跨境电商广告主在投放Facebook广告时，无论是首次开始投放，还是在编辑后重新投放，所掌握的数据信息都不足以尽可能稳定地投放广告。维睿互动小维作为一名专业的Facebook广告投手，对于Facebook广告背后算法机制的探求是永无止境的。这篇文章会为大家详细介绍一下Facebook广告的投放原理及投放技巧。
为获得精准投放的必要数据，Facebook必须向不同类型的用户投放广告，以此了解哪些人群最可能执行我们的优化事件 ，这就是Facebook广告背后的竞价机制——“机器学习”。
Facebook机器学习是什么？
Facebook的机器学习阶段是投放系统优化广告效果的方式。
每次展示广告时，学习阶段都会了解有关向哪些受众和哪些地区的受众展示广告的更多信息。它收集的数据越多，就能更好地了解什么样的内容更有效果。
在学习阶段，Facebook仍在寻找方法，以更好地投放你的广告组，因此效果不稳定，CPA的表现通常更差。当你创建新广告或广告组或对现有广告组或广告组进行重大修改时，广告就会进入学习阶段。
机器学习是人工智能的实践和应用，具体是通过大数据来训练算法和数据模型，从而更加准确地对新的（未知）数据及指令作出预测和判断。
那么，数据哪里来呢？
首先，对于Facebook，每天有上亿的用户自发地生成各种数据（UGC）：照片、影片、语音、文字、社交互动等等。
除此之外，Facebook还可以通过你浏览器的cookie来追踪你在互联网上的一切行为。
比如你浏览过哪些网站？你搜索过哪些内容？你产生过哪些购买行为?
在Facebook的官网中有这样一段话：
“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主要是通过追踪浏览器的cookie来收集用户的数据，进而对用户的喜好和行为进行预测，选择最适合的广告呈现在用户面前。
同时Facebook又用cookie来判断控制广告的投放，以及评估广告的质量。
比如确保该广告出现在同一个用户的时间线上不超过X次（impression）。再比如该用户是否与广告产生了交互行为（点击、留言、点赞、购买等等）。
IOS14.5上线之，隐私新规中的用户可自主选择是否允许APP追踪其在网站内的浏览历程，使得Facebook广告一度出现转化归因不准确等情况，也印证了cookie对于Facebook的重要性。
Facebook广告的机器学习是如何运转的呢？
Facebook ad算法是预测性算法（PredictiveAlgorithm）。
简单来说，机器学习的算法通过“学习”广告投放得到的反馈（历史数据），对新的广告投放效果进行预测。
机器学习算法的两大类别：回归算法（Regression）和分类算法（classification）。
回归算法的结果是一些连续的值，比如一元二次方程里的一条直线，任意一个横坐标的X值，都可以找到一个对应的Y值。
而分类算法的输出结果并不是连续的，而更像是一段又一段的区间。
例如：通过分析，分类算法会告诉你，“Yes”还是“No”。
但是回归算法会告诉你“只有68.59%的可能性会买，也有31.41%的可能性不会买”。
实际上，两种算法并不是完全无法不兼容彼此的。
比如你在回归算法的输出层规定区间，“低于60%的值输出No”，“不低于60%的输出值为Yes”，这样回归算法就转化为一个分类算法了。
不管使用哪种算法，在广告投放领域，机器学习的核心都是通过分析audience的特性（demographics），来对TA的行为进行预测。
因为Facebook广告的算法对外界仍然是非公开的，是个黑盒（BlackBox）。所以两种算法其实都有可能，甚至可能是两种算法的结合。
但无论是使用两种算法的哪一种，Facebook广告的LearningPhase都是在不断的训练算法模型，寻找完美的拟合曲线。一旦学习结束，算法就会寻找目标受众中，距离曲线最近的点（潜在受众）。
而如何让Facebook广告机器学习快速到达这个完美的拟合曲线点？
