1. 转化事件与价值信号
VO 的学习深度依赖于转化事件与价值信号建模。广告主需精准回传带有 value 参数的事件，像电商场景下的 “purchase（购买）” 事件，清晰标注每次购买金额，这是 VO 模型的关键输入。Facebook 的多目标学习 + 预测建模系统，会基于这些历史转化事件，剖析用户行为模式，预测用户看到广告后触发转化并产生特定价值的期望收益。例如，某游戏玩家多次点击游戏广告并充值，模型会综合其近期行为、游戏用户画像以及广告内容，判断展示广告后该玩家的转化可能性及付费金额。
2. 归因窗口期内的转化累计
在归因窗口期内，所有发生的 event value 会被累计，成为模型优化的 ROI 信号。以咖啡店引流为例，假设暑假工发传单一周（归因时间窗），记录到 A、B、C 三位顾客消费。A 来 3 次，消费 30 元；B 来 2 次，共消费 25 元；C 来 3 次，合计消费 50 元。这期间，C 的消费价值最高，后续发传单就会倾向吸引 C 这类顾客。这表明，VO 在优化时，会以归因窗口期内的总消费价值为依据，寻找高价值用户。
3. 用户历史行为参考
建模时，用户历史行为是重要参考因素。包括用户历史转化价值，即同一用户过去在其他广告中的购买、付费记录及历史 value 分布；用户行为强度，涵盖点击频率、浏览时长、最近互动等；用户在 Facebook端内的内容消费倾向、兴趣行为；还有地理位置、设备、网络等信息。这些综合信息，帮助系统全面判断用户未来的转化价值。比如，一位经常在 Facebook 浏览高端电子产品内容、频繁点击相关广告且有过购买记录的用户，系统会认为其对电子产品广告的转化价值较高。
4. 避免学习受限
Facebook 广告投放有学习阶段，在此期间，投放系统探索最佳投放方式，测试不同受众、展示位置和优化策略。若广告组未获足够优化事件退出学习阶段，会显示 “学习受限”。这通常由灵活性受限（如受众范围过窄或重叠、广告账户结构复杂）或缺乏信息（如广告主频繁更改广告系列、优化时间罕见）导致。为让 VO 学习顺利，广告主应简化广告帐号结构，提升灵活性，增加竞拍信息数据，助力快速脱离学习阶段，稳定提升广告效果。例如，合并广告系列和广告组，扩大类似受众比例，减少受众重叠，合理设置预算等。
Facebook 的 VO 在学习过程中，综合考量转化事件、归因窗口期价值累计、用户历史行为等多方面内容。广告主只有充分理解这些，精细优化投放设置，才能让 VO 发挥最大效能，实现高价值用户精准触达，提升广告投资回报率。
Smart proxy 全球超过 90% 的电子商务品牌，拥有全球最大的动态 IP 池，拥有全球 9600WIP 资源.，
拥有部分国家最纯净的静态 IP 住宅 IP，原生住宅双 ISP.
