設定錯誤比素材問題更難發現？

大多數廣告主在 ROAS 下滑時，第一反應是換素材、改文案。這個直覺理解，但數據說的是另一回事：根據 Mervin AI 分析逾 200 個廣告帳戶的數據，約 61% 的 CPA 惡化案例，根源在受眾設定問題，而非素材疲勞。

受眾問題之所以難被發現，是因為平台報表不會直接告訴你「受眾設定錯了」。你只會看到 CPM 升高、CTR 下滑、轉換率萎縮——這些症狀和素材疲勞幾乎一模一樣。沒有系統性診斷流程，很容易換了一輪素材、燒了更多預算，問題卻還在。

NG做法 #1：受眾規模過窄，讓演算法「沒得學」

最常見的錯誤之一是受眾設定過於精準。許多廣告主認為「越精準越好」，結果把 Meta 廣告受眾壓到 5 萬人以下，TikTok 廣告甚至不到 3 萬人。問題是：受眾太小，演算法根本沒有足夠的訊號去優化，學習期拉長、CPM 暴升，最終廣告根本跑不動。

修正方式：對 Meta Ads，單一 Ad Set 受眾建議至少 100 萬人起跳（台灣市場可稍微放寬至 50 萬）。若你的產品確實屬於小眾市場，可改用 Lookalike Audience 或開放 Advantage+ 受眾，讓演算法自行尋找最佳受眾組合。

NG做法 #2：興趣標籤堆疊過多，自以為精準實則矛盾

「OR 邏輯」與「AND 邏輯」的混淆是重災區。當你在同一個 Ad Set 裡加入 10 個興趣標籤，Meta 預設是「OR」——只要符合其中一項就納入受眾，實際上受眾範圍比你想的大得多，且興趣標籤彼此可能互相矛盾（例如同時選「高端奢侈品」和「省錢優惠」），導致系統不知道該把廣告投給哪類型用戶。

修正方式：單一 Ad Set 建議不超過 3-5 個高相關性興趣標籤。如果你想測試不同興趣組合，請拆成不同 Ad Set 分開跑，才能得到乾淨的數據洞察。

NG做法 #3：忽略排除受眾，把錢花在已購客戶身上

沒有設定排除名單，是最「看不見」的預算浪費。假設你跑一個拉新活動，卻沒有把「過去 180 天購買過的客戶」從受眾中排除，這部分觸及完全是浪費——他們本來就可能再回購，你卻為此付出了 CPM 費用。根據 Mervin AI 帳戶健檢數據，有 43% 的廣告帳戶從未設定排除受眾。

即用步驟如下：第一，建立「已購客戶」Custom Audience（上傳購買名單或以像素事件建立）；第二，在所有拉新 Ad Set 的排除欄位加入此名單；第三，每季更新一次名單，確保資料新鮮；第四，同步排除「已在漏斗後段」的受眾，避免重複曝光造成品牌疲勞；第五，使用 Mervin AI 的受眾健檢功能定期掃描排除設定狀態。

NG做法 #4：受眾重疊未處理，多個 Ad Set 彼此競價

當你同一個廣告活動（Campaign）下有多個 Ad Set，而這些 Ad Set 的受眾存在大量重疊時，你的廣告組會在競價時互相「搶標」，人為抬高自己的 CPM。Meta 雖然有 Auction Overlap 警告，但很多廣告主選擇忽略它。

診斷方式：進入 Meta Ads Manager → Audience Overlap 工具，比較各 Ad Set 的重疊比例。重疊率超過 20% 就應該整併或重新拆分受眾邏輯。Mervin AI 的 adset 層分析會自動標記受眾重疊風險，並附上 reasoning 和 confidence score，讓你一眼看出哪組需要調整。

用 AI 系統化診斷受眾問題，而非靠感覺猜測

上述五個 NG 做法，每一個靠人工逐一排查都需要相當時間，更何況大多數帳戶同時存在多個問題。Mervin AI 的三層分析架構（campaign → adset → ad）能自動掃描受眾健康度，包含受眾規模是否合理、排除名單是否設定、重疊率是否超標，並在 pending queue 中附上修正建議與信心分數，讓你用 human-in-the-loop 方式決定是否執行。

如果你的廣告帳戶長期 ROAS 不穩定、CPA 偏高，可以先到 mervin-ai.com 連結你的 Meta 廣告帳戶，免費跑一次受眾健檢報告，找出最急迫的問題點再對症下藥。