- 同一个 ROAS 数字，在"打知名度"和"要转化"两种广告目标底下意义完全不同——只盯一个数字不看广告目标，是最常见也最贵的误判。
- CPM/CPC/CTR/CVR/CPA/ROAS/Frequency 这几个指标的定义和彼此关系是 AD REPORTS 这整个分类的地基，后面几篇的诊断框架都建立在这些定义上。
- 不同广告目标该盯的核心指标不一样，压低 CPC 不代表广告变好，反而可能拉高 CPA——这个误读单独拆一节讲清楚。
- Meta/Google/TikTok 三个平台用不同名字包装同一套"广告健不健康"的判断逻辑（例如 Meta 早就不用"Relevance Score"这个说法了），术语对照放在文末，切换平台看报表不会认错。
- 广告花的钱划不划算，最终要看 CAC 能不能被 LTV 覆盖——不是本篇范围，见
/business-data/20.php。 - 需要先懂广告报表在衡量什么、Impressions/Clicks/Conversions 这条漏斗式概念，没概念的话先看 [广告报表第 1 篇](/business-data/01.php)。
重点内容
核心指标速查
| 指标 | 怎么算 | 说明 | 数据来源 |
|---|---|---|---|
| Impressions（曝光） | — | 广告被展示的次数，一人可能被算多次 | 广告平台后台 |
| Reach（触及） | — | 广告触及到的不重复人数 | 广告平台后台 |
| Frequency（频次） | Impressions ÷ Reach | 平均每人看了几次广告，判断素材/受众疲劳的关键信号，见 [广告报表第 3 篇](/business-data/03.php) | 广告平台后台 |
| CPM（千次曝光成本） | Spend ÷ Impressions × 1000 | 曝光效率，认知类广告的核心指标 | 广告平台后台 |
| Clicks（点击） | — | 广告被点击的次数 | 广告平台后台 |
| CTR（点击率） | Clicks ÷ Impressions × 100% | 素材/文案对目标受众有没有吸引力 | 广告平台后台 |
| CPC（单次点击成本） | Spend ÷ Clicks | 每次点击花多少钱 | 广告平台后台 |
| CVR / CR（转化率） | Conversions ÷ Clicks × 100% | 点进来的人里有多少真的完成目标动作（购买/加购/表单） | 广告平台后台 |
| CPA（单次转化成本） | Spend ÷ Conversions | 每换来一个转化花多少钱，转化类广告的核心指标 | 广告平台后台 |
| ROAS（广告支出回报率） | Attributed Revenue ÷ Spend | 每花 1 块广告费换回多少销售额 | 广告平台后台 |
CPA 其实是 CPC 和 CVR 复合出来的结果——CPC 再低，CVR 太差，CPA 一样难看；CPC 偏高但 CVR 很好，CPA 反而可能健康。只看 CPC 判断广告好不好，等于只看了半条链路。
广告目标不同，该盯哪个核心指标
| 广告目标 | 该盯的核心指标 | 参考指标 | 常见误读 |
|---|---|---|---|
| 认知（Awareness，打品牌/铺曝光） | CPM、Reach | Frequency（避免同一批人看太多次） | 拿 ROAS/CPA 去评价纯认知 campaign——这类广告本来就不是为了立刻转化设计的 |
| 考虑（Consideration，导流/加购） | CTR、CPC | 落地页后续行为（跳出率、停留时间） | 只压 CPC 不管点进来的人是谁——CPC 低但流量质量差，后面 CVR 会补上这笔账 |
| 转化（Conversion，购买/表单/App 内行为） | CPA、ROAS | CVR、Frequency | 为了压 CPC 而扩大受众/放宽定向，结果 CVR 掉更多，CPA 反而变差 |
开新 campaign 前先确认这次的广告目标，把"该盯的核心指标"写进复盘表格，不要每次都默认先看 ROAS——用 ROAS 去评价一个纯认知类广告，十有八九会得出"这支广告很差"的错误结论。
ROAS 数字好看，是不是就代表赚钱
ROAS 只是"营收倍数"，不是"利润"——同一个 3x ROAS，毛利率 50% 的产品赚钱，毛利率 20% 的产品可能倒贴。
- Break-even ROAS（回本 ROAS） = 1 ÷ 毛利率。低于这个数字，广告花的每一块钱都在亏钱。
- Target ROAS（目标 ROAS） = 1 ÷（毛利率 − 目标净利率）。这是设定出价目标该用的数字，不是回本线本身。
- 例：毛利率 47%，想留 15% 净利，Target ROAS = 1 ÷（0.47 − 0.15）≈ 3.13x。
