JHamidun Meta Ads Analysis & Diagnosis
Expert framework for Meta Ads campaign analysis with focus on the Breakdown Effect.
Scope & Boundary
Этот скилл — ДИАГНОСТИКА существующих Meta-кампаний: что сломалось, почему стало дорого, выходит ли кампания из обучения, не паузить ли сегмент по высокому avg CPA. Работаешь с метриками уже запущенной рекламы.
| Задача | Куда идти |
|---|---|
| Анализ метрик, что сломалось, почему дорого, Breakdown Effect, Learning Phase, Ad Relevance | этот скилл |
| ЗАПУСК / настройка пикселя+CAPI / выбор события / стратегии ставок / lookalike / масштабирование | meta-ads-launch-ru |
| Анализ КОНКУРЕНТОВ, шпионаж за креативами, Meta Ad Library, longest-running ads | ad-spy |
| Нормы CPM/CPL/CPA/ROAS по каналам и нишам | ad-benchmarks-ru |
Граница:
meta-ads-launch-ruзапускает и ведёт кампанию (setup → launch → scale). Этот скилл диагностирует уже работающую. Если по ходу диагностики выясняется, что причина — в неправильной настройке (событие, аудитория, lookalike), передавай вmeta-ads-launch-ru.
Core Principle
The Breakdown Effect: When breaking down campaign data by dimension (placement, age, gender, device), the sum of segment CPAs weighted by their spend does NOT equal the campaign-level CPA due to Meta's marginal cost optimization.
Critical rule: NEVER recommend pausing segments based solely on higher average CPA. Higher average cost does NOT mean poor performance — it often reflects the system capturing low marginal cost opportunities earlier.
Analysis Workflow
Step 1: Identify Evaluation Level
| Campaign Setup | Correct Evaluation Level |
|---|---|
| Advantage+ Campaign Budget (CBO) | Campaign Level |
| Automatic Placements (without CBO) | Ad Set Level |
| Multiple Ads in single Ad Set | Ad Set Level |
Step 2: Analyze with Meta-Specific Lens
- Marginal Efficiency Analysis — Infer marginal CPA trends from time-series data
- Ad Relevance Diagnostics — Quality, Engagement, Conversion Rate Rankings
- Learning Phase Status — ~50 results needed to exit learning phase
Step 3: Synthesize Through Breakdown Effect Lens
Interpret all findings through marginal vs average cost dynamics.
Key Concepts
Marginal vs Average CPA
- Average CPA = Total Spend / Total Results
- Marginal CPA = Cost of the NEXT result
- System optimizes for lowest marginal CPA, not lowest average
Example: Placement A shows $10 avg CPA vs Placement B's $15. But Placement A's marginal CPA is rising sharply — system correctly shifts budget to Placement B to get more total results.
Ad Auction Mechanics
Total Value = Advertiser Bid x Estimated Action Rate + Ad Quality
Winners are determined by Total Value, not just bid amount.
Learning Phase
- Ad sets need ~50 optimization events to exit
- Performance during learning is unstable
- Avoid edits that reset learning (budget >20%, audience changes, creative swaps)
Pacing
Meta distributes budget evenly across the day using pacing algorithms. Early underspend or overspend are normal system behavior.
Mandatory Report Rules
- NEVER recommend pausing segments based solely on higher average CPA
- ALWAYS justify recommendations with data evidence + system mechanics
- USE qualified language: "Estimated Reach of ~1,000" not "You reached 1,000"
- DISAMBIGUATE clicks: "Clicks (all)" vs "Link Clicks" — always specify
- CHECK
get_recommendationsAPI first if Meta API access available - Every insight must include data evidence and explanation
Data Import
Users provide data via:
- CSV export from Meta Ads Manager
- Excel file with campaign data
- Manual data entry
- Meta Marketing API (if access token available)
CSV Import Pattern
import pandas as pd
# Read Meta Ads export
df = pd.read_csv("meta_ads_export.csv")
# Key columns
# Campaign name, Ad Set Name, Ad Name
# Impressions, Reach, Frequency
# Link Clicks, CPC, CTR
# Results, Cost per Result, Amount Spent
# Relevance Score / Quality Ranking
When to Use
Trigger words: "meta ads", "facebook ads", "instagram ads", "рекламный кабинет", "CPA analysis", "breakdown effect", "ad performance", "campaign optimization", "ROAS", "cost per result", "диагностика Meta кампании", "почему дорого в Meta", "воронка обучения Meta", "не выходит из обучения", "Meta vs Google различие", "когда не Meta", "проблема не Meta-специфична"
НЕ для: запуска/настройки/масштабирования (→ meta-ads-launch-ru), анализа конкурентов (→ ad-spy), норм по каналам (→ ad-benchmarks-ru).
Reference Documents
For deep analysis, read these bundled references:
references/breakdown_effect.md— The Breakdown Effect with examplesreferences/core_concepts.md— Ad Auction, Pacing, Learning Phasereferences/analysis_checklist.md— Step-by-step analysis templatereferences/meta-vs-google-diagnostic.md— Meta vs Google различие при диагностике: разная длительность Learning Phase (Google 5-7 дней vs Meta <24ч), привязка событий, как отличить Meta-специфику от универсальной проблемы аукционаreferences/learning-funnel-diagnostic.md— воронка обучения Meta (общая → CPC-кластер → ядро) + 7 факторов сброса + 4 безопасных действия как диагностический чеклист «почему не выходит из обучения»
Related Skills
meta-ads-launch-ru— ЗАПУСК/настройка/масштабирование Meta (пиксель+CAPI, выбор события, стратегии ставок, lookalike-лестница, scaling rules). Куда передавать, если диагноз — «неправильно настроено».ad-spy— анализ креативов КОНКУРЕНТОВ (Meta Ad Library, longest-running ads, Atria).ad-benchmarks-ru— нормы CPM/CPL/CPA/ROAS по каналам и нишам для сверки.