Facebook 如何利用机器学习技术来投放广告？

Facebook根据两个主要因素决定向人们展示哪些广告：广告主选择的受众目标和Facebook的广告拍卖结果。

首先，广告主通过Facebook的自助服务工具选择他们的目标受众。受众是根据年龄、性别等类别，以及人们在Facebook的应用程序上的行为（比如喜欢Facebook页面或点击广告）来创建的。广告主也可以利用他们拥有的受众信息，比如电子邮件或访问过他们网站的人，来建立一个定向受众或相似受众。

接下来，当决定向某人展示哪些广告时，Facebook的系统会收集包含该人的广告，这些广告属于广告主所选择的受众。这些广告转移到拍卖阶段。

对于进入拍卖的广告，Facebook会根据哪些广告拥有最高的总价值分值（广告主价值和广告质量的结合）来选择最好的广告展示给用户。Facebook通过将一个广告的出价乘以估计的行动率来发现广告主的价值。这是对特定的人采取广告主所期望的行动（比如访问广告主的网站或安装他们的应用程序）的可能性的估计。然后Facebook添加广告质量分数，这是一个决定广告整体质量的分数。Facebook使用机器学习来指导这个过程，如下所述：

机器学习是一种在接收到新数据时进行学习的系统，它无需经过明确的编程，以快速高效地执行复杂的任务。Facebook使用机器学习来生成估计的行动率和广告质量分数，用于总价值方程。

为了找到估计的行动率，机器学习模型预测一个特定的人采取广告主所期望的行动的可能性。基于广告主为他们的广告选择的商业目标，如增加网站访问或推动购买。为了做到这一点，Facebook的模型考虑了特定用户在Facebook前后行为以及其他因素，比如广告内容，一天中的在线时间，和广告之间的互动等。

▶模型考虑的Facebook上的行为例子包括人们在使用Facebook应用时所做的事情，比如点击一则广告或喜欢一篇文章。

▶模型所考虑的Facebook以外的行为包括人们在Facebook以外做的事情，企业通过商业工具与Facebook分享，比如访问网站、购买或安装应用程序。

为了生成广告的质量分数，Facebook的机器学习模型会考虑人们观看或隐藏广告的反馈，以及对质量属性的评估（比如广告图片中文字过多、耸人听闻的语言或吸引人的诱导性内容）。

将广告主的出价、估计的行动率和广告质量分数结合起来，计算广告在广告拍卖中的总价值分数。

随着时间的推移，随着越来越多的人观看广告、分享广告评价或在广告商的网站上点击购买，Facebook的模型在预测的点击率和广告质量方面会变得更好。由于每天有数十亿人使用Facebook的应用程序并接触到广告，Facebook的系统会获得大量信息来帮助改进它的计算，从而进一步推动Facebook为个人和企业实现价值最大化的最终目标。

出价最高的广告并不总能赢得拍卖。如果Facebook的系统预测用户更有可能对低价格的广告做出回应，如果发现他们的质量更高，那么低价格的广告往往会胜出。这使得各种规模的企业可以在拍卖中竞争，并以任何预算接触到客户。

广告的偏好

广告偏好页面供用户查看和更新他们的广告设置，这样他们就可以在决定向他们展示什么广告时更多地控制Facebook使用的信息。人们可以根据合作伙伴提供的数据选择不看广告，也可以通过几个点击就隐藏或报告来自任何广告主的广告。

你为什么会看到这些广告呢？

为什么你看到这显示了用户的详细信息，广告主选择的目标选项，以触达他们。它让用户点击新订阅源中的帖子和广告，了解它们出现的原因，并采取行动进一步定制化他们所看到的内容。

Facebook关闭活动

一些企业向Facebook发送用户在其网站上的活动信息，Facebook利用这些信息向他们展示与他们相关的广告。非Facebook活动可以让用户看到这些信息的摘要，只要他们想，他们还可以从他们的账户中清除。

Facebook不会把用户的数据卖给广告主或者其他任何人。除非得到允许，否则Facebook不会与广告主分享能识别个人身份的信息。

Facebook不会利用人们的短信或手机麦克风的内容来通知广告或改变他们在信息流中看到内容。

在Facebook应用程序中，Facebook的目标是创造个性化的、数据驱动的广告体验，对人们来说有趣、有用、对企业来说有效。当Facebook能够向人们展示正确产品的正确广告时，它对每个都是有价值的，而价值就是最好的个性化、定制化广告的全部。