广告投放中的机器学习

学习重点

• 认识机器学习的价值。

• 了解机器学习能帮助解答哪些问题。

• 选择最适合的目标和优化事件来引导系统。

机器学习能帮助解答的问题

机器学习现已成为数字营销的基础，能够帮助我们面向想要触达的受众投放与之相关的广告。随着您对我们如何使用机器学习的了解加深，您将能更深刻地明白，如何创建广告才能获得最佳的投资回报。

机器学习使用串行算法和预测分析，能在恰当的时机以最优的价格找到理想的受众。它还可以实时处理海量数据点，为您解答以下问题：

• 您的内容在什么设备上展示效果最好？

• 哪些版位的效果最佳？

• 如何根据受众分配预算？

• 哪些受众最有可能采取您期望的操作？

什么是自动分配？

为了充分发挥机器学习的作用，您必须首先了解自动分配。自动分配是指允许投放系统将广告预算灵活分配给可能带来最佳成效的投放机会。本课程将介绍广告系列中可优化自动分配的四个方面：

• 预算

• 版位

• 受众

• 创意

积极运用机器学习和提高广告的灵活性后，您将收获更高的营销效率和新的洞察。

引导系统为实现业务目标提供助力

机器学习不会取代人类在广告投放中扮演的角色。您可以根据自己的业务目标选择合适的广告目标和优化事件。

让我们来看一个例子。美国连锁超市 Jasper’s Market 的营销团队想要扩展线上业务。该品牌最近推出了一款应用，可供用户购买有机农产品，享受直接送货上门服务。品牌的目标是提升这款应用的安装量。

显然，最适合他们的广告目标是应用推广。但是，只选择合适的广告目标并不能以最高效的方式带来他们所期望的成效。已安装该应用的用户该怎么办？除非您使用数据源或排除条件，否则广告管理工具可能会继续向已安装该应用的用户展示您的广告。

机器学习的确可以化繁为简，但前提是您给予了系统正确的引导和充分的灵活性。为了引导系统获取更好的成效，该营销团队应使用所掌握的数据，将已安装应用的用户排除在受众之外。

可见，要想引导广告投放系统实现业务目标，选择合适的设置是前提。

选择广告目标和优化事件后，应考虑拓宽以下四个参数来优化自动分配：预算、版位、受众和创意。这能让机器学习灵活地为广告组分配预算、发掘优质受众、选择最佳版位以及选择最恰当的创意元素。

利用数据优化广告投放

为了确保机器学习能够优化广告投放，促成关键的客户互动操作，我们需要为之提供合适的数据源。您应考虑在用于追踪网站操作的 Meta Pixel 像素代码和用于追踪应用内操作的 Facebook SDK 基础之上，再集成转化 API。

转化 API 是 Meta 开发的一款业务工具，能够在您的营销数据与 Meta 技术之间建立起直接传输通道。

借助转化 API，您可以使用自己的营销数据来优化广告定位、

降低单次操作费用，以及更准确地衡量广告成效。

关键要点

• 自动分配是指允许机器学习将广告预算灵活分配给可能带来最佳成效的投放机会。

• 在预算、版位、受众和创意四个方面设置更宽泛的参数，有助于改善营销活动的自动分配。