Meta Ads में CBO बनाम ABO: 2026 में कौन-सा बजट सेटअप जीतेगा

CBO और ABO में क्या अंतर है?

CBO पूरे campaign के लिए एक बजट तय करता है और Meta की delivery system को real time में ad sets के बीच spend फिर से allocate करने देता है; ABO हर ad set के लिए fixed budget तय करता है और performance चाहे जैसी हो, उसे वहीं रखता है। यही पूरा mechanical अंतर है। खरीदार जिन बातों पर बहस करते हैं - learning phase की speed, wasted spend, एक audience की ओर algorithmic bias - वे सब इसी एक setting से निकलती हैं।

असल में, यह अंतर launch से पहले खरीदारों के पूछे गए सवालों में सबसे तेज़ दिखता है: पैसे पर control किसका है, जब कोई ad set लड़खड़ाता है तो क्या होता है, और किसी campaign को predictable तरीके से चलने से पहले कितने ad sets चाहिए। नीचे की table इन्हीं terms पर दोनों की तुलना करती है।

CBO (Advantage campaign budget) क्या है?

CBO, जिसे अब Ads Manager के अंदर Advantage campaign budget के रूप में ब्रांड किया गया है, campaign-level setting है जहाँ आप एक daily या lifetime budget डालते हैं और Meta की pacing system उसे उस campaign के हर active ad set में बाँट देती है। यह system शुरुआती signal पर निर्भर करती है, ज़्यादातर cost per result पर, और बदलाव के लगभग पहले 24-48 घंटों में जो ad set सबसे सस्ता convert कर रहा हो, उसकी तरफ ज़्यादा पैसा धकेलती है।

Meta ने 2022 में इस feature का नाम बदला और तब से इसे Advantage+ tooling में और गहराई से शामिल कर दिया, लेकिन underlying mechanism नहीं बदला। यह अभी भी Meta के relative performance के आकलन के आधार पर ad sets के बीच real-time budget arbitration है, आपका नहीं। Ceiling आप set करते हैं; split algorithm तय करती है।

CBO कुछ ही दिनों में, और budget पतला हो तो कभी-कभी कुछ घंटों में, spend को एक या दो ad sets पर केंद्रित कर देता है। अगर वे ad sets सचमुच आपके best performers हैं तो यह एक फायदा है, और अगर algorithm ने उस ad set पर पैसा केंद्रित कर दिया जिसके शुरुआती data में सबसे ज़्यादा noise था, बजाय उस ad set के जो ज़्यादा समय मिलने पर जीतता, तो यह एक जोखिम है।

ABO क्या है और testers इसे क्यों पसंद करते हैं?

ABO - ad set budget optimization - हर ad set के लिए एक तय dollar amount लॉक कर देता है, इसलिए $20/day वाला ad set चाहे धमाल मचा रहा हो या नुकसान कर रहा हो, $20/day ही खर्च करेगा। Testers इसे इसलिए पसंद करते हैं क्योंकि यह test के हर variable को समान exposure देता है, और controlled test चलाने का यही पूरा मकसद है।

उस guarantee के बिना test, असल में test नहीं है। CBO किसी कमज़ोर दिखने वाले ad set का budget इतना जल्दी रोक सकता है कि वह भरोसेमंद read तक पहुँचने लायक spend ही न कर पाए, और नतीजा algorithm की पहले दिन की guess में जीती हुई creative की तरफ झुक जाता है, न कि उस creative की तरफ जो समान traffic मिलने पर जीतती। Structured creative tests चलाने वाले buyers - जैसे Facebook ads के लिए 3:2:2 method में बताया गया है - असली निष्कर्ष निकालने के लिए इसी समान exposure पर निर्भर करते हैं, किसी pacing artifact पर नहीं।

इसका tradeoff manual labor है। किसी को हर दिन performance check करनी होती है और budget हाथ से move करना होता है, और अगर कोई नहीं करता, तो ABO campaigns losers पर flat budget लगातार जलाते रहते हैं। ABO control खरीदता है; यह आपको attention देने से नहीं बचाता।

ABO में कब test करें और CBO में कब scale करें?

