人口智能 · 广告效果预测
先选出胜出的创意素材，再花钱投放。
上传 2–4 个广告版本，设定 Meta 式定向，同一组合成样本组——取自经过校准的人口模型——在它们之间做出强制选择。你会拿到「投放 / 打平 / 重做」的结论，附配对统计、群体反转，以及样本组用自己的话写下的理由。抢在竞价系统之前，先找出那个哑弹。
你会拿到什么
一个可以据此行动的结论、带诚实误差区间的偏好占比、群体反转，以及归类后的创意改进方向——外加每位受访者留下的原话理由。
结论
投放、打平，还是重做。
投放 2–4 个版本，每位受访者都会看到全部版本（顺序随机），并选出真正会点的那一个——或者两个都不选。报告以一句话结论开场，背后是配对符号检验：因为是同一个人评判了每个版本，人格噪声相互抵消，约 100 位受访者就能给出真正的决策效力。偏好与拉力
带诚实误差区间的占比。
每个版本的偏好占比附 95% Wilson 置信区间，以及由每位受访者 0–10 分点击意愿评分算出的 0–100 拉力指数。这些按设计就是指数——样本组衡量的是哪个创意素材胜出、领先多少，绝不把它包装成真实世界的 CTR。群体反转
胜者发生变化的地方。
偏好按年龄、性别、收入和兴趣拆分——并把反转明确点出来：「B 总体胜出，但 25–34 岁女性以 61% 选了 A。」如果发生反转的那一段正是你真正要买的受众，这一行比标题结论更重要。创意改进方向
用他们自己的话说该改什么。
每位受访者都会指出胜出广告最有力的一点，以及拖垮最弱版本的是什么——归类为每个版本 3 条优点和 3 条缺点，下方附上原始逐字引用。当结论是「重做」时，那些「都不选」的理由就是创意简报。
运作方式
步骤 1
上传你的版本
2–4 个图片或视频（图片最大 10 MB，视频最大 100 MB）。视觉解析会把每个创意素材通读一次——品类、调性、诉求、钩子强度、品牌出现时机——每位受访者都会以随机顺序对全部版本作出反应。步骤 2
配置定向
地域、年龄区间、性别、收入档位、IAB Tech Lab 兴趣分类法。构建受众时，实时显示防抖处理过的触达估算。步骤 3
选择投放版位
Meta 信息流、Reels、Stories——样本组会在版位语境下评判你的创意素材。TikTok 版位即将上线。步骤 4
读结论
投放 / 打平 / 重做，附配对符号检验、带 95% Wilson 置信区间的偏好占比、群体反转提示、归类后的优缺点，以及逐字引用。
ADS LABO 用来做什么
创意预演
在投入媒介预算之前，用同一组样本组测试 2–4 个广告版本。拿到一个站得住脚的胜者，配对统计和理由齐备。钩子迭代
打磨视频前 3 秒、开场白、能让人停下来的画面。让每个剪辑版本与现行版本正面较量，留下样本组选中的那一个。定向验证
在广告上线前比较各群体之间的偏好。抢在创意进入竞价之前，先抓出定向错配。地域 / 语言拆分
在 24 个市场级受众上测试同一批版本。抓出那种在美国读起来很棒、到了新加坡却毫无反应的广告。版位适配
Reels 对 Stories 对信息流。每个版位的注意力规则都不同；样本组会在版位语境下评判你的创意素材。尽早毙掉哑弹
当样本组选「都不选」，那是你能买到的最便宜的坏消息——在竞价开始向你收费之前拿到的重做信号。
样本组规模
样本组越大，置信区间越窄，各群体单元也越有可能达到统计显著。
100 位受访者 · 每位 $0.015
Quick Test
$1.50
早期创意迭代的方向性判读。
- ·同一组样本组最多 4 个版本——价格与一个版本相同
- ·结论 + 带 Wilson 置信区间的偏好占比
- ·按年龄、性别、收入、首要兴趣的群体拆分
- ·按受访者计价，每位 $0.015——样本组规模任选
标准
300 位受访者 · 每位 $0.015
Standard Lab
$4.50
可用于正式决策的投放前预演。
- ·配对符号检验在真实差距上达到显著
- ·完整群体表格 + 胜者反转提示
- ·每个版本归类后的创意改进方向
- ·排序后的逐字引用：赞誉、批评、都不选的理由
500 位受访者 · 每位 $0.015
Deep Test
$7.50
高风险投放，统计上足够扎实。
- ·置信区间收得最紧
- ·各群体单元可单独达到显著
- ·报告中包含完整的创意特征提取
- ·同时支持单创意模式（拉力指数 + 群体拆分）