作為一名FB投手，對于Facebook廣告背后算法機制的探求是永無止境的。
在投放Facebook廣告時，無論是首次開始投放，還是在編輯后重新投放，所掌握的數據信息都不足以盡可能穩定地投放廣告。為獲得這些必要的數據，Facebook必須向不同類型的用戶投放廣告，以此了解哪些人群最可能執行我們的優化事件?，這就是Facebook廣告背后的競價機制——“機器學習”。
今天這篇內容，橙四海就和各位FB投手一起來聊聊Facebook機器學習在算法中的作用，揭開“黑盒”機制的神秘面紗。
機器學習是人工智能的實踐和應用，具體是通過大數據來訓練算法和數據模型，從而更加準確地對新的（未知）數據及指令作出預測和判斷。
那么，數據哪里來呢？
首先，對于Facebook，每天有上億的用戶自發地生成各種數據（UGC）：照片、影片、語音、文字、社交互動等等。
除此之外，Facebook還可以通過你瀏覽器的cookie來追蹤你在互聯網上的一切行為。
比如你瀏覽過哪些網站？你搜索過哪些內容？你產生過哪些購買行為?
在Facebook的官網中有這樣一段話：
“Weuse cookies to help us show ads and to make recommendations forbusinesses and other organizations to people who may be interested inthe products, services or causes they promote.”
所以，Facebook主要是通過追蹤瀏覽器的cookie來收集用戶的數據，進而對用戶的喜好和行為進行預測，選擇最適合的廣告呈現在用戶面前。
同時Facebook又用cookie來判斷控制廣告的投放，以及評估廣告的質量。
比如確保該廣告出現在同一個用戶的時間線上不超過X次（impression）。再比如該用戶是否與廣告產生了交互行為（點擊、留言、點贊、購買等等）。
IOS14.5上線之，隱私新規中的用戶可自主選擇是否允許APP追蹤其在網站內的瀏覽歷程，使得Facebook廣告一度出現轉化歸因不準確等情況，也印證了cookie對于Facebook的重要性。
那Facebook廣告的機器學習是如何運轉的呢？
Facebookad算法是預測性算法（PredictiveAlgorithm）。
簡單來說，機器學習的算法通過“學習”廣告投放得到的反饋（歷史數據），對新的廣告投放效果進行預測。
機器學習算法的兩大類別：回歸算法（Regression）和分類算法（classification）。
回歸算法的結果是一些連續的值，比如一元二次方程里的一條直線，任意一個橫坐標的X值，都可以找到一個對應的Y值。
而分類算法的輸出結果并不是連續的，而更像是一段又一段的區間。
例如：
通過分析，分類算法會告訴你，“Yes”還是“No”。
但是回歸算法會告訴你“只有68.59%的可能性會買，也有31.41%的可能性不會買”。
實際上，兩種算法并不是完全無法不兼容彼此的。
比如你在回歸算法的輸出層規定區間，“低于60%的值輸出No”，“不低于60%的輸出值為Yes”，這樣回歸算法就轉化為一個分類算法了。
不管使用哪種算法，在廣告投放領域，機器學習的核心都是通過分析audience的特性（demographics），來對TA的行為進行預測。
因為Facebook廣告的算法對外界仍然是非公開的，是個黑盒（BlackBox）。所以兩種算法其實都有可能，甚至可能是兩種算法的結合。
但無論是使用兩種算法的哪一種，Facebook廣告的LearningPhase都是在不斷的訓練算法模型，尋找完美的擬合曲線。一旦學習結束，算法就會尋找目標受眾中，距離曲線最近的點（潛在受眾）。?
而如何讓Facebook廣告機器學習快速到達這個完美的擬合曲線點？
就需要準備就需要大量的數據，這時候就需要我們Facebook投手出馬了！
當我們開始投放廣告時，Facebook最初基本是處于盲投的狀態，它憑借自己的直覺投放給一些可能對我們的產品感興趣的受眾，
一旦某個用戶有了相應的反饋，比如給廣告點贊、或者點擊了購買鏈接，Facebook會將該用戶的數據收集入你的數據庫里。?