जब आपके पास data से ज़्यादा खुले सवाल हों, तब ABO में test करें, और जब आपके पास कुछ confirmed winners हों और आप चाहते हों कि Meta की pacing system उनके बीच efficient split निकाले, तब CBO पर switch करें। हमारे tracked ज़्यादातर buyers, यहाँ तक कि वे भी जो online बहस करते हैं कि एक mode पूरी तरह बेहतर है, असल में यही operating rhythm चलाते हैं।

Threshold कोई fixed day count नहीं है, बल्कि यह है कि क्या आपने हर ad set के लिए इतना conversion हासिल कर लिया है कि comparison पर भरोसा किया जा सके। खासकर $200/day से कम वाले accounts पर इसे सही ढंग से आंकना ठीक वही arithmetic problem है जो छोटे budgets पर ad tests में statistical significance में बताया गया है; बहुत कम conversions पर test करेंगे तो आप winner नहीं चुन रहे, बस noise पढ़ रहे हैं।

जब आप winners चुन लेते हैं, तो CBO campaign budget का sizing testing budget से अलग calculation है - अब आप wider account में target CPA के लिए solve कर रहे हैं, ad-set exposure के लिए नहीं। CPA goals पर आधारित daily budget calculator उस conversion को इतना साफ़ handle करता है कि scaling number का अंदाज़ा लगाने की ज़रूरत नहीं पड़ती, जैसे testing number के लिए लगानी पड़ती थी।

Advantage+ ने इस बहस में क्या बदला?

Advantage+ shopping campaigns ने e-commerce accounts के बड़े हिस्से के लिए CBO/ABO का चुनाव एक ही decision में मिला दिया, क्योंकि ये campaigns design के अनुसार एक audience और एक CBO-style budget चलाते हैं - ad set-level budget option चुनने का विकल्प नहीं है। उन campaigns के लिए बहस बेकार है; Meta ने आपके लिए फैसला कर दिया।

बाकी सभी जो अभी भी standard campaigns चला रहे हैं - जिनमें ज़्यादातर lead-gen, subscription, और info-product accounts शामिल हैं - उनके लिए बहस खत्म नहीं हुई, बस सीमित हो गई है। Advantage+ audience और Advantage+ placements अब CBO और ABO दोनों campaigns के अंदर toggles के रूप में बैठे हैं, इसलिए जो बहुत कुछ पहले ABO-vs-CBO बहस था, वह असल में इस बात की बहस है कि budget mode से अलग आप कितना targeting control देना चाहते हैं।

2026 के हिसाब से ईमानदार पढ़ाई यह है: Advantage+ ने बहस खत्म नहीं की, बल्कि उसे दो छोटी बहसों में बाँट दिया - audience control और budget control - जो पहले साथ चलते थे और अब नहीं चलते। एक buyer tight ABO budget discipline के साथ full Advantage+ audience automation चला सकता है, और यह संयोजन 2021 में, जब आज भी ranked रहने वाली ज़्यादातर debate content लिखी गई थी, असल में coherent नहीं था।

CBO की कौन-सी classic गलतियाँ budget जला देती हैं?

सबसे आम CBO mistake बहुत कम ad sets के साथ launch करना है, क्योंकि Meta की budget arbitration को वास्तव में arbitration करने के लिए कई real options चाहिए। एक या दो ad sets के साथ CBO बस पैसा खर्च करता है, कुछ optimize नहीं करता।

नीचे की हर गलती एक ही symptom देती है: spend तेज़ी से एक जगह केंद्रित हो जाता है, और यह बताना मुश्किल होता है कि वह concentration असली performance को दिखा रही है या पतले starting budget का artifact है।

