Tesztelésre az ABO, skálázásra a CBO — ez a 2026-os gyakorlat lényege. A Meta Advantage+ kampánybüdzsé automatikusan osztja el a pénzt a hirdetéscsoportok között a teljesítmény alapján, míg az ABO minden hirdetéscsoportnak fix, garantált összeget ad. A döntés valójában egy számhoz köthető: ha a kampányod heti 50 optimalizációs eseményt gyűjt, a CBO stabilabban skálázható, ha nem, marad az ABO.

Röviden:

  • Egy alacsony heti konverziószám, körülbelül 50 esemény, szükséges ahhoz, hogy a CBO stabilabban tudjon skálázni, különben az ABO a megfelelő választás.
  • Az ABO garantált költést biztosít minden hirdetéscsoportnak, míg a CBO automatikusan elosztja a büdzsét a jobb eredményeket hozó csoportok között, ez utóbbi gyorsabb tanulást tesz lehetővé nagy volumen esetén.
  • Alacsony napi büdzsé (pl. 20 000 forint alatt) esetén az ABO előnyösebb, mert stabilabb lesz a költés és a tanulási folyamat, amíg a CBO szétaprózza a forrásokat.
  • A konverziók száma és a heti 50 esemény elérése dönti el, hogy a kampányt inkább ABO-ra vagy CBO-ra állítsuk, és az egyik vagy másik modell kiválasztása az adatgyűjtés mértékén múlik.
  • A folyamatos, napi monitoring és optimalizálás nélkülözhetetlen ahhoz, hogy a rendszer eldönthesse, mikor érdemes áttérni a skálázásra vagy tesztelésre, így kerülhetjük el a tanulási fázis újraindulását.

Tartalomjegyzék

CBO vs ABO Meta: gyors áttekintés kontroll és automatizáció szerint

A két büdzsémodell között a legnagyobb különbség nem a felhasználói felületen látszik, hanem abban, ki dönt a pénz elosztásáról. Az ABO ad set szinten rögzíti a költségkeretet, a CBO viszont kampányszinten, automatikusan mozgatja a büdzsét a jobban teljesítő hirdetéscsoportok felé.

Ez a különbség nem csak technikai részlet. Egy ABO kampányban garantáltan elkölt a rendszer minden hirdetéscsoportra egy fix összeget, még akkor is, ha az adott csoport rosszul teljesít. Egy CBO kampányban ez sosem történik meg: a gyengén teljesítő hirdetéscsoport egyszerűen éhezni fog, mert a pénz automatikusan a nyertes felé áramlik.

Kinek melyik éri meg jobban:

  • Kisebb napi büdzsé (napi 20 000 forint alatt): az ABO stabilabb, mert nem hagyja, hogy egy hirdetéscsoport teljesen kiszáradjon.
  • Retargeting kampányok: az ABO véd a kis közönségek elhanyagolásától, amit egy CBO kampány könnyen megtesz.
  • Lead generálás korlátozott közönséggel: az ABO biztosít mérhető, elszigetelt eredményeket hirdetéscsoportonként.
  • Nagy volumenű e-kereskedelmi kampányok: a CBO gyorsabban tanul, mert egy kampányban összesíti a jeleket.

Profi tipp: Ne dönts a modell mellett a fiók mérete alapján, dönts a heti konverziószám alapján. Egy 500 000 forintos havi büdzsé is lehet ABO-alkalmatlan, ha a konverziók szét vannak forgácsolva túl sok hirdetéscsoport között.

A tanulási fázis kilépéséhez körülbelül heti 50 optimalizációs eseményre van szükség egy adott hirdetéskészletnél. Ez az egyetlen szám, amit minden Meta-hirdetőnek fejben kell tartania, mert ez dönti el, melyik büdzsémodell fog stabilan tanulni és melyik marad örökre a tanulási fázis fogságában.

Hogyan működik valójában az Advantage+ és az ABO a Meta rendszerében?

