最初的Google AD 只能一个系列对应一个广告组，但随着机器学习的兴起，广告组开始可以多对一（一个系列）而多广告组结构能让广告更具有针对性和相关性。

这话怎么说呢？从国内的投放经验来看，一个组对应一个广告方便进行素材分析和数据整理，但到国外投放则要变一个思路

1个账号>多个广告系列>每个广告系列对应多个广告组

广告系列的划分可以是install、VAC1.0、VAC2.5或者VAC value，广告组的划分不要按照素材类型或素材尺寸分组，要按照主题分广告组，每一个广告组内部的所有素材类型主题要保持一致，每个广告组里的主题、描述、图片、视频一定要放满，以获得最高广告效力。

今天，在看文章时有个醍醐灌顶的图，也一起分享大家，很多同学认为标题就已经足够了，但没发现描述才是最能打动用户的那部分

在产品不同时段，广告组承担着不同使命！

产品初期利用广告组

更快获取大量新用户

在预算充足，出价合理的情况下，根据这一阶段的具体获客诉求制作相应主题的广告素材；例如：寻找新用户、配合时效性、季节性的运营活动等。可以将新素材以广告组的形式，加进现有的广告系列中，并充分利用已经积累下来的机器学习数据。避免为了配合临时性的运营活动、或为了满足短期内的起量需求，而在一个国家新开过多的广告系列，尽量使用广告组

调优期

通过广告组，进一步优化广告系列表现

在此阶段，很多同学会进行优化成本、提升转化率等，此时的广告系列基本已经度过学习期，在每次调优前，请先确保每个广告系列至少有 1-2 组表现优秀且稳定的广告组，并不对其做任何改动。通过在现有广告系列新建广告组的方式，每 2-3 个月更新一批素材。给到每一个新上传的广告组至少 2 周的学习时间，再进行“断舍离”。不要一次性替换掉所有的素材。如有需求，可优先考虑替换不起量的广告组；避免过度频繁调整广告组，否则会影响广告系列的机器学习。

稳定期：

利用广告组帮助广告系列维持稳定表现

当你希望提前规避大盘不稳定等因素，维护广告系列的稳定投放、面对不可抗力因素，可以采取措施使广告系列恢复表现时，你可以使用更多广告组的广告系列，这样抗波动性会较好。当一个广告系列已经失去竞争力，很难获得展示机会时，可尝试添加不同主题的新广告组，给广告系列创造新的学习机会。添加新的广告组后，可适当增加预算；不要比较广告组的效果（留存、营收），而要看广告系列本身的投放效果。

知识拓展：

什么是机器学习？

机器学习的核心是：“使用算法解析数据，从中学习，然后对数据做出决定或预测。”

在广告投放中，机器学习是通过综合分析用户在网络上的行为来确定哪些是高价值群体，而不是单一的“年龄”，“性别”，“地区”等表面上的维度去定义一个用户是否应该收到广告。从单一维度到多维度，实时分析人工无法实现的数百万个用户信号，根据 优化师设定的目标以及 Google 各个平台提供的标签，机器结合运作，最终帮助找到最适合的用户群体。

机器学习的训练原料就是过去累积的历史数据，由特征和标签组成，包括文案、图片、视频等。

所谓特征就是数据资料的属性，例如付费用户的爱好、兴趣、行为等。Label 则是资料的结果或者值。降低大量的数据资料经过特征萃取后产生 features 和 label，就可以透过机器学习产生模型，再用训练完成的模型对新的资料进行预测。这就是整个机器学习的过程。