📅 原文發布:2026 年 8 月|最後更新:2026 年 8 月 本文資訊已於 2026 年 8 月對照 TikTok Ads Manager 官方說明校對更新。 廣告後台介面與目標選項隨版本更新可能調整,建議參考本文後至官方文件確認最新設定。

TikTok 廣告後台有 8 個廣告目標,第一次進去看幾乎都不知道要選哪個。最直覺的錯誤是直接選「網站轉換」——看起來最貼近「我要賣東西」的目標,但如果你的帳號是新的、每週轉換事件不足 50 次,演算法根本沒辦法優化,學習期可以拖超過兩週都沒進展。

選錯廣告目標不只是浪費一點預算,而是整個學習期的時間成本歸零。這篇文章只聚焦在小商家最常用到的三個目標:影片觀看(Video Views)、粉絲成長(Community Interaction)、網站轉換(Website Conversions)——從實際跑過的經驗解釋它們的差異、適合的情境,以及什麼時候該切換。


TikTok 廣告目標的三層架構:先搞清楚位置

TikTok Ads Manager 把所有廣告目標分成三個階段,概念和 Facebook 廣告漏斗一樣:認知(Awareness)→ 考慮(Consideration)→ 轉換(Conversion)

2026 年 TikTok Ads Manager 現有 8 個目標,三個常用目標在漏斗裡的位置如下:

廣告目標漏斗階段系統優化方向
影片觀看(Video Views)考慮最有可能看完影片的用戶
粉絲成長(Community Interaction)考慮最有可能追蹤帳號或造訪主頁的用戶
網站轉換(Website Conversions)轉換最有可能完成特定動作(購買 / 填單)的用戶

選哪個目標,直接決定 TikTok 演算法要把廣告推給哪群人。這不是「哪個目標聽起來最接近我的目的」的選擇題,而是「我的帳號現在有沒有足夠的訊號讓演算法做決定」。


影片觀看(Video Views):新帳號的第一步

影片觀看目標讓演算法找「最有可能把你的影片看完」的用戶推送廣告。它用 CPV(Cost Per View)計費,可以設定以 2 秒觀看或 6 秒觀看為優化目標。

為什麼新帳號適合從這裡開始?

TikTok 演算法要運作需要「訊號」——它必須知道什麼樣的用戶對你的內容有反應,才能越投越精準。影片觀看目標的訊號門檻最低,只需要用戶「看了」就算一次有效資料,系統很快就能累積到足夠數據離開學習期。

我在 2026 年 4 月用影片觀看目標跑了 7 天,日預算 NT$900,結果是:CPM 落在 NT$80–110 之間,CTR 第 3 天開始穩定在 2.3%。這個數字本身不是最終目的,而是幫我確認:素材的鉤子有沒有用、目標受眾設定有沒有抓對——兩個關鍵指標確認後,再切換到轉換目標才有意義。

什麼情況特別適合影片觀看:

  • 帳號剛開立,TikTok Pixel 才裝好,轉換資料接近零
  • 要測試新素材(判斷哪支影片 CTR 比較高)
  • 想以低成本讓演算法建立受眾模型,為後續轉換目標暖身

影片觀看目標的侷限: 它只優化「看」,不優化「買」。用戶可能看完了整部影片,但對購買沒有任何意圖。如果你一直停在影片觀看、不往下切換,你拿到的是曝光資料,不是銷售。


粉絲成長(Community Interaction):養帳號和做生意是兩件事

粉絲成長目標(正式名稱 Community Interaction)讓演算法找「最有可能追蹤你的帳號、或到你的主頁看看」的用戶。

根據 TikTok 官方說明,這個目標提供兩種優化方向:粉絲成長(Follower)主頁造訪(Profile Visit)

什麼情況適合:

  • 你有一個 TikTok 帳號正在經營,想加快粉絲累積速度
  • 品牌還沒有知名度,想先讓更多人認識你的帳號內容

老實說缺點: 粉絲成長目標在三個目標裡 ROI 最難量化。你花錢讓帳號多了幾百個粉絲,但這些粉絲有多少會真的去買東西,TikTok 後台沒辦法直接告訴你。

對小商家而言,如果你的 TikTok 帳號本身是你的銷售工具(例如主打直播帶貨),粉絲成長目標有價值。但如果你的銷售主要靠獨立官網或蝦皮,花預算養粉絲而不是導購,通常不是最有效率的資源分配。

除非你的 TikTok 帳號已經有穩定的自然流量和粉絲互動,否則我建議小商家把有限預算先花在影片觀看或網站轉換,而不是粉絲成長。


網站轉換(Website Conversions):門檻最高、成效也最直接

網站轉換目標讓演算法找「最有可能在你的網站完成特定動作」的用戶——可以設定購買、加入購物車、填寫表單等事件。

技術前提: 你必須安裝好 TikTok Pixel(追蹤像素)並且正確設定轉換事件,演算法才有原始資料可以優化。Pixel 沒裝好就開轉換目標,等於叫演算法在黑暗中射箭。