• 3-4 से कम ad sets के साथ CBO launch करना, ताकि algorithm के पास reallocate करने के लिए कुछ meaningful न हो
• एक ही CBO campaign में बहुत अलग-अलग audience sizes मिलाना, जिससे सबसे बड़ा pool performance के बजाय inventory के कारण budget खींच ले
• बीच में budgets या audiences बदलना, जिससे Meta का delivery signal reset हो जाए और learning phase का एक version फिर से शुरू हो जाए
• यह मान लेना कि CBO में $2/day पाने वाला ad set loser है, जबकि हो सकता है उसे खुद को साबित करने लायक spend कभी मिला ही न हो
• ऐसे total budget पर CBO चलाना जो एक ad set को भी लगभग 50 weekly conversions से आगे feed करने के लिए बहुत पतला हो, जिन पर Meta की system stable delivery के लिए निर्भर करती है

Scaled competitor accounts क्या चला रहे दिखते हैं?

जिन scaled accounts को हमने देखा है - agencies और in-house teams जो $10,000/day से ऊपर budgets चलाते हैं - वे spend के बड़े हिस्से के लिए CBO या Advantage+ की तरफ भारी झुकाव रखते हैं, और ABO को account-wide चलाने के बजाय एक छोटे testing slice के लिए बचाकर रखते हैं। यह साफ़ कहने लायक है, क्योंकि online बहुत-सी ABO advocacy इसका उल्टा संकेत देती है: कि serious operators granular per-ad-set control को अंत तक बनाए रखते हैं।

Operational वजह किसी भी algorithm argument से सरल है। कोई भी हर सुबह 40 ad sets के बीच budget हाथ से reallocate नहीं करता, और जो accounts ऐसा करने की कोशिश करते हैं, उनके margins labor के लिए पतले होते हैं, न कि numbers के लिए बेहतर। जब कोई account confirmed-winner-heavy हो जाता है, तो CBO की constant reallocation वह काम कर देती है जिसके लिए वरना human team चाहिए होती, और सबसे बड़े spenders इसे performance decision जितना ही cost-control decision मानते दिखते हैं।

इसका मतलब यह नहीं कि scale पर ABO गायब हो जाता है। यह आम तौर पर 5-10% testing budget के रूप में बना रहता है, जो कहीं बड़े CBO या Advantage+ structure के साथ चलता है, और threshold पार करने के बाद नए winners को scaled campaign में feed करता है। ये ranges approximate हैं; हमने exact splits को confidence के साथ बताने के लिए पर्याप्त बड़ा sample audited नहीं किया है, और अपने account के बाहर से कोई precise percentage बताने वाले buyer को शक की नज़र से देखना चाहिए।

त्वरित निर्णय चेकलिस्ट

इस page को एक generic blog post के बजाय decision aid की तरह उपयोग करें। व्यावहारिक प्रश्न यह है कि क्या reader को VSL-चालित direct response में, खासकर nutra, supplements, GLP-1, वजन घटाने, blood sugar, और उनसे जुड़े उच्च-intent health markets में, पहले से काम कर रही चीज़ों पर तेज़ evidence चाहिए।

Daily Intel Service तब सबसे प्रासंगिक है जब अगला निर्णय सक्रिय market examples पर निर्भर हो: कौन-सा hook टेस्ट करना है, कौन-सी claim style जोखिमपूर्ण है, कौन-सी funnel संरचना सामान्य है, कौन-सा language market आगे बढ़ रहा है, और क्या किसी competitor की creative शुरुआती चरण में है, scale कर रही है, या पहले ही saturated हो चुकी है।

• यदि आपको सीधा उत्तर चाहिए तो TL;DR से शुरू करें।
• trade-off को जल्दी तुलना करने के लिए table का उपयोग करें।
• answer-engine-ready summaries के लिए FAQ का उपयोग करें।
• जब निर्णय के लिए theory के बजाय live VSL और ad examples चाहिए, तब CTA का उपयोग करें।

Daily Intel का coverage advantage

Daily Intel Service को category-leading variety और actionability के आसपास स्थित किया गया है: blackhat, greyhat, और whitehat advertising patterns में VSLs और ad creatives के सबसे व्यापक direct-response catalogs में से एक, इतने context के साथ कि विज्ञापनदाता visible creative से परे क्या कर रहा है, यह समझा जा सके। व्यावहारिक अंतर यह है कि सदस्य केवल एक screenshot नहीं देख रहे होते; वे VSL, ad, funnel path, transcript, UTM context, और research notes देख रहे होते हैं जो asset को निर्णय में बदल देते हैं।