A Meta reklámmotorja nem egyetlen algoritmus, hanem több automatizációs réteg egymásra épülése: büdzséelosztás, ajánlattételi stratégia és kampánytípus. Az Advantage+ kampánybüdzsé pontosan ezt a büdzséelosztási réteget automatizálja, miközben a másik két réteg tovább él a beállításaidtól függően.

A CBO gyakorlatban azt jelenti, hogy a rendszer folyamatosan, óránként újraszámolja, melyik hirdetéscsoport hozza a legjobb eredményt az adott pillanatban, és a következő költést oda irányítja. Ez prediktív modellezésen alapul; a Meta nem a múltbeli teljesítményt nézi statikusan, hanem folyamatosan frissíti a becsléseit új adatok alapján. Minél több konverziós jel érkezik be egy kampányba, annál gyorsabban stabilizálódik ez a becslés.

Az ABO ezzel szemben minden hirdetéscsoportot elszigetelt egységként kezel. Mindegyiknek saját, független tanulási fázisa van, saját fix költése, és saját optimalizációs görbéje. Ha egy ABO hirdetéscsoport költését megnöveled, a rendszer gyakran újraindítja a tanulási fázist arra a konkrét csoportra, ami átmenetileg megdobja a költséget konverzióra.

Három kockázat, amit mindkét modellnél figyelni kell:

  • Közönség-kannibalizáció: ha két hirdetéscsoport hasonló közönséget céloz, egymással versenyeznek a saját aukciódban, és mindkettő rosszabbul teljesít.
  • Attribúciós torzítás: a CBO gyakran a rövid távon jobban mérhető csatornát preferálja, még ha a valódi megtérülés máshol van.
  • Büdzsé-éhezés: egy ABO hirdetéscsoport, amelyet alacsonyan tartasz, sosem kap elég adatot ahhoz, hogy kilépjen a tanulási fázisból.

Profi tipp: Ha egy CBO kampányodban egy hirdetéscsoport tartósan nulla közeli költést kap, ne várd meg, hogy magától javuljon. Vedd ki a kampányból, és teszteld külön ABO-ban, mielőtt visszaengeded a versenybe.

Mikor válaszd az ABO-t, és mikor a CBO-t? Konkrét küszöbértékek

A döntés leggyakrabban egyetlen számra vezethető vissza: hány konverziót gyűjt a kampányod egy hét alatt. A Meta tanulási fázisából a kilépéshez gyakorlatban körülbelül heti 50 optimalizációs esemény szükséges, és ebből egy egyszerű napi büdzsé-küszöb is levezethető: (cél CPA × 50) ÷ 7.

Nézzünk egy konkrét példát. Ha a cél CPA 7000 forint, a számítás így néz ki: 7000 × 50 = 350 000, majd 350 000 ÷ 7 = 50 000 forint. Ez azt jelenti, hogy napi 50 000 forintos kampánybüdzsé szükséges ahhoz, hogy a kampány reális eséllyel elérje a heti 50 konverziós küszöböt, és stabilan kilépjen a tanulási fázisból.

Ez a képlet önmagában eldönti a modellválasztást is:

  1. Ha a napi büdzséd a küszöb alatt van (a fenti példában napi 50 000 forint alatt), az ABO logikusabb választás. Egy CBO kampány ilyen alacsony volumen mellett gyakran szét fogja aprózni a költést túl sok hirdetéscsoport között, és soha nem éri el a stabilizációhoz szükséges jelmennyiséget egyik hirdetéscsoportban sem.
  2. Ha a büdzséd bőven a küszöb felett van, és legalább 3-5 érett hirdetéscsoportod van, a CBO gyorsabban konszolidálja a jeleket, és stabilabb, alacsonyabb CPA-t hozhat, mert az összevont konverziós adatok gyorsabb tanulási görbét eredményeznek egy közös kampányban.
  3. Ha új kreatívot vagy új célközönséget tesztelsz, mindig ABO-t válassz, függetlenül a büdzsé nagyságától. A garantált, elszigetelt költés az egyetlen módja annak, hogy tisztán lásd, melyik kreatív vagy közönség teljesít valóban jól, anélkül hogy a CBO automatikus elosztása elfedné az eredményt.
  4. Ha retargeting kampányt futtatsz kisebb, néhány ezer fős közönséggel, az ABO véd attól, hogy a CBO ezt a kis, de értékes szegmenst háttérbe szorítsa a nagyobb, olcsóbb elérésű közönségek javára.
  5. Ha új terméket indítasz piacra pixel-adatok nélkül, indulj ABO-val. A CBO csak akkor működik jól, ha van elég korábbi konverziós jel, amire alapozhat.

