如何衡量广告创意的表现：四层评估协议

衡量一条创意，是在相同条件下比较不同版本，而不是读取某个绝对数字。我们把四层指标叠加起来：注意力（hook rate = 3 秒播放量 ÷ 展示量，Meta 上为 3 秒，TikTok 上为 2 秒）、留存（15 秒处的 hold rate）、行动（外链点击率 CTR、转化率 CVR）和成本（单条创意的 CPA）。每个数字只有在版位、受众温度和时间窗口完全一致、且样本量超过最低门槛时才成立；低于门槛，你读到的只是噪音。本文接下来会给出各层的样本量下限、可比性条件，以及把这四层转化为“淘汰、迭代或放量”决策的决策表。关于 TikTok，TikTok Ads Manager 帮助中心将 2 秒播放量定义为：在一次展示会话中，您的视频被播放至少 2 秒的次数，重复播放不计入。

为什么单看 35% 的 hook rate 什么也证明不了？

因为 hook rate 不是视频本身的属性，而是视频、版位和受众三者共同作用的结果。只要改变其中一项，数字就会波动十个百分点，而视频的任何一帧都没有改动。

今年读到的最有用的数据来自 AdSights（2025 年分析，Sepia Lab 于 2026 年转载）：在冷启动拓客中，thumbstop 在 18% 至 28% 之间，中位数约 22%；在热受众再营销中，同一指标升至 30-45%，中位数 36%。相差十四个百分点，原因在受众，而不在创意。

把它和人人都在重复的那条标准——“超过 30% 就是好创意”——放在一起看，问题就清楚了：一条平庸的创意投给已经熟悉品牌的受众，也能超过这条线；而一条扎实的创意投给冷受众、在放量中的账户，反而会低于它。两种情况都被误判了。在我们接手制作前做的账户审计中，这是最常见的错误：创意排名所依据的数据行，既不在同一个位置投放，也不是面对同一批人。

最常见的三种数据污染

• 受众温度。再营销、1% 相似受众、广泛受众：这是三种不同的 thumbstop 水平。拿再营销创意和拓客创意比较，就像拿下坡冲刺和上坡冲刺比较。
• 版位混投。Feed、Reels、Stories、Audience Network 的自动播放行为和注意力成本各不相同。一条创意如果有 60% 的展示落在 Audience Network，它呈现出的 hook rate 没有人能解读。据 CB News 转引的Médiamétrie《L'Année Internet 2025》，移动端占法国人上网时间的 80%，而 2020 年为 66%。
• Advantage+ 与不受控的分发。当算法自行决定各素材之间的预算分配时，获得 70% 花费的创意未必是最好的，它只是赢得了最初几个小时的探索期。这是分配偏差，不是评判结论。

再补充一个很多人忽略的细节：Meta 没有发布任何官方的 hook rate 基准。市面上流传的 25%、30%、40%，是从业者的约定俗成，由第三方工具（AdSights、Sepia Lab、Benly、Hawky）基于各自管理的账户汇总而来。它有参考价值，但不是标准。

如果你想了解这些比率本身及其在广告管理工具中的计算方式，我们已经写过Meta Ads 视频需要衡量的三个比率。本文讨论的是更上一层的问题：一个数字在什么条件下才有资格进入决策。

没有可比性条件的绝对阈值，不过是带着小数点的一种意见。

创意衡量的四层指标是什么？应该按什么顺序阅读？

注意力、留存、行动、成本，按这个顺序，绝不能换。顺序并不是为了好看：每一层都会过滤下一层可用的样本量。如果 100 人看到了展示，其中 20 人停留了 3 秒，那么你的 hold rate 是基于这 20 人而不是 100 人计算的。先看 CTR 再看 hook，就像盯着水费账单来诊断漏水。

第一层：注意力

Hook rate 只衡量一件事：有多少人没有划走。仅此而已。高 hook rate 说明不了销售，而低 hook rate 则会判整个漏斗死刑，因为它缩小了后三层的计算基数。这里不再展开 hook 的制作方法，那是我们广告视频 hook 的定义与成本一文的主题。据 The Media Leader 报道的Kantar Media 2025 年 TGI 研究，47% 的受访者表示从不观看社交网络上的广告。

第二层：留存

Hold rate = 15 秒播放量 ÷ 3 秒播放量。请务必注明你所使用的公式，因为市面上流行三种定义：相对于 3 秒播放量、相对于展示量，或以完播百分比表示。三者的数字互不可比。我们使用第一种（AdSights，2026 年指南），并在每份报告中把它完整写出来。

