客户
Vivense 是土耳其最大的在线家具和家居零售商之一。沙发、床、餐桌椅套装、户外家具、床垫、收纳——品类齐全，大规模在线销售。
家具电商有其特殊之处，这使得它的广告投放格外具有挑战性。客单价高，因此一次浪费的点击比大多数品类代价更高。决策周期长。而且最重要的是，商品目录会成倍扩张：一款沙发并不是一个商品，而是几十个——要考虑面料、颜色、尺寸，对于转角沙发来说还有朝向。左转角和右转角是不同的 SKU，库存水平也各不相同。
结果就是一个包含数万个独立变体的商品目录，每个变体都有自己的库存状态、价格和配送状态，而且这些信息每天都在变化。
问题
目录广告的原理是从 Feed 中提取商品并自动将其与用户匹配。正是这种自动化让它在大规模投放时效率很高——也正因如此，Feed 的准确性不容妥协。平台会投放 Feed 告诉它投放的任何商品。它对仓库中的实际库存一无所知。
对于像 Vivense 这样规模的商品目录，这会造成一个持续存在且基本不可见的漏洞。
缺货的变体仍在不断获得展示。一款灰色左转角沙发售罄了。在 Feed 反映出这一点之前，广告会继续投放——而且投放效果还不错，因为算法已经学会了这款商品表现良好。预算之所以流向它，恰恰是因为它过去能带来转化。如今，每一次展示都花在了一件没人能买到的商品上。更糟糕的是，点击广告的用户会落到一个无货的商品页面上，这让 Vivense 损失的不仅是媒体支出，还有一位高意向访客的信任。
预算被平均分配到一个表现极不均衡的商品目录上。在一个拥有数万个变体的商品目录中，一小部分商品贡献了大部分收入。如果没有商品层面的效果可见性，支出就会按照平台自身的逻辑而不是业务的逻辑进行分配——其中很大一部分落在了本就不可能带来回报的长尾变体上。
规模让这两个问题都无法靠人工管理。如果只有几百个商品，您可以发现这些漏洞。而面对每天都在更新的数万个变体，没有哪个团队能够手动审核商品目录。浪费在任何单个案例中都不显眼；它在整个商品目录中逐个商品地悄然累积。
综合来看，Vivense 面临的挑战非常具体：在广告中扩大商品目录规模，却不让随之而来的浪费也同步扩大。
解决方案
我们与 Vivense 的合作伙伴 D-DAT 一起，先把这当作一个数据问题来处理，然后才是创意问题。
在 Feed 中实时控制库存和有货状态
第一步是让 Feed 持续而非定期地准确反映 Vivense 实际能够销售的商品。变体层面的有货状态实时流入 Feed，因此售罄的商品会自动停止投放，无需等待手动导出或计划同步。
这听起来像是日常维护工作。但它的财务影响绝非如此。在高客单价品类中，每一次从无货商品转移出来的展示，都意味着预算被转移到能够转化的商品上，而这种效果会在整个商品目录中每天叠加。
商品层面的效果数据和评分
消除浪费只是等式的一半；另一半是决定回收的预算应该投向哪里。Feedance 的商品层面效果数据让我们能够看出哪些变体真正带来了回报，而不只是带来了点击——并据此构建 Feed，让预算集中到这些变体上。
我们按照效果和库存深度对商品进行细分，让广告系列能够重点推广那些既转化良好又有足够库存支撑需求的商品。商品目录不再是一份扁平的列表，而是一份有优先级的列表。
回答家具买家真正关心的问题的创意
数据层就位后，Creative Suite 自动为商品目录生成了品牌化的创意——每个创意都包含家具购物者在点击前需要了解的信息：
- Vivense 品牌标识组合，在所有版位上保持一致
- 划掉的原价和显示的购物车价格——只有让购物者同时看到两个数字，折扣才有说服力
- “Hızlı Teslimat”（快速配送）徽标（如适用）——在家具品类中，配送时间是真实存在的购买顾虑，在创意上直接回应这一点，就消除了一个让人犹豫的理由
- 季节性营销活动样式——春季、冬季和促销模板一次性应用到整个商品目录，让广告与营销日历保持一致，而无需每次都启动一个设计项目
由于这些创意是基于 Feed 数据生成的，它们会自动保持正确。价格变化会更新横幅。商品缺货会让它完全退出投放——创意和定向同步变化，而不是一个落后于另一个。
成果
ROAS 提升了 32%。
这个数字背后的机制值得准确说明，因为它并不是出价调整或预算增加带来的。同样的商品目录、同样的渠道，以及——就媒体计划而言——同样的运营，却带来了多出三分之一的回报，因为预算不再以两种特定的方式被浪费：花在无货的商品上，以及花在有货但不转化的商品上。
除了效果提升，Vivense 的团队还获得了运营上的杠杆效应。在数万个变体中管理创意和有货状态，从一项反复出现的人工负担变成了一个自动化流程——正是这一点让这一成果得以持续，而不只是一次性的营销活动胜利。
其他大型商品目录零售商可以从中借鉴什么
Feed 准确性是提升媒体效率的杠杆，而不是一项 IT 任务。在线 Feed 中的缺货商品不会主动暴露自己。效果仪表板只会把它们显示为曾经有效的广告。只有当有人将库存数据与广告支出关联起来时，浪费才会显现——而到那时，它已经累积了好几个月。
商品目录越大，长尾带来的成本就越高。每个零售商都知道，少数商品贡献了大部分收入。但真正在 Feed 中据此采取行动的却不多，因为这需要商品层面的回报数据，而不是广告系列层面的数据。没有这些数据，预算分配就会默认听从平台的判断，而不是您的判断。
在高客单价品类中，这笔账更加残酷。在一件 ₺200 的商品上浪费一次点击只是小麻烦。而在一张 ₺40,000 的沙发上，单次点击成本高到即使只有一小部分展示被误投，也会成为一笔可观的支出。商品价格高、决策周期长的品类，最能从严格的 Feed 管理中获益。
变体是 Feed 最容易出问题的地方。颜色、尺寸、面料、朝向——每个维度都会让商品目录成倍扩张，而每个变体都有自己的库存水平。把一个商品家族当作单一商品处理的 Feed，会投放部分无货的商品。正确处理变体的 Feed，只会投放能够发货的商品。
