在美國數位行銷這個圈子待久了，你會發現一個有趣的現象：大家開口閉口都在談「怎麼降 CPA」。常見的招式不外乎是細分受眾、多做幾組素材、啟用動態出價、或是用類似受眾（Lookalike）去擴大觸及。這些方法當然都有用，但效果卻愈來愈有限--尤其當市場競爭越來越激烈，隱私政策也一天比一天嚴格的時候。
我這幾年審過數百個廣告帳戶，從新創品牌到上市企業都有。我注意到一個很少被拿出來討論、但實際上對 CPA 影響超級大的因素：帳戶結構的混亂程度。我把它叫做「帳戶熵」（Account Entropy）。你可能沒聽過這個詞，但如果你曾經覺得「明明素材還不錯、受眾也對、預算也夠，為什麼 CPA 就是降不下來？」--那十之八九，你的帳戶正在被熵拖累。
一、帳戶熵到底是什麼？它如何悄悄吃掉你的預算？
熵，原本是熱力學裡用來描述系統混亂程度的詞。在廣告帳戶中，熵代表的就是你帳戶裡所有「多餘、重複、過時、混亂」的東西。隨著時間一天天過去，每個廣告帳戶都會不自覺地累積大量碎屑：
- 當初為了短暫測試而開設的廣告組，測試結束後就放著不管，從未關閉
- 功能一模一樣，只是命名稍微不同的廣告活動，例如「再行銷_v1」「再行銷_v2」「再行銷_測試」
- 那些早已失效的素材--過時的促銷圖、錯誤的 UTM 參數、或是連結到已下架產品的廣告
- 沒有清理的排除名單，導致不同的廣告組之間受眾重疊率高達八成以上
- 命名完全沒有邏輯，讓帳戶變成一個誰都看不懂的巨大垃圾場
這些碎屑單獨來看好像沒什麼大不了，但當它們大量存在時，就會在廣告平台的機器學習系統裡製造出一種「靜態摩擦」。意思是，演算法必須同時消化幾十個、甚至上百個彼此競爭的廣告組，而這些廣告組都在搶同一批轉換事件。結果就是學習樣本被稀釋掉，系統根本無法精準辨識哪種組合才是真的有效的。CPA 自然就慢慢往上爬。
二、真實場景：一個混亂帳戶的運作悲劇
讓我用一個實際案例來說明。想像你經營一間美國的 DTC 保健品品牌，剛開始只設了一個廣告活動，目標是「購買」，受眾是「類似受眾 1-3%」。一切順利，CPA 表現不錯。後來行銷團隊想測試不同的興趣組合，於是又開了幾個廣告組。接著有人建議要針對「再行銷 30 天」另外開一個活動，然後又有人想試試不同的折扣力度，於是一層層疊加上去。
半年後，你的帳戶裡有 17 個活動、超過 60 個廣告組。問題來了：這些廣告組的受眾有很大比例是重疊的。比如說「類似受眾 1-3%」、「興趣：健身」、「興趣：補給品」這三組，可能高達七成以上的使用者同時存在於兩個甚至三個組裡。Meta 的系統會讓這些組同時參與競價，結果就是：
- 內部競價--同樣的使用者被多個廣告組同時鎖定，平台讓這些組互相抬價，最後反而推高你的每次點擊成本（CPC）。
- 學習樣本分裂--每個廣告組都需要累積至少 15 到 25 次轉換才能進入穩定學習。當總轉換數被分散到 60 個廣告組時，大多數組會永遠處在「學習中」狀態，永遠無法獲得演算法的全力支持。
- 創意疲勞加速--因為重疊率高，同一批使用者會反覆看到類似的素材，頻率衝高，轉換率自然下降。
這三個因素疊加在一起，CPA 就會不知不覺從 $15 漲到 $25。而傳統的做法--「再增加一個受眾區隔」「再多做 10 則素材」--只會讓熵值更高，問題更嚴重。
三、去熵化：顛覆常識的逆向操作
我一直相信：降低 CPA 不一定需要新增更多變數。很多時候，大膽減少無效變數才是更有效的捷徑。我把這個過程叫做「帳戶去熵化」（Account De-entropification）。
去熵化不是一次性的清理，而是一種持續的帳戶管理紀律。以下我整理幾個具體可行的步驟，都是我實戰中反覆驗證過的。
步驟一：執行廣告組「死亡清理」
打開你的廣告帳戶，拉到過去 90 天的資料。找出符合以下任何一個條件的廣告組，然後勇敢地暫停、合併或刪除：
- 轉換次數低於 30 次（對 Meta Ads 來說，這是穩定學習的最低門檻）
- 花費超過 $500 但完全零轉換
- 單次轉換成本高於目標 CPA 的兩倍以上
- 過去 30 天內沒有任何曝光或點擊
很多人會怕，覺得「萬一它之後突然開始轉換怎麼辦？」根據統計，一個連續 30 天無轉換的廣告組，未來轉換的機率極低。留著它只會持續消耗系統的注意力，嚴重稀釋其他有效組的訊號。
步驟二：建立受眾「唯一性檢查」
使用平台內建的受眾重疊工具（Meta Ads 有 Audience Overlap，Google Ads 有 Audience Manager 的重疊分析）。找出目標區隔重疊率超過 70% 的廣告組，然後執行：