Ezt a döntési logikát érdemes összevetni a webshop hirdetési büdzsé optimalizálásának gyakorlatával is, ahol a napi költésszint és a termékkatalógus mérete tovább finomítja ezt a küszöböt.

A lényeg egy mondatban: a heti 50 konverziós szabály nem elméleti ajánlás, hanem az egyetlen mérhető határ, amely megmondja, mikor van elég adat a CBO automatizmusának ahhoz, hogy jobban döntsön, mint egy manuálisan beállított ABO struktúra.

Beállítási lépések és bevált gyakorlatok ABO és CBO kampányokhoz

Az ABO sandbox felépítése nem bonyolult, de a részletek döntik el, hogy tiszta adatot kapsz-e. Minden hirdetéscsoportnak saját, fix napi költést adj, és tartsd ezt a szintet változatlanul legalább 3-4 napig, mielőtt bármit módosítanál rajta.

  • Állíts be egy előre meghatározott időablakot a teszt lezárásához, hogy megalapozott döntést hozhass a kreatívokról.
  • Határozz meg stop-loss szabályt: ha egy hirdetéscsoport jelentős büdzsét költ el konverzió nélkül, ideje megállítani, hogy elkerüld a további veszteséget.
  • Az ABO egyik legnagyobb előnye a tesztelésnél a garantált, elszigetelt költés, amely tiszta, hirdetéscsoportonkénti eredményt ad, kreatívtól függetlenül.
  • Kerüld, hogy egyszerre túl sok hirdetéscsoport fusson ABO struktúrában, mert a büdzsé szétforgácsolódik, ami nehezítheti az értékelést.

A CBO oldalán a skálázás szabályai teljesen más logikát követnek.

  • Emeld a büdzsét néhány napos intervallumokban, hogy a rendszer tudjon reagálni és stabilizálódni az új szinten.
  • Ha jelentős büdzséemelést tervezel, érdemes a kampányt duplikálni és párhuzamosan futtatni, hogy elkerüld a tanulási fázis újraindulását.
  • Érdemes külön, védett retargeting kampányt futtatni a fő CBO kampánytól elkülönítve, mert a CBO hajlamos háttérbe szorítani kisebb közönségeket.

Profi tipp: Ha a CBO kampányod stagnál egy adott CPA szint körül, ne a büdzsét emeld először. Nézd meg, hány aktív hirdetéscsoport versenyzik egymással a kampányon belül. Gyakran a fragmentáció, nem a büdzsé nagysága a valódi gát.

Ez a struktúra jól illeszkedik a napi költségkeret allokáció operatív szabályaihoz is, amelyek segítenek a lépcsőzetes növelést fiókszinten, ne csak kampányszinten kezelni.

Az ABO tesztelésből CBO skálázásba: konkrét playbook

A leggyakrabban ajánlott munkafolyamat a gyakorló marketingesek körében egyszerű elvre épül: ABO sandbox a tesztelésre, külön ABO a retargetingre, és egy CBO kampány a bizonyított győzteseknek. Az alábbi lépések ezt a folyamatot bontják konkrét, napra lebontható teendőkre.