第三层：行动

先看外链 CTR，再看 CVR。外链 CTR（而不是“所有点击”的 CTR，后者包含展开文案和点击主页名称的点击）衡量承诺是否引发了行动；CVR 衡量这个承诺是否兑现得了。当 CTR 很好而 CVR 崩塌时，问题几乎从来不在视频，而在视频的承诺与页面所呈现内容之间的落差。

第四层：成本

单条创意的 CPA 是你真正关心的唯一数字，也是最晚才变得可靠的数字。至于 ROAS，它不是素材层面的指标，而是账户层面的指标，最多到广告系列层面。在 Advantage+ 环境中把它归因给某条视频，就像把整支球队的得分记在某个球员头上。我们在创意广告应该期待多少 ROAS中讨论了现实的区间；这里只需记住：报告里出现“这条创意的 ROAS：2.4”这样的句子，是需要质疑的。

2026 年各平台应采用哪些阈值，它们究竟从何而来？

市场阈值用于发现异常，而不是验证一条创意。把它们当作烟雾报警器：低于你所在平台的中位数，很可能存在结构性问题；高于中位数，你仍然一无所知，必须与自己的基线比较。

关于留存，Adlibrary（2025/2026）给出的冷流量健康区间是 15 秒处 15% 至 25%，或 75% 完播位置处 8% 至 15%。低于 10%，说明视频中段存在结构性问题：证明来得太晚、铺垫过多、让人留下的理由不足。DTC 最佳水平在 25% 至 30% 之间。

几乎没人做的 TikTok 校正

同一条创意、同样的剪辑、同样的配音：TikTok 的留存在结构上就低于 Meta（Adlibrary，2026），因为那里滑动几乎是条件反射，退出成本为零：视频一循环，用户很早就会自己切到下一条。我们不止一次看到团队拿 TikTok 的 hold rate 对照 Meta 的阈值，就得出“UGC 在 TikTok 上没用”的结论。诊断错误，决策错误，整批素材被白白丢弃。

两个可靠来源，两种真相：服饰类 CTR 的例子

Sepia Lab 在其《Video Ad Benchmarks by Industry 2026》中，给出服饰类 Meta 视频的数据：CTR 2.25%，CVR 1.46%，CPA 36.76 美元，ROAS 2.18。Trendtrack 在 2025 年针对同一垂直领域给出的是：CTR 1.24%，CVR 4.11%，CPA 10.98 美元，ROAS 2.30。CTR 相差近一倍，CPA 相差三倍。据 Kantar Media 2026 年第一季度 Total Vidéo 报告，在法国，时尚行业把 52% 的视频广告投资放在 Paid Social 上，远高于市场平均水平。

两者都没有说谎。它们的账户样本不同，平均客单价不同，对“点击”的定义也不同。操作层面的结论是：外部基准永远不能取代你自己的内部基线。它只用来在起步时框定数量级，仅此而已。作为市场参考：WordStream/LocaliQ（Facebook Ads Benchmarks 2025）针对所有行业的流量类广告系列，公布的平均 CTR 约为 1.7%，平均 CPC 约为 0.70 美元；而 Triple Whale 一类的电商样本则显示，过去滚动一年中 Meta 的 CPM 约为 15 美元，这个数量级来自私有样本，需要到原始报告中核实。以上金额均为美元，与来源发布的一致。

一条创意要达到多大的量才能被评判？

每一层都有自己的下限；没有达到下限的那一层根本不该读，而不是“谨慎地读”。这是内部最难坚持的纪律，因为广告管理工具里显示的数字总会让人产生它是信息的错觉。

下表的下限是我们在客户账户上采用的标准。它们不是 Meta 或 TikTok 公布的阈值，而是一种工作约定，目的是让创意排名不再天天变来变去。如果你的转化率很高或客单价很低，你自己的阈值可能有所不同。

防止过早淘汰的规则只有一行：在该素材的花费达到目标 CPA 的 3 倍之前，绝不依据第四层淘汰一条创意。在此之前，你是在凭运气做裁决。不过，你完全可以在第一层很早就淘汰它：冷受众下，10,000 次展示时 hook rate 只有 11%，不会自己回升，没有理由花钱去验证。

J+3 / J+7 / J+30 的节奏还取决于背后的制作产能。一个每月产出 4 条创意的品牌，无法保持与每月产出 25 条的品牌相同的决策节奏：具体计算见创意广告需要多长时间才能看到结果。

