Facebook廣告，內(nèi)部如何尋找潛在的目標(biāo)受眾？

我們知道，F(xiàn)acebook ad的算法用的是預(yù)測(cè)性算法（Predictive Algorithm）。

簡(jiǎn)單的說，機(jī)器學(xué)習(xí)的算法通過“學(xué)習(xí)”廣告投放得到的反饋（歷史數(shù)據(jù)），對(duì)新的廣告投放效果進(jìn)行預(yù)測(cè)。

而機(jī)器學(xué)習(xí)算法有兩大類別：回歸算法（Regression）和分類算法（classification）。

回歸算法的結(jié)果是一些連續(xù)的值，比如一元二次方程里的一條直線，任意一個(gè)橫坐標(biāo)的X值，都可以找到一個(gè)對(duì)應(yīng)的Y值。

分類算法的輸出結(jié)果并不是連續(xù)的，而更像是一段又一段的區(qū)間。

舉個(gè)例子，當(dāng)你問“這個(gè)用戶看到廣告后會(huì)不會(huì)點(diǎn)擊購(gòu)買我的產(chǎn)品”？

通過分析，分類算法會(huì)告訴你，“Yes”還是“No”。

但是回歸算法會(huì)告訴你“只有68.59%的可能性會(huì)買，也有31.41%的可能性不會(huì)買”。

實(shí)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(guī)定區(qū)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(zhuǎn)化為一個(gè)分類算法了。

不管使用哪種算法，在廣告投放領(lǐng)域，機(jī)器學(xué)習(xí)的核心都是通過分析audience的特性（demographics），來對(duì)TA的行為進(jìn)行預(yù)測(cè)。

Facebook廣告，內(nèi)部如何尋找潛在的目標(biāo)受眾？

Facebook在廣告組這個(gè)層面的算法有點(diǎn)像這樣：

當(dāng)你在投放廣告的時(shí)候，首先在你的廣告系列中，這里面的廣告受眾會(huì)被分配到一個(gè)廣告中。

這些受眾前期是在測(cè)試，那么在測(cè)試階段在Facebook體系里面，這其實(shí)是動(dòng)態(tài)的匹配的一個(gè)過程（內(nèi)部會(huì)有一個(gè)匹配的標(biāo)準(zhǔn)），根據(jù)這個(gè)標(biāo)準(zhǔn)來確定，哪些受眾對(duì)你的廣告做出了反應(yīng)。