Facebook机器学习的三种运作模式-ESG跨境

Facebook当广告体系在第一次或重大作者后重新发表时，体系将持续摸索发表广告组的更佳方法。在此期间，投放体系将摸索更有效的广告解决计划，包含广告的时间、地位和方法。机器学习阶段的广告组效力不高，称为机器学习阶段。

当广告组稳固（通常在7天内完成50个优化事件，SKAN至少需要完成88个转化事件)将退出机器学习阶段，广告组将从学习改变为投放。

Facebook机器学习有三种操作模式：广告系列预算优化、更低成本竞价策略、主动版位。

1、广告系列预算优化（CBO）

广告系列设置总预算，让体系实时将预算分配给性能更好的广告组，从而优化各广告组的预算分配。广告系列预算优化是在广告系列层面优化预算分配的一种方法。这意味着Facebook会不间断地在广告系列中主动寻找实现成效的更佳机遇并实时分配预算以获得这些成效。

改良表示：以相同的预算取得更多成果。

节俭时间：减少预算的手动跟踪和管理，从而减少预算计划、设置和优化的时间。

改良投放：如果每个广告组都包括重叠受众，体系将删除重叠受众。然而，如果广告系列预算优化开关按钮打开，预算将转移到更具竞争力和更好机遇的广告组，以减少投放不足。

2、更低成本竞价策略

实用场景你比严厉的效力目的更重视转化。更低成本竞价策略许可体系为卖家设置竞价，目的是为卖家获得更低成本的单一优化事件，并消费预算。

特殊值得注意的是，所有广告团队在应用更低成本竞价和广告系列预算优化时，必需优化同一事件。

3、主动版位

人工决议哪个时间，哪个广告应用哪个地位非常繁琐，这将糟蹋时间和金钱。主动地位功能许可广告体系帮助卖家实时明确更佳地位，并动态地为这些机遇分配更多的预算，并获得Facebook其使用和服务中的多个版本笼罩了更多受众的机遇。

和仅限Facebook的版位相比，笼罩率高达7%，获取客户的成本更低，从而进一步卖家的投资回报，单次成效成本降幅可以到达71%。

特别声明：以上文章内容仅代表作者本人观点，不代表ESG跨境电商观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与ESG跨境电商联系。