毛利率越低，需要的 ROAS 门槛越高——毛利 70% 的品类（美妆/数码配件）ROAS 1.4x 可能就打平，毛利 25% 的品类（服饰走量款）没到 4x 都在赔钱。开广告前先算好自己的 break-even ROAS，不要照抄别人品类的"健康 ROAS 区间"。
三个平台的"广告健不健康"术语对照
Meta/Google/TikTok 判断"这个广告本身质量好不好"用的名字都不一样，切换平台看报表容易认错：
| 判断维度 | Meta（Facebook/Instagram） | Google Ads | TikTok Ads |
|---|---|---|---|
| 创意/相关性质量 | Quality Ranking（跟抢同一批受众的其他广告比） | Ad Relevance（广告跟搜索意图的匹配度，Quality Score 三分量之一） | 没有单一分数，看 CTR + Hook Rate（前 3 秒留存率）等行为信号 |
| 预期互动/转化 | Engagement Rate Ranking、Conversion Rate Ranking | Expected CTR（Quality Score 权重最大的分量） | Watch Time、Hold Rate |
| 落地页/转化路径体验 | （无独立分项，体现在 Conversion Rate Ranking） | Landing Page Experience | （无独立分项） |
Meta 在 2019 年就把旧的单一"Relevance Score"拆成上面三个分项（各自评级 Above Average / Average / Below Average），现在如果还有人在说"看一下 Relevance Score"，说的是已经停用多年的旧指标——曝光数不到 500 次时这三个分项也不会显示，样本太小先别急着看。
建议行动
- 打开任何一份广告报表前，先确认这个 campaign 的目标是认知/考虑/转化，对照上面表格锁定该盯的 1-2 个核心指标，不要每次都先看 ROAS。
- 算一次自己主力品类的 break-even ROAS（1 ÷ 毛利率）和 target ROAS（1 ÷（毛利率 − 目标净利率）），写进复盘表格当基准线，不要凭感觉判断"这个 ROAS 算不算好"。
- 转化类广告如果发现自己一直在盯 CPC，改成同时看 CPA——CPC 压低了但 CPA 变差，就是被误导的信号。
- 切换广告平台看报表前，先确认要看的是哪个质量维度（创意质量/预期互动/落地页体验），照上面的术语对照表找对应指标，不要再用旧的"Relevance Score"说法去问后台或代理商。
Sources
Blog / Website：
- Digital Advertising Metrics Marketers Should Know and Understand in 2026 — Datawrkz（2026-09-28 查阅）
- How to Calculate Break-Even ROAS (and Why It Matters) — QRY（break-even ROAS = 1÷毛利率，2026-09-28 查阅）
- How to Calculate Break-Even ROAS (Formula, Steps and Examples) — GentoolLab（target ROAS 公式与 3.13x 示例，2026-09-28 查阅）
- 26 Tips To Get a Better Facebook Ad Quality Ranking — KlientBoost（Meta 三项 Ad Relevance Diagnostics 说明，2026-09-28 查阅）
- Google Ads Quality Score: Definition, Factors & 3 Ways to Improve It — Landingi（Quality Score 三分量与权重，2026-09-28 查阅）
- 15 TikTok Ads Metrics That Actually Matter (2026 Guide) — TikAdTools（Hook Rate/Hold Rate 说明，2026-09-28 查阅）
官方文档：
- About Ad Relevance Diagnostics — Meta Business Help Center（Quality/Engagement/Conversion Rate Ranking 官方定义，2026-09-28 查阅）
- About Quality Score for Search campaigns — Google Ads Help（2026-09-28 查阅）