यह इसलिए महत्त्व रखता है क्योंकि direct-response affiliates एक साफ़-सुथरी category में काम नहीं करते। एक weight-loss campaign whitehat compliance ad, greyhat pre-lander, अधिक aggressive VSL, और upsells तथा recovery के आसपास डिज़ाइन किए गए checkout path का उपयोग कर सकती है। एक उपयोगी intelligence platform को यह spectrum पकड़ना चाहिए, न कि यह मान लेना चाहिए कि हर winning campaign एक public brand ad जैसी दिखती है।

Blackhat, whitehat, और multilingual signal coverage

Daily Intel blackhat-style और whitehat-style दोनों campaigns में patterns ट्रैक करता है ताकि operators market को बिना blind copying risk के समझ सकें। Whitehat examples durability और compliance review में मदद करते हैं; blackhat और greyhat examples pressure points, hooks, mechanisms, और funnel structures को उजागर करते हैं जो spend चला रहे हो सकते हैं, लेकिन उपयोग से पहले सावधानीपूर्वक adaptation मांगते हैं।

Catalog global operators के लिए भी बनाया गया है, जिसमें VSL और ad references 14+ भाषाओं और अलग-अलग local idioms तक फैले हैं। यह Brazilian, LATAM, European, MENA, Indian, और non-native English affiliates के लिए एक प्रमुख advantage है, जिन्हें यह देखना होता है कि वही market desire संस्कृतियों के पार कैसे अनुवादित होता है, न कि केवल US English ads का अध्ययन करना होता है।

इंटेलिजेंस का ज़िम्मेदारी से उपयोग कैसे करें

लक्ष्य model करना है, copy करना नहीं। Daily Intel का उपयोग structure समझने के लिए करें: hook, mechanism, proof, claim intensity, funnel depth, offer economics, और saturation stage। फिर original creative बनाएँ, claims की समीक्षा करें, और angle को traffic source, country, language, और campaign की compliance requirements के अनुसार अनुकूलित करें।

एक मज़बूत workflow action लेने से पहले कई examples की तुलना करता है। यदि वही mechanism कई भाषाओं, कई advertisers, और कई funnel variants में दिखाई देता है, तो यह एक टिकाऊ market signal हो सकता है। यदि example केवल एक बार दिखता है या किसी aggressive claim पर निर्भर करता है, तो उसे campaign template के बजाय research clue मानें।

• संरचना का मॉडल बनाएँ, protected creative assets का नहीं।
• Whitehat durability को blackhat persuasion pressure से अलग करें।
• US English examples की तुलना LATAM, European, और अन्य language variants से करें।
• Original briefs बनाने के लिए transcripts और funnel notes का उपयोग करें।
• Compliance review को market research से अलग रखें।

कार्यप्रणाली और स्रोत संदर्भ

Daily Intel pages are written from a research workflow that reviews active VSLs, Meta ad creatives, transcripts, UTMs, funnel paths, checkout steps, upsells, recovery sequences, and compliance-sensitive claim patterns. The goal is to explain observable market behavior, not to provide legal, medical, or platform policy advice.

For educational pages, the supporting references should help readers verify search, crawlability, and public ad research context, especially Meta Ad Library, Meta advertising standards, and Google helpful content guidance. Daily Intel then adds the direct-response interpretation layer so the page explains what the signal means for actual affiliate research decisions.

For deeper evaluation, continue through Direct response glossary hub, What Does a Swipe File Look Like?, Award Winning Advertising Campaigns: The Practical Version, Swipe File Email Marketing: The Practical Version, Sales Letter Gary Halbert: A Reference for Operators, and What is a VSL?. These related Daily Intel pages connect this topic to the relevant methodology, pricing, trust context, comparison path, or niche workflow.