Meta 广告五层变量素材实验室

问题：出图越快，素材越像

用 AI 出图之后，素材月产量从 15 条拉到 45 条，但单条素材的有效寿命从 4–6 周缩到 2–3 周。MIT 的实地实验（2,234 人 / 11,024 条广告）显示，AI 团队产量 +50%、文案质量更高，但产出更「自相似」，CTR 与成本没有净收益。Meta 自家数据却指向另一侧：使用真正多样化素材的广告主，CTR 高 11%、转化率高 7.6%。

问题不在 AI，而在把差异化做在了输出端——换背景、调滤镜、改排版。这类变体在 Meta 的 Creative Similarity 判定里会被归为一组，竞价时互相抢预算。

核心能力：五层变量 × 13 类素材

这套技能把差异化下沉到输入端的说服角度，拆成五层变量：

1. 产品认知——参数、功能、设计
2. 痛点——不用它的日子有多糟
3. 信任证明——凭什么信你
4. 价格锚点——用对比把账算给用户
5. 生活方式——用了之后想成为的人

每层再映射到 13 种素材类型（5 大类），按 AI 生成推荐度 分级。痛点层和价格层出来的图是两种不同说服逻辑，不是一张图换背景的变体——这正是绕开 Similarity 惩罚的关键。

五步工作流

• Step 1 · 产品画像拆解：输入落地页链接，输出一句话定位 + 3–5 个核心卖点
• Step 2 · 五层变量展开：每层给出说服逻辑 / 适用场景 / 创意角度 / 示例
• Step 3 · 匹配素材类型：决定哪些交给 AI 生成，哪些必须用真实素材
• Step 4 · 生成英文 Prompt：套用分层模板，保留可复现结构，供 Midjourney / DALL·E / SD 使用
• Step 5 · 输出实验矩阵：一行 = 一个可验证假设（变量层 × 素材类型 × 角度）

矩阵每行必须写清 假设 列——你究竟在验证什么。投后回填 实测CTR，跌破基线即标记 轮换。

适用边界

• 信任类不用 AI：好评图、用户返图、UGC 的价值就在「真」，一眼看出 AI 批量生成会直接拖垮 CTR。
• CTR 是领先指标：衰减先于转化恶化。逼近 1% 就该轮换，等 ROAS 掉下来再动手，钱已经花出去了。
• 先备弹药库再谈测试：13 类保证角度覆盖，五层保证每发子弹说服逻辑不重样。
• 模板替代不了判断：找 20–30 个竞品独立站，去 Meta 广告资料库看高频素材，培养对真实素材的直觉。