Facebook广告机器学习大揭秘！暗藏起量的神秘技法~

作为一名FB投手，对于Facebook广告背后算法机制的探求是永无止境的。

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。为获得这些必要的数据，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"。

今天这篇内容，橙四海就和各位FB投手一起来聊聊Facebook机器学习在算法中的作用，揭开"黑盒"机制的神秘面纱。

Facebook机器学习

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。

那Facebook广告的机器学习是如何运转的呢？

Facebookad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.............

原文转载：http://fashion.shaoqun.com/a/980192.html

ioffer：http://www.ikjzd.com/w/173
snowflake：http://www.ikjzd.com/w/2095
ideal：http://www.ikjzd.com/w/2286
中国制造网：http://m.ikjzd.com/w/2777
资深亚马逊运营ABA数据拆解交叉分析思路详解：https://m.ikjzd.com/articles/159317
Shopee转化率提升多维度易忽视细节分享：https://m.ikjzd.com/articles/159319
亚马逊基于客户生命周期的ACoS平衡运营思路详解：https://m.ikjzd.com/articles/159318