“我们的数据够了吗？”正确的回答不能靠感觉，而是在测试启动前就写好的下限，并且即使数字诱人也要遵守。

如何标准化两条创意，使它们真正可比？

必须有五个条件完全一致：版位、受众温度、时间窗口、预算机制和广告系列目标。只要有一个不同，所谓的胜出者就是统计学上的幻觉。

可比性的 5 个条件

• 版位。一次测试只用一个版位，或者至少在报告中按版位拆分。Reels 和 Feed 不能混在一个平均数里。
• 温度。冷对冷。AdSights 的 14 个百分点差距，足以颠倒一个排名。
• 窗口。同一个日历周期，同样的星期几。周五启动的测试和周二启动的测试，面对的竞价竞争并不相同。
• 预算机制。要么所有版本使用相同的广告组预算，要么都放在同一个 CBO 广告系列里。绝不能两者混用。
• 目标与优化事件。以“加入购物车”优化的创意和以“购买”优化的创意，获得的流量类型不同。

我们采用的测试协议

为测试单独设立一个广告组，与放量的结构分开。最多 3 至 6 个版本，因为超出这个数量，预算会被稀释，没有一个版本能达到转化下限。预算倒推计算：版本数 × 3 倍目标 CPA = 测试预算。时长预先设定，7 天或 14 天。最初 72 小时内不做任何干预，这段时间算法在探索，产生的数字不稳定。

最重要的是：各版本之间只改变一个变量。hook 不同，主体相同；或者主体不同，hook 相同。如果你同时改变 hook、配音和 CTA，你会知道哪个版本赢了，却永远不知道为什么，下一批也无法复制任何经验。

同样的内部基线逻辑也适用于媒体成本：建立你自己的参照体系，永远胜过照搬另一个市场的数据。操作方法见14 天建立你自己的 CPM 基准。

当各层指标互相矛盾时怎么办？

两层之间的矛盾，是你能得到的最有用的诊断：它能把缺陷精确定位到某一秒。一条“各项都平平”的创意什么也教不了你。而一条 hook 42%、hold 7% 的创意，会明确告诉你该重做什么。

“hook 弱、hold 强”这一类是我们在电商客户身上最想找到的，因为它的修复成本最低。视频主体已经被看满 15 秒的观众验证过，只需要再拍四个 3 秒的开头。边际成本几乎为零，却可能让全部展示量受益。

还有一种情况不在表格里，因为它属于另一种诊断：在没有任何改动的情况下，两周后所有层级的指标都逐步下滑。此时问题不再是创意质量，而是受众疲劳，我们在视频广告疲劳及其误诊一文中有专门讨论。

如何从衡量走向决策：淘汰、迭代还是放量？

有三种结果，只有一条规则：决策必须在看数字之前就写好。否则你总能找到一个解读角度，去挽救你投入精力最多的那条创意。

决策表

• J+3 淘汰。冷受众下 hook rate 低于 15%，且已达到 10,000 次展示。没有讨论，也没有“再给它一次机会”。
• J+7 迭代。Hook 合格，但下一层不达标。我们把它带着明确指令送回制作，指令来自上方的诊断表。只改变一个变量。
• J+14 或 J+30 放量。在至少 25 至 30 次转化的基础上，CPA 低于目标。我们以 20% 至 30% 的幅度分阶段提高预算，同时已经开始准备延展版本，因为胜出的创意终会损耗。
• 留作备用。第四种结果，很少被正式化：一条在拓客中表现平平的创意，完全可能在再营销中表现出色。不要丢掉文件，换一个受众层级即可。

创意评分卡：5 至 7 项指标，而不是一项

能长期使用的评分卡会对 5 至 7 项指标加权（Hawky.ai，2026）。Benly.ai 在 2026 年给出了一个典型权重：hook rate 25%，hold rate 20%，其余分配给完播率、外链 CTR 和 CVR。我们还会固定加一行样本量：一条创意的得分如果只基于 4,000 次展示，无论得分多少，都会被标记为“不可评判”。

小心相反的陷阱。单一分数让管理层安心，却恰恰掩盖了制作所需的信息。一条 72/100 的创意，没有告诉任何人下周该重做什么。请始终把各层的明细与分数放在一起。

胜出率，真正值得关注的指标

在体系层面，单条创意的表现不如整批产出的成效重要。要产出多少条创意，才能有一条低于目标 CPA，并且持续保持 30 天？这就是每条胜出创意的成本，也是把你的制作预算与损益表联系起来的唯一一行。具体计算见电商中每条胜出创意的真实成本。

