机器学习:
可以理解为:举个例子:你可以把广告目标、受众、定位等信息视为一个吸铁石,但是你这个吸铁石很特殊,是浅蓝色的,只能吸引和你颜色一样或者非常相近的其它吸铁石。这个时候,把这块吸铁石放入一个浩瀚无垠的空间中,里面飘着各式各样颜色的吸铁石。机器学习的过程,可以理解为这块吸铁石和它小伙伴用来彼此相遇的过程。
但倘若,你拥有的吸铁石有很多杂质,那么在机器学习的过程中,也会吸引到很多杂质,最终可能导致杂质包围了整块吸铁石,最终它可能看不到原本的颜色了。
当然,这并不是不可逆的,就是当你发现杂质的时候,尽早把它剔除掉,又是一块清清白白的吸铁石啦。
(以上均为个人拙见,仅供参考!)
以下是Facebook官方解释:
Facebook 系统采用机器学习(一种人工智能技术)来为广告主和受众打造最有价值的体验。在这个过程中,我们会综合利用 Facebook 收集的数据和您提供的数据。
这套系统的基础是信号,例如广告主选择的受众、优化目标、竞价及其提供的数据(自定义受众或 Pixel 像素代码/SDK/线下信号)等。我们的系统会分析这些信号之间的关联,并预测最佳的广告投放机会。受众针对广告采取操作时便会触发机器学习。如果受众看到广告后没有采取期望的操作,系统也会从中学习。
广告投放的机器学习阶段
系统开始投放广告组后,无论是在营销活动开始时,还是在您进行编辑后,所掌握的数据信息都不足以尽可能稳定地投放广告。
为获得这些必要的数据,我们必须向不同类型的用户投放广告,以此了解哪些人群最可能执行您的优化事件。这个过程即称为“机器学习阶段”。
系统获得需要的数据后,广告组的表现波动也会随之降低。
这时,您便可以对广告组作出有依据的决策。
如果您对所获成效感到满意,可以继续投放或增加其预算。(甚是满意,继续使用)
如果您对所获成效不满意,可以编辑广告组,尝试改善其表现,(剔除杂质)
也可以暂停其投放(无可救药了,换一个再整吧~)。
疑问:1、机器处于学习阶段的期限一般是多久?
2、机器学习结束后,我们应重点关注哪些数据?
衡量数据是否达到预期的标准是什么?
以及可以做哪些针对性的解决措施?
希望我可以很快的回来,写出我得到的答案!
以下编辑属于大幅调整,将重新开始机器学习阶段:
- 更改受众定位
- 更改广告创意
- 更改“广告投放优化目标”选项
- 暂停广告组(或广告组所在的广告系列)
以下调整的影响力取决于更改幅度:
- 竞价金额(或竞价上限金额/目标费用)
- 预算金额(除非您使用目标费用竞价策略,在这种情况下,任何程度的预算更改都不会被视为大幅调整)