  1. Indítsd el a tesztkört ABO-ban. Minden kreatívnak vagy közönségnek adj azonos, fix napi büdzsét, és futtasd 5-7 napig megszakítás nélkül. Egy kreatívot csak akkor tekintünk nyertesnek, ha ez idő alatt legalább 15-20 konverziót gyűjtött, jó ROAS mellett.
  2. Rangsorold az eredményeket CPA és ROAS szerint egyszerre. Ne csak az egyik mutatóra figyelj: egy alacsony CPA-jú kreatív is lehet gyenge választás, ha a hozzá tartozó vásárlói érték alacsony.
  3. Mozgasd a nyertest egy új CBO kampányba, ne az eredeti ABO kampányon belül skálázd. A post ID megtartásával (a hirdetés azonosítójának másolásával) átviheted a felhalmozott engagementet és relevancia-jelzéseket az új hirdetéscsoportba, ami gyorsítja az új kampány tanulási fázisát.
  4. Indulj a CBO kampányban a teszt alatti napi büdzsé 2-3-szorosával, ne ugorj azonnal a végső skálázási célra. Ez elég jelet biztosít a CBO redisztribúciós logikájának ahhoz, hogy gyorsan tanuljon, anélkül hogy elveszítené a stabilitást.
  5. Figyeld az első 7-14 napot napi szinten. Nézd meg a frekvenciát, a CPA trendet és azt, hogy a büdzsé egyenletesen oszlik-e el a hirdetéscsoportok között, vagy egyetlen csoport szívja el az egészet indokolatlanul korán.

Ez a folyamat közvetlenül kapcsolódik az A/B tesztelés bevezetésének módszertanához, amely részletesebben tárgyalja a sikerkritériumok meghatározását a teszt indítása előtt, még mielőtt egyetlen forint is elköltésre kerülne.

Gyakori hibák learning fázis resetnél és büdzsé-éhezésnél

A legtöbb hiba nem a modellválasztásból ered, hanem abból, hogy a hirdető türelmetlen a beállítások módosításával. Ha egy hirdetéscsoport folyamatosan visszaesik a tanulási fázisba, az első lépés soha nem egy nagy büdzsé-emelés, hanem egy lassabb, fokozatos növelés vagy a hirdetéscsoport duplikálása, hogy az eredetit érintetlenül hagyva teszteld az új szintet.

  • Ha egy ad set folyamatosan resetel: csökkentsd a növelés ütemét 10%-ra ugrásonként, és hagyj legalább 2-3 napot minden módosítás után.
  • Ha a retargeting spend eltűnik CBO alatt: válaszd le külön, protected kampányba, ahol a CBO nem versenyeztetheti a prospecting hirdetéscsoportokkal.
  • Ha a fiók túl fragmentált (10+ aktív hirdetéscsoport hasonló célzással): konszolidálj kampányonként 3-5 hirdetéscsoportra, és nézd meg a heti konverziószámot csoportonként, nem csak fiókszinten.
  • Ha a CPA hirtelen megugrik egy büdzsé-emelés után: valószínűleg tanulási fázis reset történt, ne módosíts tovább, várd ki a következő 3-4 napot mérés nélküli beavatkozással.

A fragmentáció csökkentése gyakran a legnagyobb, mégis legkevésbé látható javulást hozza egy fiókban, mert minden összevont hirdetéscsoport gyorsabban éri el az 50 konverziós heti küszöböt.

Miért érdemes ügynökségre bízni a hibrid ABO-CBO struktúrát?

A Marketing Vision Agency azért épít hibrid ABO-CBO struktúrát az ügyfelei fiókjaiban, mert a közgazdasági szemlélet szerint minden elköltött forintnak mérhető megtérülést kell hoznia, nem csak elérést vagy kattintást. Ez a szemlélet pontosan illik a fentebb leírt playbookhoz: az ABO teszteli, a CBO skálázza, és a kettő közötti átmenetet napi szintű monitoring köti össze.

A napi optimalizálás gyakorlatban azt jelenti, hogy valaki minden nap megnézi, melyik hirdetéscsoport közelít a büdzsé-éhezéshez, melyik kreatív fárad ki, és mikor éri el egy kampány azt a heti 50 konverziós szintet, amitől a CBO valóban okosabban tud dönteni, mint egy manuálisan beállított ABO struktúra. Ez nem egyszeri beállítás, hanem folyamatos, hét minden napján figyelt munka.