我们不知道的，也拒绝假装知道的是：不存在通用的胜出率。在我们的账户上，它随账户成熟度、受众宽度和产品性质而有很大差异。优惠有力、受众宽泛的品牌，找到胜出创意的速度远快于高客单价的小众产品。请在连续三批中衡量你自己的胜出率，再把它定为目标。

创意报告中应该要求哪些指标，又应该拒绝哪些？

要求按素材、按版位、按温度拆分的指标；拒绝任何被当作创意表现呈现的账户平均值。一份只给出整体 ROAS 和三张视频截图的报告，不是创意报告，而是一场演示。

报告表格中应强制加入的四列：素材编号、版位、受众温度、每一层达到的样本量。没有这四列，后面的表现数字即便准确，也无法解读。

一个需要保留意见才能引用的数字：Motion 的数据经 Jetfuel Agency 于 2026 年转载，称 73% 的电商视频广告在前三秒内失败。来源本身就指出了这一衡量方式的方法论局限。请把它当作第一层重要性的数量级参考，而不是可以在会议上引用的统计数据。

没有“样本量”这一列的创意报告，只是一份意见报告。我们从 2024 年起就不再发送这样的报告。

如果你现在的衡量方式不对，从哪里开始？

取出你最近的三十条创意，在看任何数字之前，先按版位和受众温度重新分类。这只需要半天时间，而在我们接手的大多数账户里，仅这一步分类就会推翻两三个既有排名。

然后，写下你的下限。不是表现阈值，而是样本量下限：谈 hook 之前需要多少次展示，谈 CPA 之前需要多少次转化。把它们放在与报告相同的文档里。只要这两个数字没有确定，“如何衡量一条创意的表现”就只是纸上谈兵，因为每次会议都会重新提起“我们的数据够了吗”这个问题。

最后一点，也是最让人不舒服的一点：在产能过低的前提下，再完美的衡量协议也毫无用处。如果你每季度只产出三条创意，你永远不会有足够多的版本让比较说明任何问题。衡量是测试量的函数。每个角度应该制作多少个延展版本，我们在先 3 个、再 5 至 8 个版本的规则中给出了量化答案，在你改进任何数据看板之前，这很可能是今年最能改变你数据的杠杆。

常见问题

Hook rate 和 thumbstop 之间的确切区别是什么？

在日常用法中，两者指的是同一件事：产生一次播放的展示占比，Meta 上为 3 秒播放，TikTok 上为 2 秒播放。“Thumbstop”来自英语世界的行业用语，法语中对应的是“taux d'accroche”。请务必确认你的工具所采用的时长：有些仪表盘即使在 Meta 上也按 2 秒计算 thumbstop。

能把 ROAS 归因到某一条具体创意吗？

不能，至少在 Advantage+ 或 CBO 环境下无法可靠地做到，因为算法依据你无法控制的信号在素材之间分配花费。ROAS 是广告系列或账户层面的指标。在素材层面，请使用 CPA 和获得的花费占比，并始终注明数字背后的转化量。

评判 hook rate 之前需要多少次展示？

我们的下限是：读取 hook rate 之前，每个素材需要 8,000 至 10,000 次展示；读取单条创意的 CPA 之前，需要 25 至 30 次转化。这些是工作约定，不是平台公布的阈值。低于这个量，创意排名会天天变化，决策也就变成了随机。

为什么同一条视频，我的 hold rate 在 TikTok 上比在 Meta 上低？

据 Adlibrary 2026 年的数据，在创意相同的情况下，TikTok 的留存在结构上比 Meta 低 5 至 10 个百分点，因为该应用大约在第五秒就会切换到下一条视频。拿 TikTok 的 hold rate 对照 Meta 的阈值，会得出错误的诊断。下结论之前，请为每个平台分别建立基线。

Meta 是否发布官方的 hook rate 基准？

没有。市面上流传的 25%、30% 或 40% 的阈值，来自第三方工具和从业者的汇总（AdSights、Sepia Lab、Benly、Hawky、Billo），各自基于自己管理的账户。它们用来发现异常，而不是验证一条创意。你自己的内部基线，也就是在你的版位和受众上测得的数据，才是参照标准。

需要用单一分数来给创意排名吗？

单一分数便于在会议上阅读，却会破坏制作所需的有用信息。据 Hawky.ai 2026 年的数据，可操作的评分卡会对 5 至 7 项指标加权，例如 Benly.ai 给 hook rate 25%、给 hold rate 20%。请始终把各层的明细与汇总分数放在一起。