SuperAPI AI 工具集

ad-library-teardown

营销与增长

查看项目

更新于 10-14 14:46

技能介绍

用途

Ad Library Teardown 用于分析公开广告,理解竞品的信息传达方式、优惠设置、创意策略和测试角度。其目标是产出一份实用的拆解报告,供营销人员据此撰写更好的广告或决定测试方向。

适用场景

当用户提出以下需求时使用本技能:

  • 分析竞品的活跃广告
  • 搜索 Meta/Facebook、Google 或 LinkedIn 广告库
  • 提取广告钩子、CTA、声明、优惠和落地页角度
  • 对比多个竞品之间的广告信息
  • 总结视频广告的文字记录
  • 基于竞品广告生成广告测试想法

数据来源

技能涉及以下广告库端点:

平台 搜索/列表端点 详情端点 文字记录端点
Meta/Facebook /v1/facebook/adLibrary/search/ads, /v1/facebook/adLibrary/company/ads, /v1/facebook/adLibrary/search/companies /v1/facebook/adLibrary/ad /v1/facebook/adLibrary/ad/transcript
Google /v1/google/adLibrary/advertisers/search, /v1/google/company/ads /v1/google/ad 不适用
LinkedIn /v1/linkedin/ads/search /v1/linkedin/ad 不适用

工作流程

  1. 找到广告主:当用户只提供品牌名称时,使用公司搜索端点;有域名、广告主或页面 ID 时优先使用这些标识。

  2. 获取活跃广告:除非用户要求历史分析,否则优先获取活跃广告。记录平台、广告主/页面、广告 ID、开始日期、创意类型、正文、标题、CTA、目标 URL 和来源 URL。

  3. 获取代表性广告的详情:通过详情端点补充广告信息;对于 Meta 视频广告,在可用时获取文字记录。

  4. 聚类信息:按以下维度对广告分组:痛点、人群、优惠、证明/社会证明、功能/利益、已处理的异议、对比/替代角度、紧迫感/折扣。

  5. 提取可借鉴元素:钩子、标题、主文案模式、CTA、声明、优惠、视觉/创意概念。

  6. 推荐测试:基于反复出现的模式和空白提出测试建议,而不是随机想法。

输出格式

报告结构如下:

# Ad Library Teardown: {brand}

## Summary
- Ads analyzed: {count}
- Platforms: Meta / Google / LinkedIn
- Main positioning:
- Strongest repeated offer:

## Messaging Angles
| Angle | Evidence | Example ads | Notes |
|---|---|---|---|

## Hooks and Headlines Swipe File
- "..."
- "..."

## Offers and CTAs
| Offer | CTA | Platform | Example |
|---|---|---|---|

## Video Transcript Notes
- [Ad](url): summary, hook, best quote

## What They Appear to Be Testing
1. ...
2. ...

## Recommended Tests for Us
1. ...
2. ...
3. ...

## Sources
- [Ad](url)

常见误区

  • 不要因为广告处于活跃状态就声称它表现优异。应表述为“活跃”或“重复出现”;除非端点返回相关数据,否则广告效果并不公开。
  • 不要忽略重复投放的广告,重复往往是值得注意的信号。
  • 不要臆造花费、转化率或定向信息,除非公开数据中包含这些内容。
  • 当用户要求从视频广告提取钩子或信息时,不要跳过视频文字记录。