Balázs és a Marketing Vision Agency csapata a kreatívok pszichológiai tervezésétől a konverziós auditig kíséri végig azt a folyamatot, amellyel egy fiók eljut a kaotikus, szétforgácsolt ABO-tesztelésből egy stabil, skálázható CBO struktúráig, megtartva a hitelesség és a márkaérték szempontjait is a teljes folyamat alatt.

Mikor bízz a gépben, és mikor tarts meg emberi kontrollt?

A CBO automatizmusa akkor működik igazán jól, ha elég adatot kap ahhoz, hogy jó döntést hozzon. Ez a mondat egyszerűnek hangzik, de a gyakorlatban a legtöbb hirdető pontosan itt hibázik: bekapcsolja a CBO-t egy kampányon, amely soha nem érte el a heti 50 konverziós küszöböt, és csodálkozik, miért nem stabilizálódik semmi.

Mikor bízz a gépben, és mikor tarts meg emberi kontrollt? — overview diagram

Az én tapasztalatom alapján a legjobb hirdetők nem azért győznek, mert jobban ismerik a Meta algoritmusát, hanem mert pontosan tudják, mikor NE hagyják a gépet dönteni. A retargeting kampány kis közönséggel, az új termék piacra dobása pixel-adatok nélkül, a friss kreatívteszt: ezek mind olyan helyzetek, ahol az automatizált büdzséelosztás inkább árt, mint segít, mert nincs elég jel a jó döntéshez.

Operatív szinten ez azt jelenti, hogy a monitoring gyakoriságát a kampány érettségéhez kell igazítani. Egy új ABO teszt napi ellenőrzést igényel az első héten. Egy stabil, érett CBO kampány heti 2-3 alkalommal is elég, ha a KPI-ok (CPA, ROAS, frekvencia) a várt tartományban maradnak. A belső riportálásnak ezt a különbséget kell tükröznie: nem minden kampányt kell egyformán szoros pórázon tartani, csak azokat, amelyek még nem gyűjtöttek elég adatot ahhoz, hogy megbízzunk a gép döntésében.

— Balázs

Hogyan segít a Marketing Vision Agency a hibrid struktúra bevezetésében?

Vannak, akik nem akarnak tovább kísérletezni saccolással a CBO és ABO között, hanem mérhető, közgazdasági logikán alapuló kampánystruktúrát szeretnének.

Marketing Vision Agency

Nem csupán a Meta felületén beállítható kapcsolókról van szó, hanem a napi döntésekről: mikor bővítsük a tesztkört, mikor mozgassuk át a nyertes kreatívot CBO-ba, és mikor húzzuk vissza a büdzsét egy fáradó hirdetéscsoportról. Ez a fajta napi szintű figyelem nem mindig tartható fenn házon belüli marketinges által a napi operatív terhelés mellett. Egyes ügynökségek havidíjas kampánykezelést kínálnak, amely magában foglalhatja a feed-menedzsmentet, a CAPI mérések ellenőrzését és a konverziós auditot is, nem csak a büdzsé-beállításokat.

Ha szeretnéd, hogy a fiókod ABO-CBO struktúráját egy szakértői csapat építse fel és kezelje napi szinten, kérj ajánlatot a Marketing Vision Agency kampánykezelési szolgáltatására, és nézzük át együtt, hol veszíted el jelenleg a legtöbb pénzt a büdzséelosztásban.

Források

A cikkben szereplő küszöbértékek és gyakorlati szabályok elsősorban két forrásra épülnek: a Vaizle Insights részletes ABO-CBO elemzésére, amely a heti 50 konverziós szabályt és a napi büdzsé-képletet is tárgyalja, valamint a Segwise 2026-os elemzésére az Advantage+ alapértelmezett beállításairól.

A hibrid playbook lépéseihez az Instrumnt gyakorlati cikke ad további kontextust, míg az automatizációs rétegek működéséhez az AdLibrary elemzése hasznos kiegészítés. A pontos terminológiához és a hivatalos elnevezésekhez a Meta saját dokumentációja a legmegbízhatóbb forrás.

Terminológiai gyorstalpalóhoz a FexAds hirdetési szakszótára ad tömör áttekintést a leggyakrabban használt Meta-fogalmakról.

Ajánlott