- 將功能相同的受眾合併成一個廣告組，並保留表現最好的素材組合
- 如果必須保留多個區隔，確保它們有明確的「非重疊」特性。例如類似受眾 1-3% 與再行銷 30 天是自然不重疊的（再行銷用戶不會出現在類似受眾裡），但兩個不同的興趣組合若重疊過高，就應該合併或重新定義
- 對於再行銷受眾，可以按行為深度分層：瀏覽過產品頁 vs 加入購物車 vs 完成購買。這些層級彼此互斥，才是健康的結構
步驟三：標準化命名規則並扁平化架構
混亂的命名系統是帳戶熵的主要來源。我強烈建議採用「行銷活動-廣告組」兩層結構，絕對不要超過三層。命名規則最好包含四個關鍵資訊：
- 目標轉換類型：例如「購買」、「表單」、「註冊」
- 受眾維度：例如「類似_3%」、「興趣_健身」、「再行銷_30天」
- 創意主題：例如「見證式」、「促銷型」、「教育型」
- 日期或版本號：例如「v1」、「202503」
實際範例：購買_類似3%_見證式_v1。一致的命名讓團隊能一眼看懂每個廣告組的定位，也讓平台演算法更容易識別帳戶的邏輯。
步驟四：導入創意「新鮮度計時器」
廣告疲勞是 CPA 攀升的隱形殺手。我對每個廣告組內的素材都會設定明確的壽命--通常三到四週。時間到了就強制輪替，即使這個素材目前的表現還算不錯，也要先暫停、換上新的。為什麼？因為持續曝光同一則素材會讓轉換率逐週遞減，而且遞減的速度往往比你想像的快很多。
同時，一定要清理已經失效的創意：包含失效的 UTM 參數、過時的折扣碼、連結到錯誤著陸頁的素材。這些「幽靈創意」會誤導系統，讓轉換訊號對應到錯誤的路徑，嚴重影響學習品質。
四、真實案例：一次去熵化讓 CPA 下降了 37%
幾年前，我幫一家總部位在洛杉磯的 DTC 保健品牌做顧問。他們的 Meta Ads CPA 從 $18 一路漲到 $26，團隊嘗試過新的受眾、更多的素材、甚至提高出價，完全沒用。當我第一次打開他們的帳戶時，簡直傻眼：裡面有 12 個廣告活動、超過 80 個廣告組，其中至少 7 個活動的目標完全相同（都是「購買」），只是受眾設定稍微不同。
受眾重疊分析更驚人：他們針對「類似受眾 1-3%」總共開了 4 個廣告組，彼此重疊率高達 85%。再行銷部分更是亂成一團--有「再行銷 7 天」、「再行銷 30 天」、「再行銷 180 天」，還有「網站訪客再行銷」，但實際上這些受眾互相包含，根本沒有區隔意義。
我們進行了以下去熵化操作：
- 把所有「購買」目標的活動合併成一個，只保留三個明確的廣告組：類似受眾 1-3%（找新客戶）、再行銷 30 天（追回潛在客戶）、寬集合受眾（興趣：健身、健康、有機食品）。
- 刪除了過去一年累積的 47 則未使用素材，並清掉所有失效的 UTM 標籤。
- 為每個廣告組設定素材輪替規則：每三週強制更換。
結果：兩週內，CPA 從 $22.8 降到 $14.4，降幅達 37%。更棒的是，轉換量不但沒有掉，反而因為學習效率變好，還增加了 22%。這個案例讓我更堅信：當你把帳戶裡的雜訊清乾淨，機器學習才能真正發揮它應有的威力。
五、如何維持低熵狀態？實用的監控習慣
去熵化不是做一次就結束的事，它需要持續的紀律。我建議團隊養成以下幾個小習慣：
- 每月檢視帳戶廣告組總數。對於大部分中小型廣告主來說，5 到 10 個廣告組通常是最佳區間。超過這個數量就要警覺。
- 每週檢查受眾重疊率。使用平台工具，一旦發現新增的廣告組重疊率超過 70%，馬上合併或調整。
- 維持創意存貨周轉率。確保每週都有新素材上線，同時按週期讓舊素材退役。
- 監控學習狀態分佈。在 Meta Ads 後台可以看到每個廣告組的學習狀態。目標是讓 80% 以上的廣告組處於「活躍」狀態（已累積足夠轉換脫離學習期）。如果比例太低，代表結構需要重整。
另外，我建議團隊設立一個「廣告帳戶清理日」，例如每個月最後一個星期五，大家一起花 30 分鐘檢視帳戶，找出需要暫停、合併或優化的部分。這個小習慣能有效防止熵值再度累積。
六、結語：帳戶結構本身就是優化工具
現在的社群廣告平台越來越依賴機器學習，廣告主往往把全部注意力放在受眾與創意上，卻忘了帳戶結構這個基礎設施。一個乾淨、有邏輯、低熵的帳戶，就像一條暢通的高速公路，讓演算法的能量可以直達目標轉換；反之，一個混亂的帳戶就像充滿路障的迷宮，再強的演算法也施展不開。
下次你苦惱於 CPA 居高不下的時候，先問自己一個問題：「我的帳戶裡有多少看不見的熵正在拖累整個系統？」也許，你真正需要的不是更多受眾、更多素材、更多預算，而是一次徹底的結構大掃除。這幾年我在美國市場的經驗告訴我：去熵化，正是那根你一直在尋找、卻從未察覺的最強槓桿。