但是，前期我們只能積累到一些零星的數據，很有可能是特例，也就是一些電商賣家常說的“偶然單”。所以，投放早期，各位投手切忌胡亂調整廣告賬戶，導致機器學習走向走歪，白白浪費廣告預算。
而當我們數據隨著時間的積累足夠多時，機器也更加容易找到更符合我們目標受眾的群體，從而對新的數據進行更加準確的預測，這也就說明了為啥老的廣告組很多都可以穩定出單的，而培養一個穩定的廣告組正是專業投手最應該做的事。
但這時候很有可能會有小伙伴說：四海盡說廢話，誰不知道數據積累的多，廣告就更精準，但老板等不及啊！
如果你老板知道Facebook廣告這些算法的話，他可能會改變自己的看法？
在Facebook通過自己早期選擇受眾得到一個小的模型之后，算法會嘗試著尋找和這些用戶有相似特性的其他用戶、并且推送相同的廣告來反復確認自己的判斷。
如果結果不符合預期，算法就會調整策略，比如調整某個特性的權重。
在這個調整的過程中，有可能會影響到廣告主的決策。
比如你的目標受眾可能是喜歡踢足球的男生，但是你一開始并沒有對興趣做任何的限制，而Facebook根據它已有的數據可能就“猜測”愛玩兒游戲的受眾比較理想。
結果跑了幾天，廣告效果很差，沒有耐心的人有可能就此打住，終止廣告。但其實你再堅持一下，廣告就可以“看到明天的太陽了”
因為隨機性，導致決策的變化，從而影響整個數字營銷的效果。?
數據不會說謊，但是片面的數據，會誤導我們的判斷能力。
因此，各位投手請把這篇內容轉給你不是很懂廣告，只想要ROI的老板看一下，或許能夠讓你得到救贖。
關于FB投手如何避免被一些算法的不確定性影響廣告投放的效果，橙四海會在下一期內容詳細講解！也歡迎有不同見解的小伙伴在評論區留言，分享自己的看法~
橙四海準備了一份事關出海人自身利益的調研
跨境人最關心的5個問題，只需1分鐘時間
所有認真填寫問卷內容的伙伴，都可以獲得盲盒禮品
還會選出天選用戶發出價值200元的專屬定制端午禮盒
Tips：對于非選擇題，回答的內容多，就有機會獲得專屬禮盒
長按識別上方二維碼參與
?更多內容?
（點擊下方查看）
推薦閱讀?
木瓜移動是一家由清華、斯坦福、谷歌背景的海歸精英創立于2008年，專注于SaaS領域和出海營銷解決方案的科技公司，致力于幫助優質的中國企業分享全球市場。
木瓜移動旗下的SaaS平臺聚合多重工具，包括：投放管理、數據管理、客戶管理、支付管理等，同時也是Facebook、Google中國區頂級代理。
木瓜移動的客戶覆蓋電商、游戲、應用、汽車、數碼、教育、金融等眾多領域，包括：阿里巴巴、騰訊、百度、字節跳動、攜程旅游、汽車之家、360、美的等眾多知名品牌。目前已成功助力超5000家企業打開全球市場，每年為客戶實現海外廣告曝光量超1,000億次。
END
文章為作者獨立觀點，不代表DLZ123立場。如有侵權,請聯系我們。( 版權為作者所有，如需轉載，請聯系作者 )
網站運營至今，離不開小伙伴們的支持。 為了給小伙伴們提供一個互相交流的平臺和資源的對接，特地開通了獨立站交流群。
群里有不少運營大神，不時會分享一些運營技巧，更有一些資源收藏愛好者不時分享一些優質的學習資料。
現在可以掃碼進群，備注【加群】。 ( 群完全免費，不廣告不賣課！)
