Facebook廣告，內部如何尋找潛在的目標受眾？

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

簡單的說，機器學習的算法通過“學習”廣告投放得到的反饋（歷史數據），對新的廣告投放效果進行預測。

而機器學習算法有兩大類別：回歸算法（Regression）和分類算法（classification）。

回歸算法的結果是一些連續(xù)的值，比如一元二次方程里的一條直線，任意一個橫坐標的X值，都可以找到一個對應的Y值。

分類算法的輸出結果并不是連續(xù)的，而更像是一段又一段的區(qū)間。

舉個例子，當你問“這個用戶看到廣告后會不會點擊購買我的產品”？

通過分析，分類算法會告訴你，“Yes”還是“No”。

但是回歸算法會告訴你“只有68.59%的可能性會買，也有31.41%的可能性不會買”。

實際上，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”，這樣回歸算法就轉化為一個分類算法了。

不管使用哪種算法，在廣告投放領域，機器學習的核心都是通過分析audience的特性（demographics），來對TA的行為進行預測。

Facebook廣告，內部如何尋找潛在的目標受眾？

Facebook在廣告組這個層面的算法有點像這樣：

當你在投放廣告的時候，首先在你的廣告系列中，這里面的廣告受眾會被分配到一個廣告中。

這些受眾前期是在測試，那么在測試階段在Facebook體系里面，這其實是動態(tài)的匹配的一個過程（內部會有一個匹配的標準），根據這個標準來確定，哪些受眾對你的廣告做出了反應。