针对用户点击广告前的优化，我们提供两个方向的建议： 1、受众定位做宽泛 1)简化广告结构：对多个区域、相同受众进行整合，集中广告预算，让广告统一展开并进行转化和投放学习。在设置受众时，勾选细分定位扩展，保证群组广告的受众人数在50人以上。 2)利用机器学习，使用自动布局功能/适应性广告形式；自动化布局功能可使广告覆盖面增加，让广告在不同展示网络中有更广泛的接触；适应性广告可自动组合上传的多个标题、标识、视频和图片，并调整大小、外观和格式以扩大覆盖范围。 3)扩大类似的受众比例：创造新的相似受众，确保对类似受众的预测覆盖面足够大。但使用这种方法时要注意，如果需要测试不同相似度的受众，在创建新的广告系列或广告组时排除已有的受众，这样不会产生受众重叠，避免在同一用户群体中出现重复曝光，浪费广告预算。 2、精确地分析数据，找出有10%能产生变化的人，然后用更好的材料吸引他们 1)对受众进行分析，寻找转化率较高的受众；通过空投转变为使用不同的兴趣词，分兴趣组来观察受众表现；扩大寻找10个人，使寻找用户的数量增加；观众分析则是要完成一项任务：将在10000人中寻找100个人，减少到5000人中寻找80个，甚至在1000人中寻找50个，也就是说把找到有转化的人的可能性增加了，扩大的几率是1%。 2)素材优化，材料点击率高：材料表现良好，在获得曝光机会的竞争中，广告获得曝光的机会就越大；越是愿意点击你的广告的人越多，就说明广告的转化效果越好。因此，无论何种广告平台，素材的好坏都是关键。