Facebook广告投放与机器学习

为自己的广告制定个性化的投放计划可以降低营销成本、提高转化率，同时对于用户来说也是符合心意的体验。通过机器学习可以针对不同的用户展示合适的广告，可以促进良性循环。

一、广告展示依据

Facebook的广告展示由受众目标与广告拍卖结果决定：首先，广告主可以筛选不同的年龄、性别、行为趋向等来确定选择受众，或是导入已有受众群体的电子邮件等信息来创建定向或相似受众；而后让竞争相同受众的不同广告进入拍卖阶段。

对于竞争相同受众的不同广告之间，系统会通过广告主的出价、广告质量和预估行动率运行一套算法（广告的出价×预估行动率＋广告质量），得出决定对应广告整体质量的总评分，然后选择最好的广告展示给对应的用户。

二、机器学习

机器学习就是系统接收数据后进行学习，从而得出对应的参照数据。Facebook的预估行动率与广告质量分数就是通过机器学习生成的。

预估行动率

机器学习基于广告主期望受众采取的行动，去寻觅最有可能采取对应行动的用户。这需要考虑到广告内容、在线时间、互动情况等很多因素，从而去判断指定用户看到该篇内容做出不同反应的可能性。

广告质量分数

机器学习通过用户观看或隐藏各个广告的反馈、评估形成广告质量分数（如文字过多、内容不当等）。

随着网购现象越来越普遍，积累的大量广告数据使得Facebook的数据分析和预测更加完善。系统会更合理的评估广告的质量等各方面因素，所以有时候出价最高的广告也未必能赢得拍卖。这也给即使是小规模的企业也有机会在竞争中获得优势，低预算也可以触达最适合他们的客户。

四、广告展示

你的广告是否真正展示给受众群体？如果没有，是受到了什么阻碍？

首先是用户的广告偏好设置，用户可以查看和更新自己的广告设置，以便了解和掌控Facebook在自己阅览广告时使用的信息，比如选择不看广告或是隐藏广告等。

当广告主精确定位并触达了目标受众，在用户点击订阅这些广告和帖子之后，机器学习就会通过数据分析这个行为背后的原因，并且据此更加精细地分配向他们展示的内容。

当有些企业会利用自己网站浏览信息通过Facebook进行投放，而用户可以选择关闭这些活动。

在Facebook广告体系中，不存在售卖用户的数据的情况，也不会擅自与广告主分享身份识别信息或隐私。而是注重个性化的创造与数据驱动的广告体验，机器学习促进广告投放良性发展，向对的人投放对的广告，也就是追求个性化、定制化的广告，平台、广告主、用户皆大欢喜。