TikTok游戏与应用广告跑量不稳，根子在冷启动没护住：少改、合并、阶梯加预算，让算法在7天内吃满转化信号，账户自然就稳得住。下面按学习期最容易踩的坑，给出可落地的呵护动作。
为什么TikTok广告冷启动期最容易翻车？
TikTok的投放系统靠机器学习在前期积累转化数据来锁定人群。游戏与应用类广告的转化事件（安装、注册、付费）往往存在延迟，加上素材更迭快，账户在头几天如果没有稳定的转化信号喂给算法，系统就会在广撒网里空转，花出去的钱换不回有效安装。所谓”冷启动翻车”，本质就是学习期没护住，模型还没学会找人就被频繁改动打断，最后陷入”花了钱没量、加了量没质量”的循环。
学习期内到底哪些操作会打断算法？
最容易踩的坑是”手痒式微调”。在学习期里反复改出价、改预算、改受众、暂停又重启，都会让算法重新进入不稳定状态，之前攒的样本基本作废。另一个常见错误是把一个目标拆成十几个小计划各跑一点，导致每个计划都拿不到足够的转化样本，谁都过不了学习期。正确的做法是把预算集中在少量计划上，把转化事件尽可能多地喂给同一个模型，让它尽快攒够样本，而不是把信号摊薄到几十个互相抢量的计划里。
预算该怎么阶梯爬坡才不伤模型？
冷启动阶段不要一上来就砸大预算。先用小预算跑通学习期，确认成本落在可接受区间后，再按”每次上调不超过20%”的节奏阶梯加预算。大幅一次性翻倍最危险——算法会瞬间丢失已学到的受众特征，重新进入摸索期。也可以用”预算排程”在用户活跃高峰时段自动加码，让增量预算落在高转化窗口，而不是全天平摊稀释信号。记住：爬坡慢一点，模型才站得稳。
CBO和ABO在冷启动里怎么选？
CBO（广告系列预算优化）适合已经有一定数据、想让系统自动分配预算的场景；但在完全冷启动、没有任何历史信号时，ABO（广告组预算优化）反而更可控，能确保每个计划拿到独立的学习机会，不会因为某个计划表现好就吸走全部预算、拖垮其他计划的样本积累。等跑出稳定模型后，再逐步切回CBO做规模化放大更稳妥。两种机制没有绝对优劣，关键看账户当下处于”学人”还是”放量”的阶段。
怎么判断学习期真的稳定了？
看三个信号：一是系统提示”学习期已完成”且之后不再频繁波动；二是连续3天以上单转化成本落在目标区间±20%内；三是量级能稳定跑出来而不靠人工天天救场。达到这三点，再考虑加预算、加素材、扩受众。如果成本连续两天偏离目标30%以上，说明模型还没站稳，应回到”少改、合并、阶梯加”的动作里重新养护，而不是盲目换素材硬拉。稳定的账户是养出来的，不是调出来的。
TikTok广告冷启动一般要几天？
通常系统需要约50个转化事件来完成学习期，按游戏与应用广告的转化节奏，大约对应7天左右的稳定投放。转化延迟越长的产品，要预留更长的观察窗口，不要在第2、3天就判定失败。
学习期内能改出价吗？
尽量避免。出价、预算、受众、素材任一维度的频繁改动都会让算法回到不稳定状态。如果必须调整，一次只动一个变量，并留出足够样本让模型重新校准，不要连续多天天天改。
预算一次加多少合适？
建议每次上调不超过20%，并观察1到2天成本反应再决定下一步。一次性大幅加预算会让算法瞬间丢失已学到的受众特征，重新进入摸索期，反而拖慢跑量。
新素材要单独开计划还是并进现有？
冷启动阶段建议并入已有稳定计划做A/B对照，让新素材共享已学模型快速拿到曝光；等产品模型成熟、要做规模化时，再为表现突出的新素材单独开计划放量，避免分散样本。