學習期門檻是最大的坑:

根據 TikTok Ads Manager 的機制,一個廣告組(Ad Group)要離開學習期,通常需要在 7 天內累積約 50 次轉換事件。低於這個門檻,系統持續處於不穩定狀態,CPR(Cost Per Result)會忽高忽低,你沒辦法判斷廣告是真的沒效還是只是還在學習。

「an ad group generally needs roughly 50 conversions within about seven days to exit the learning phase」——TikTok Ads 學習期機制說明

新帳號直跑轉換目標的真實情況:

2026 年 5 月,我試過在剛開立的帳號直接跑「購買」轉換目標。連跑 5 天,後台顯示的 CPM 從 NT$140 跳到 NT$380,轉換成本高得根本看不出規律,第 5 天系統仍顯示「學習中」。原因很直接——那 5 天只跑出 9 筆轉換事件,遠不到 50 次的門檻。演算法沒有足夠資料,根本無法學習要找哪種用戶。

什麼情況才適合直接用網站轉換:

  • 你有一個已運作的網站,每週能自然帶進 50 次以上的目標事件(例如加購或購買)
  • 你曾跑過 Facebook 廣告,對轉換型廣告有基礎認識
  • 預算每天在 NT$1,500 以上,能撐過 7-14 天的學習期

三種目標決策表:你現在在哪個階段?

你的狀況建議目標原因
新帳號、Pixel 剛裝好、每週轉換 < 20 次影片觀看訊號不足以撐起轉換目標的學習期
每週自然轉換 20–50 次影片觀看(取 CTR 基準)→ 觀察 7 天後評估切換先確認素材和受眾設定正確,再升級
每週自然轉換 > 50 次,Pixel 正確設定網站轉換演算法有足夠訊號,學習期可順利完成
TikTok 直播帶貨是主要銷售渠道粉絲成長 + 影片觀看粉絲數是直播帶貨的前置條件
測試新素材,不想動既有轉換目標設定影片觀看(獨立開廣告組測試)測試期間不污染轉換目標的學習資料

從影片觀看切換到網站轉換的時機

這是大多數小商家的實際路徑:先跑影片觀看、累積數據、再切換到轉換目標。切換時機的判斷標準:

Step 1: 用影片觀看目標跑 7 天(每天 NT$900–1,500)。關於 TikTok 廣告的最低預算門檻與廣告組層級設定,可先參考TikTok 廣告最低預算完整說明

Step 2: 第 7 天看兩個指標:

  • CTR(點擊率)是否 ≥ 2%——低於 2% 表示素材或受眾設定需要調整,先別切換
  • CPM 是否在 NT$80–150 範圍內穩定——如果 CPM 過高(> NT$200),受眾可能設定太窄

Step 3: 兩個指標都符合 → 同一個 TikTok 廣告帳戶開一個新的廣告活動,選「網站轉換」目標,預算維持日 NT$900–1,500 開始學習期

我在 2026 年 4–5 月實測這個流程(先跑影片觀看 7 天確認 CTR 2.3%,再切換轉換目標),學習期約在第 9 天穩定,轉換成本從一開始的 NT$420 掉到 NT$180,整個過程比直接跑轉換目標省了將近 30% 的試誤成本。更詳細的預算分配和每天數據,可以看NT$900/天 TikTok 廣告試投完整紀錄


常見問題

Q:我可以同時跑多個廣告目標嗎?

可以,但要在不同廣告活動(Campaign)層級操作。不同目標的受眾池和出價邏輯不同,混在同一個 Campaign 會讓系統難以優化。建議新手每次只跑一個 Campaign,看清楚每個目標的數字後再同時跑多個。

Q:影片觀看目標可以帶來轉換嗎?

可以,但不是優化方向。如果你的影片內容夠吸引人、落地頁夠清楚,影片觀看目標也會帶來一些購買——只是系統不是以此優化,所以轉換成本通常比轉換目標高。把它當做「素材測試 + 暖身工具」,不要當做「便宜的轉換工具」。

Q:如何設定 TikTok Pixel?

Pixel 設定屬於帳號申請後的第一個技術步驟,詳細安裝流程見 TikTok 廣告帳號申請與後台設定教學


結論

TikTok 廣告目標選擇不是「哪個聽起來最接近我的目標」,而是「我的帳號現在有沒有足夠的訊號讓演算法做決定」。

對 2026 年台灣的小商家,最安全的起點幾乎都是影片觀看目標——成本低、學習快、幫你確認素材和受眾設定是否正確。等 CTR 穩定在 2% 以上、Pixel 也累積了足夠的轉換訊號,再切換到網站轉換目標,整個過程比直衝轉換省時省錢。

如果你還在考慮 TikTok 廣告和其他平台的差異,可以先看受眾設定教學了解 TikTok 的受眾工具特性,再決定是否值得投入。


本站為 Nest Digital AI 自媒體,記錄我們幫小商家試投 TikTok 廣告的真實數據與心得。如需諮詢廣告代投服務,歡迎聯繫 Nest Digital AI