这是一个针对 B2B SaaS 场景运行 Meta 广告账户的运营决策系统，所有操作决策（何时替换广告、何时毕业、何时扩预算、生产多少创意）都依据同一套框架。核心原则：Meta 算法擅长优化投放，但看不到线索质量，B2B 中大量表单提交来自非目标客户，因此必须以“合格线索”而非原始表单填写作为判断依据。
用途与目标：所有阈值都由 TCPL（单个合格线索的目标成本）推导。若已知目标单次演示成本，则 TCPL = 目标演示成本 x QL 到演示转化率；若无目标但有历史数据，用近 30 天 CPL(QL) x 0.80 作为初始目标，之后替换为业务推导值并取更严格者；新账户可用目标 CAC 乘预期 QL 到客户转化率，或 EUR 300-800 的 B2B SaaS 基准作为起点。
主要能力：提供两套 CBO 广告系列结构（约 80% 预算用于扩量、20% 用于测试），说明为何测试需要独立硬预算以避免被成熟广告挤压；给出广告数量上限公式与每日预算、TCPL 对应的建议区间；把账户分为受众验证、创意扩量、自动化扩量三个阶段。决策树分两段：先做投放检查（第 7 天最低花费门槛、累计花费达 TCPL 后的投放终止条件），再做质量评估（数据是否足够、是否有像素线索、合格率与成本检查），并设有毕业条件与疲劳检查。还包含换稿规则（换稿必须同时补位，避免只暂停不补充）以及按失败原因选择迭代方向的清单。
创意产出：给出测试数量公式（每月测试数 = 测试预算 / (3 x TCPL)），以及迭代约 25%、全新概念约 10% 的胜率参考，和 50/30/20 的创意生产配比（针对头部表现的迭代、其他表现的迭代、全新概念）。
使用方式与限制：以每周一为固定评估节奏，拉取滚动 14 天数据；账号需保持在上限以内，否则低消耗不等于被算法否定。Advantage+ 需每个广告组每周 50 次以上转化，多数 B2B 账户不满足，因此框架主要面向第二阶段。资料中未提供具体工具安装或代码示例，价格与平台信息暂未提供。