如果你在美国市场跑 Facebook 广告，自定义受众（Custom Audiences）大概率是你账户里的常驻武器。上传客户邮箱、圈定网站访客、抓取视频互动用户，然后期待算法在这些人里找到高转化人群。这套玩法本身没问题，但过去几年我在大量美国本土账户里反复撞见同一个被严重低估的问题：自定义受众不是静态资产，而是一批会随时间快速折旧的库存。很多账户 CPA 一路爬升、ROAS 持续走低，广告主的第一反应往往是“创意疲劳了”或者“算法又变差了”，但真实原因经常更简单也更扎心：你正在用一个已经过期的受众，去支撑一套仍然按高意图人群出价的竞价策略。这篇文章想认真聊聊这件事--自定义受众有价值半衰期，而绝大多数广告主从来没管过这个半衰期。
一个再营销受众的“沉默衰退”
说个我常遇到的场景。一个卖客单价 60 美元左右家居用品的美国 DTC 品牌，用网站访客建了一个 180 天的自定义受众，然后针对这帮人投放转化广告。前两周效果极好，CPA 只有 8 美元，比冷流量低一大截。到了第三周，CPA 开始慢慢涨到 12 美元，第四周 15 美元，两个月后已经逼近 25 美元--几乎和冷流量没啥区别了。品牌方通常会怎么做？我看到的大多数反应是：提高出价想“买回”之前的效率；或者加预算，因为“这个受众过去表现好”；再或者换素材，觉得是创意疲劳。很少有人去拆受众新鲜度。
但如果你把这个 180 天的受众打开看，会发现一个不太舒服的事实：大概 70% 的转化来自最近 14 天内的访客。那些 30 天前、60 天前、90 天前访问过网站的人，早就完成了自己的决策--要么买了，要么彻底流失了。剩下的人里，很多只是几十天前误点过一次链接，或者因为一个短期促销短暂停留过，购买意图几乎已经归零。更隐蔽的是，Meta 的竞价系统依然会把这群人识别为“与广告主有互动关系的用户”，在拍卖中给出更高的相关性判断。翻译一下就是：广告主在用高意图人群的价格，买一批实际上已经变成冷流量的曝光。这不是算法的问题，是广告主自己从来没更新过受众的“新鲜度”。
为什么这个问题很少被摊开说
你可能会问，这么明显的问题，为什么行业里很少有系统讨论？我觉得有三个原因。
第一，Meta 的后台不会主动暴露受众新鲜度。你在 Ads Manager 里能看到受众规模、频次、点击率，但几乎看不到“这个自定义受众里，最近 7 天活跃的用户占比是多少”。系统默认把“曾经互动过的人”和“最近互动过的人”混在一起，广告主如果不主动拆分，就永远看不到那条衰减曲线。Meta 没有动机把这件事摆在明面上，毕竟受众越大，广告主越愿意投钱。
第二，行业习惯是“设置完就忘”。大多数品牌创建 Custom Audiences 是一次性动作：上线时圈一批人，之后几个月甚至一年都不再碰。美国很多中小品牌没有专门的 marketing operations 角色，受众管理既不在周报里，也不在优化清单上。大家默认“我有一批再营销受众”是一个恒定状态，但事实上它每天都在变旧。
第三，代理商的报告更偏向展示“量”而不是“质”。报告里通常写的是“retargeting audience 带来了多少 ROAS”，但很少写“这个 ROAS 是由最近 7 天的访客贡献的，还是由 90 天前的访客贡献的”。一旦把时间维度拆开，很多看似健康的再营销数据会立刻暴露问题。广告主看到的是一张漂亮的总表，却不知道表里大部分贡献来自一小撮新鲜用户，而其余预算全浪费在了过期人群上。
不同类型自定义受众的半衰期差异
从实际操作看，不同类型的自定义受众，其“价值半衰期”差得挺远。下面这些数字来自我在美国市场多个垂直领域的账户观察，不是绝对标准，但能说明一个核心原则：不同受众类型的衰减速度不一样，不能用同一套时间窗口去管理所有自定义受众。
- 网站访客受众：半衰期通常在 14-30 天。最近 7 天的访客转化概率最高，30 天后大多数用户的行为已经接近冷流量。如果产品客单价高、决策周期长（比如家具、金融产品），半衰期可能延长到 45-60 天，但不会无限持续。
- 视频观看受众：半衰期极短，通常只有 7-14 天。用户看了一段视频但没有后续动作，兴趣消退得非常快。很多广告主喜欢用“观看 50% 视频”的人做再营销，但如果视频已经是一个月前的，这个受众基本失去了再营销意义。
- 客户上传名单：半衰期相对较长，但很依赖业务类型。快消品可能 30-60 天；订阅制服务可能 60-90 天；B2B 或高客单价耐用品的半衰期可以到 90-180 天。不过这里有个常见误区：很多品牌上传的是“过去两年所有购买客户”，然后长期投放。这个名单里其实塞满了已经流失、不再有复购意愿的人，但 Meta 会把整个名单都当作“高价值种子”来用。
