Facebook广告内部是如何寻找目标受众的?

作者: 泛思网 | 2022-07-01
自己建立的这个广告,也是在不同的广告组中,也没有相互竞争,广告目标都是一致的,怎么另外一个表现,却是这么不尽人意呢?

今天来讲讲Facebook广告

在投放Facebook广告前,可以先来泛思网了解一下服务,先把数据做上去,再进行投放Facebook广告,效果更佳!

今天主要讲三大点:

第一:Facebook投放的一些真理
第二:回答大家的一些关于Facebook投放中的问题
第三:Facebook广告,他内部是如何寻找潜在的目标受众?

今天的内容也穿插了一些用户的提问,啊哈哈,我发现可以根据用户的提问来写文章,这样可写的内容就多了很多啊!

Facebook广告投放,是一门玄学。

其实真正有投放过Facebook广告的人,都知道Facebook是一个玄学。

什么是玄学呢?

比如:你现在在跑的一个facebook广告,这个广告ROAS表现非常好,达到了1:10

也就是说,你投入了一块钱,但是你赚到了10块钱,这个生意是非常棒的。

接下来,你打算复制这个广告,就算你什么都不改,不改预算,不改受众,不改素材,复制一模一样的广告,你会发现,这个广告的最终结果可能表现的一塌糊涂。

新手不理解啊,为什么啊?

自己建立的这个广告,也是在不同的广告组中,也没有相互竞争,广告目标都是一致的,怎么另外一个表现,却是这么不尽人意呢?

对,这就是玄学,不仅是新手,很多老手也解释不出来。

Facebook广告的结果表现,取决于太多因素了,受众,广告创意,预算,版位,兴趣....

所以我真的说一句话,Facebook广告并不是谁谁谁告诉你,你按照这样的来,就会等于什么样的结果

不是的!

在Facebook广告上,请大家记住三点:

第一:Facebook没有一个标准投放公式,并不是1+1就能等于2的
第二:所有优秀的广告投手,一定是靠钱砸出来的经验
第三:Facebook是玄学,就是要多测试

这三点如果你认识不清的话,那么你只能在广告上走弯路,还要被人割韭菜。

为什么要复制广告?

即便这么玄学,我想我依然可以回答大家一些常见的问题。(我今天突然发现,原来还可以利用提问来写文章,我今后可写的就多了)

今天有人问我:
为什么大家在投放Facebook广告的时候,比如一个广告表现的很优秀
为什么要用复制adset的形式来实现?而不是将它们复制到另一个CBO中并增加预算?
例如,我们在投放Facebook广告的时候,采用的策略是:

CBO 1-10个ADSET(这里面有5个表现好的广告)

CBO 2-10个ADSET(保留来自CBO 1中的5个表现好的广告,但每个在复制一遍)

所以,请问为什么大家是复制,而不是直接把CBO 2的预算翻一番?难道是担心这样受众会看到两次广告吗?

首先,在回答这个问题之前,我和你讲下在Facebook中,用户在做广告投放的时候,Facebook广告是怎么寻找匹配受众的?

这部分我想应该很多人不了解,我也和大家普及下

Ps:关于什么是CBO,CBO的原理,CBO的好处,以及CBO的注意点,这些我就不讲了,大家可以自行去学习。

Facebook广告,内部如何寻找潜在的目标受众?


Facebook在广告组这个层面的算法有点像这样:

当你在投放广告的时候,首先在你的广告系列中,这里面的广告受众会被分配到一个广告中。

这些受众前期是在测试,那么在测试阶段在Facebook体系里面,这其实是动态的匹配的一个过程(内部会有一个匹配的标准),根据这个标准来确定,哪些受众对你的广告做出了反应。

我们知道,Facebook ad的算法用的是预测性算法(Predictive Algorithm)。

简单的说,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。

而机器学习算法有两大类别: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。

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。


举个例子,当你问“这个用户看到广告后会不会点击购买我的产品”?

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。
举例子
比如广告组里面,有一个广告,这个广告的受众设置的唯一兴趣爱好是phone cases,那么

在第一天中,facebook的广告可能会针对这个兴趣爱好,推送给一些喜欢phone cases+喜欢狗的用户,并观察表现情况是如何的

在第二天中,Facebook可能会把广告推送给另外一批不同的受众,此时这些人就不是喜欢phone cases+狗的用户,很可能是phone cases+猫的这些受众

好了,这个时候,Facebook会根据这两批受众的不同表现,开始进行广告优化,这个优化是同时结合你的网站广告像素(pixel)数据来分析哪一部分受众最容易受到你的广告的影响。

所以这是Facebook广告的一个优化测试,当然内部的算法,这肯定不是简单的一个一个来测试。

比如我前面说了Facebook先测试 phone cases+狗,然后接下来再测试phone cases+猫,算法会几个维度同时来进行测试的。


Facebook对人的特征掌握非常的清楚,有很多维度来同时进行测试。

就好像Facebook会同时派遣几个先遣部队,去前面刺探(根据可能喜欢你产品的受众+网站像素)来找到最合适人。

然后派出去的几个先遣队回来报告,看看哪个表现最好,在加大对该部队的预算

所以,你看这个是Facebook内部,CBO的一个受众寻找和优化的过程。

 

泛思网Facebook点赞刷粉服务,包括Facebook刷订阅、Facebook刷赞、Facebook刷播放量、Facebook直播人气、Facebook刷评论、脸书刷播放量、脸书刷赞、脸书直播人气等等,Facebook点赞刷粉服务安全稳定不封号,泛思网专注华人点赞刷粉服务,更懂您的需求!

 

相关产品

相关文章

版权所有 转载必究 Copyright Copyright © 2012-2024 Consultancy Services Co.,Ltd