一个广告表现的很优秀，为什么要用复制adset的形式来实现？而不是将它们复制到另一个CBO中并增加预算？
例如，我们在投放Facebook广告的时候，采用的策略是：
CBO 1-10个ADSET（这里面有5个表现好的广告）
CBO 2-10个ADSET（保留来自CBO 1中的5个表现好的广告，但每个再复制一遍）
上面的投放策略为什么要复制广告，而不是直接把CBO 2的预算翻一番？难道是担心这样受众会看到两次广告吗？
在回答这个问题之前需要知道-Facebook广告是怎么寻找匹配受众？
这部分想必应该很多人不了解，在此和大家普及下。
Ps：关于什么是CBO，CBO的原理，CBO的好处，以及CBO的注意点，这里就不讲了，大家可以自行去学习。
Facebook广告是怎么寻找匹配的目标受众？
Facebook在广告组这个层面的算法有点像这样：当投放广告的时候，广告系列中的广告受众会被分配到一个广告中。这些受众前期是在测试，测试阶段在Facebook体系里面，其实是一个动态匹配的过程（Facebook内部有匹配标准），根据这个标准来确定，哪些受众对你的广告做出了反应。
我们知道，Facebook ad的算法用的是预测性算法（Predictive Algorithm）。
简单的说，机器学习的算法通过“学习”广告投放得到的反馈（历史数据），对新的广告投放效果进行预测。而机器学习算法的两大类别：回归算法（Regression）和分类算法（classification）。
回归算法的结果是一些连续的值，比如一元二次方程里的一条直线，任意一个横坐标的X值，都可以找到一个对应的Y值。
分类算法的输出结果并不是连续的，而是一段又一段的区间。
举个例子，当你问“这个用户看到广告后会不会点击购买我的产品”？
通过分析，分类算法会告诉你，“Yes”还是“No”。但是回归算法会告诉你“只有68.59%的可能性会买，也有31.41%的可能性不会买”。
不管使用哪种算法，在广告投放领域，机器学习的核心都是通过分析audience的特性（demographics），来对TA的行为进行预测。
举个例子：
在广告组里面有一个广告a，广告a的受众设置的唯一兴趣爱好是phone cases。
第一天中，facebook的广告可能会针对这个兴趣爱好，推送给一些喜欢phone cases+喜欢狗的用户，并观察表现情况是如何的。
第二天中，Facebook可能会把广告推送给另外一批不同的受众，此时这些人情就不是喜欢phone cases+狗的用户，很可能是phone cases+猫的这些受众。
Facebook会根据这两批受众的不同表现，开始进行广告优化，这个优化是同时结合你的网站广告像素（pixel）数据来分析哪一部分受众最容易受到你的广告的影响。
这就是Facebook广告的优化测试，当然内部的算法肯定不是简单的一个一个来测试。Facebook对用户的特征掌握非常的清楚，会多维度同时测试。
这就好比Facebook会同时派遣几个先遣部队，去前面刺探（根据可能喜欢你产品的受众+网站像素）来找到最合适的受众。几个先遣队回来报告，看看哪个表现最好，在加大对该部队的预算。
好了解释完Facebook广告是怎么寻找匹配受众完之后，来解决一下上面的问题，为什么要以复制广告的形式来增加预算？为什么要用复制ad set的形式来实现？而不是将它们复制到另一个CBO中并增加预算？
复制广告主要是因为Facebook广告需要一段学习时间（learning phase），复制广告不会打断原广告的学习时间，而调整预算打断广告的学习时间。
举例：一个盈利的广告，每日预算为250美金，现在广告表现的很好，你调整预算到500美金，这个时候，这个盈利的广告需要重新学习，原先好的效果可能会被中断。
请大家注意，复制广告，是连广告系列一起复制。而不是原有的广告系列中，直接复制一个ads。