- Lead form / 互动受众：半衰期一般在 30 天左右。填过表单但没转化的用户，如果 30 天内没有被有效跟进，后续通过广告转化的概率会大幅下降。超过这个窗口，广告预算基本是在为销售团队的迟缓买单。
更深的坑：过期信号会通过 Lookalike 被放大
这里还有一个更少被注意到的机制。Meta 的相似受众（Lookalike Audience）是基于自定义受众生成的。如果你用一个已经衰减的客户名单去生成 Lookalike，算法会从这些过期用户里提取共同特征，然后再去寻找“类似的人”。问题在于，过期受众中仍然活跃的那部分用户，可能并不代表你真正的核心客户。他们可能只是因为某个短期促销、某个节日活动、或者某个外部热点才出现。举个例子，一个品牌在黑色星期五期间收获了大量一次性折扣买家，如果把这些买家放进自定义受众并生成 Lookalike，Meta 很可能学到的是“对折扣敏感、节日驱动、低忠诚度”的人群特征，而不是品牌真正想要的长期高 LTV 客户。也就是说，自定义受众的衰减不仅影响再营销效率，还会通过 Lookalike 扩大错误信号。这一点在美国数字营销圈子里讨论得很少。大家习惯把 Lookalike 看成“自动找到更多相似客户”的工具，但很少有人追问：种子受众本身是不是已经被污染了？
把 Custom Audiences 当库存管：四个能立刻上手的动作
在当下的美国数字广告环境里，隐私政策收紧、信号损失加剧，第一方数据变得越来越金贵。但真正重要的不是你“拥有多少自定义受众”，而是你能不能管理受众资产的新鲜度。我从实际账户优化中总结了一套方法，核心就四个动作，每个都能直接落地。
1. 分层，不要合并
别只建一个“网站访客 180 天”的受众完事，按时间窗口拆开：
- 网站访客 7 天
- 网站访客 14 天
- 网站访客 30 天
- 网站访客 60 天
- 网站访客 90 天
对 7 天和 14 天的受众用更高的出价和更积极的转化目标；对 30-60 天的降低出价，或者把目标从转化调成“流量 / 互动”；90 天以上的基本别再当再营销主力，可以放进测试组，或者干脆排除。这么做的本质是让每一分钱都花在新鲜度匹配的人群上。
2. 动态刷新，别“设置完就忘”
利用 Meta 的自动更新规则或定期手动更新，让自定义受众保持“滚动窗口”。比如客户上传名单每 30 天更新一次，网站访客受众用“最近 30 天”而不是“过去 180 天”。很多品牌担心受众规模变小，但我的经验是：小规模、高新鲜度的受众，往往比大规模、低新鲜度的受众带来更低 CPA。规模不是资产，规模里蕴含的有效信号才是。
3. 建立排除受众，防预算泄漏
把已经转化的人从再营销受众里排除，这属于基础操作，但很多账户没做干净。更进一步，可以用排除受众做增量测试：创建一组“排除最近 30 天已购买用户”的受众，观察广告对剩余用户的实际增量贡献。这样就能更清楚地判断，你的再营销广告到底是在创造增量，还是在收割本来就会买的人。如果排除后 ROAS 大幅下降，说明之前看到的“好数据”有相当一部分是虚假繁荣。
4. 用“新鲜度占比”做诊断指标
不要只看受众的总体 ROAS，定期检查：在这个受众里，最近 7 天、14 天、30 天的用户分别贡献了多少转化？如果 70% 以上的转化来自最近 14 天用户，而你还在向 90 天用户大量投放，说明预算分配不合理。这个指标可以像电商的“库存周转率”一样，成为广告账户健康度的关键维度。建议每两周做一次这样的拆解，并把它写进优化周报。
真正的分水岭：从“精准”到“动态管理”
美国数字营销行业过去十年一直在强调“精准”。但 Custom Audiences 给我们的教训是：精准是一个动态状态，不是一次性结果。一个今天还高意图的用户，两周后可能就变成冷流量；一个今天高质量的客户名单，三个月后可能已经充满流失用户。在 iOS ATT 之后，Meta 的定位能力已经不像过去那样确定。很多广告主的第一反应是“扩大自定义受众规模”来弥补信号损失，但更专业的做法恰恰相反：缩小并刷新受众，用更高质量、更新鲜的信号去喂养算法。因为算法的学习能力再强，也不能把过期信号变成未来收益。
所以，接下来几年真正能拉开差距的，不是谁手里有更多的 Custom Audiences，而是谁能建立一套受众资产的动态管理流程。那些仍然把自定义受众当成“创建一次就结束”的广告主，会在不知不觉中为过期库存支付越来越高的溢价；而那些开始管理受众半衰期的团队，将在 CPA 和 ROAS 上获得明显优势。这才是 Custom Audiences 这个老话题里，最值得被重新讨论的部分。