就需要准备就需要大量的数据，这时候就需要我们Facebook投手出马了！
当我们开始投放广告时，Facebook最初基本是处于盲投的状态，它凭借自己的直觉投放给一些可能对我们的产品感兴趣的受众，
一旦某个用户有了相应的反馈，比如给广告点赞、或者点击了购买链接，Facebook会将该用户的数据收集入你的数据库里。
但是，前期我们只能积累到一些零星的数据，很有可能是特例，也就是一些电商卖家常说的“偶然单”。所以，投放早期，各位投手切忌胡乱调整广告账户，导致机器学习走向走歪，白白浪费广告预算。
而当我们数据随着时间的积累足够多时，机器也更加容易找到更符合我们目标受众的群体，从而对新的数据进行更加准确的预测，这也就说明了为啥老的广告组很多都可以稳定出单的，而培养一个稳定的广告组正是专业投手最应该做的事。
但这时候很有可能会有小伙伴说：你尽说废话，谁不知道数据积累的多，广告就更精准，但老板等不及啊！
如果你老板知道Facebook广告这些算法的话，他可能会改变自己的看法？
在Facebook通过自己早期选择受众得到一个小的模型之后，算法会尝试着寻找和这些用户有相似特性的其他用户、并且推送相同的广告来反复确认自己的判断。
如果结果不符合预期，算法就会调整策略，比如调整某个特性的权重。
在这个调整的过程中，有可能会影响到广告主的决策。
比如你的目标受众可能是喜欢踢足球的男生，但是你一开始并没有对兴趣做任何的限制，而Facebook根据它已有的数据可能就“猜测”爱玩儿游戏的受众比较理想。
结果跑了几天，广告效果很差，没有耐心的人有可能就此打住，终止广告。但其实你再坚持一下，广告就可以“看到明天的太阳了”。
因为随机性，导致决策的变化，从而影响整个数字营销的效果。
Facebook广告投放时，如何加快广告学习阶段？
首先，我们需要避免在广告投放初期进行更改，重置学习阶段。其次要为Facebook Ads提供尽可能多的数据，以便你可以尽快获得50次转化。
以下是加快广告学习进度的方法：
1. Facebook广告账户预算设置：
- 预算设置足够，不要太少；
- 你的预期每次转化费用是多少？如果你希望为每次转化支付2美元，请确保你已预先分配了足够的预算，能够负担的起至少50次转化；
2. Facebook广告组及广告设置：
- 选择正确的广告优化事件；
- 合并类似的广告组和广告系列，确保每个广告都有机会收集数据；
- 可以进行测试，但不要制作过多的广告；
- 如果你的广告出现此黄色警告，则说明初始学习阶段以完成，但你的广告组生成的结果不足以完全退出学习阶段；
- 考虑更改广告组以提高效果。当广告受到受众群体规模、成本控制、预算或其他设置的限制时，通常会发生Learning Limited的情况；
3. Facebook广告账户其他设置：
- 如果你的事件触发得不够频繁，无法完成学习阶段，请尝试针对更常见的事件进行优化。例如，如果要获得销量，请尝试针对“添加到购物车”进行优化；
- 注意Learning Limited提示；
- 尝试通过放宽规则（日期范围、排除对象），从而吸引更多的网站总体流量。
数据不会说谎，但是片面的数据，会误导我们的判断能力。
因此，各位投手可以把这篇内容转给你不是很懂广告，只想要ROI的老板看一下，或许能够让你得到救赎。
关于FB投手如何避免被一些算法的不确定性影响广告投放的效果，维睿互动小维会在下一期内容详细讲解！也欢迎有不同见解的小伙伴在联系我们分享自己的看法或咨询Facebook广告开户。
-------
维睿互动（VEERY）是一家专注海外营销服务的数字营销公司，致力于帮助中国企业拓展全球市场和业务。通过优质的海外媒体资源、资深专业的团队服务，面向国内成长型企业和品牌企业，提供出海营销一站式解决方案。包含海外媒体广告开户、广告投放、广告代投、账户管理、品牌营销、市场洞察、优化运营、素材创意、营销数据分析、出海知识培训等全栈式的整合营销服务。
关注我们，了解更多Facebook代理、谷歌推广等服务，获取最新跨境行业动态。
