Facebook 广告学习期的标志是广告组状态显示"学习中"——系统在探索最优受众和展示策略。理论上，一个广告组在 7 天内获得约 50 次优化事件后，系统会退出学习期进入稳定阶段。但很多账户长期停留在"学习受限"（Learning Limited）状态，性能不稳定，CPM 偏高，转化成本失控。本文系统梳理学习期的工作原理、触发 Learning Limited 的原因和对应解决方法。
学习期的工作原理
Facebook 的广告投放系统基于机器学习，需要通过真实的广告展示和用户行为来训练模型。学习期是系统收集数据的阶段，在此期间：
- 系统会主动探索不同受众细分、展示版位和时段的效果
- 由于探索阶段的低效展示，CPM 和 CPA 可能明显高于稳定阶段
- 每次广告组的重大修改（出价、预算、受众、素材）都会重置学习期
退出学习期的条件：广告组在 7 天内完成约 50 次优化事件（Optimization Event），例如 50 次购买或 50 次表单填写。
Learning Limited 的触发原因
1. 预算过低
如果每日预算低于目标 CPA 的 5 倍，系统每天能够产生的优化事件数量不足，导致 7 天内无法累积到 50 次事件。例如目标 CPA 为 $50，日预算低于 $250 就容易触发 Learning Limited。
2. 受众规模过小
过于精准的兴趣叠加、地理范围过窄、或自定义受众规模过小（低于 10,000 人），都会限制系统的探索空间，导致无法完成学习。
3. 优化事件选择不当
如果选择的优化事件在像素数据中发生频率过低（例如每周发生不到 10 次的"购买"），系统获取反馈太慢，无法有效学习。
解决方法：使用更高频的漏斗上层事件作为优化目标，例如"加购"代替"购买"，"填写表单"代替"完成注册"，待数据积累后再切换到更精准的转化事件。
4. 频繁修改广告组
每次对广告组的重大修改（修改出价超过 20%、更换受众、新增或删除素材、修改转化目标）都会重置学习期。频繁修改是 Learning Limited 最常见的原因之一。
建议：在学习期内，除非绝对必要，避免任何修改。用"创建新广告组"替代"修改现有广告组"，保护正在学习的广告组的完整性。
Learning Limited 的解决方案
方案一：提高预算
将日预算提高到目标 CPA 的 5–10 倍。如果预算敏感，可以先在 7 天内用较高预算完成学习期，等广告组退出学习期后再逐步降低预算（每次调整不超过 20%，避免重置学习期）。
方案二：扩大受众
关闭详细定向，开启 Advantage+ Audience（以前称为 Broad Audience）。让 Facebook 系统自主寻找最优受众，系统在大受众池中探索的效率通常高于手动定向。对于 B2B 品牌，可以将已有客户数据上传作为种子受众，使用相似受众（Lookalike）扩大受众规模。
方案三：合并广告组（广告组整合）
将多个表现相近、转化量不足的广告组合并为一个，集中预算和数据，帮助系统更快累积学习事件。这是 Meta 官方明确推荐的 Learning Limited 解决方案之一。
方案四：使用 CBO（Campaign Budget Optimization）
将预算控制权交给广告系列层级（Campaign）而非广告组层级（Ad Set），让系统自动将预算分配给当前表现最好的广告组，提高整体转化效率，帮助各广告组更快退出学习期。
方案五：切换优化事件
如果当前的优化事件（如"购买"）频率太低，暂时切换到频率更高的上层漏斗事件（如"加购"、"查看内容"、"潜在客户"），等系统学习稳定后再逐步切换回更精准的转化目标。
预防学习期过长的最佳实践
- 新广告组上线前确认日预算 ≥ 目标 CPA × 5
- 受众规模保持在 50 万以上（针对单个市场）
- 7 天内不对正在学习的广告组做重大修改
- 每个广告系列保持 <5 个广告组，避免过度碎片化
- 定期使用 Advantage+ Shopping Campaigns（ASC）作为主力跑量结构
如果你的 Meta 广告账户持续出现 Learning Limited 问题，通常意味着账户结构需要系统性重组。欢迎联系水滴探海进行免费的 Meta 账户诊断，我们会从账户结构、预算分配和优化事件设置三个维度给出具体方案。