Onexiaobai
Meta 机器学习模型是广告投放系统的一部分，它会在接收到新信息时进行学习，无需显式编程。
机器学习阶段简介
广告每展示一次，Meta 广告投放系统就会更加了解展示广告的最佳对象用户与地点。广告展示的次数越多，广告投放系统优化广告表现的能力就强。
Facebook 广告机器学习阶段（Learning phase）是指广告投放系统仍需要学习关于广告组的大量信息的时期。在机器学习阶段，广告投放系统会不断探索投放广告组的最佳方式，因此广告组表现比平常的波动性更大，单次成效费用（CPA）也比平常更高。
当你新建广告或广告组时，或者对现有广告或广告组进行重大修改时，会进入机器学习阶段。广告组处于机器学习阶段时，投放栏会显示“学习中”。广告投放系统会持续不断地学习投放广告组的最佳方式，当广告组表现稳定下来时，通常在上次重大修改后大约 50 次优化事件（根据选定的归因设置，广告实现广告组当前优化目标成效的次数）之后，广告组会退出机器学习阶段。
Meta 建议广告主在进行任何重大修改之前确保广告已退出机器学习阶段，否则可能会造成广告在机器学习阶段滞留更长时间，并且你的广告表现也可能会受到影响。
优化事件
优化事件是指根据选定的归因设置，广告实现广告组当前优化目标成效的次数。
使用方法
该指标表明，根据当前的优化条件，你的竞价策略在多大程度上能帮你实现目标。
优化事件是在广告组中选定的，它是系统在广告竞拍中竞价得出的结果，可能会不同于你的广告目标。例如，你可以选择“销量”作为广告目标，但是可以在广告组中选择针对链接点击量进行优化。在选择竞价策略时，请务必考虑优化事件，这可以帮助 Meta 广告投放系统了解如何将广告展示给最合适的用户，尽可能让你在选定的转化时间窗内获得优化的目标成效。
评估从你最近一次执行重大修改以来收到的优化事件数量会有所帮助。例如，如果你使用单次优化事件费用来确定目标费用竞价策略，则应该确保自己从最近一次执行重大修改以来获得了足够多的优化事件，以此表明广告的投放是稳定的。Meta 建议是获得大约 50 次优化事件，不过某些广告组会提前实现稳定。
计算方法
该指标是按照你选定的转化时间窗内发生的优化事件数量计算的。
从用户看到广告到发生事件可能经过了一段时间，对于这种成效，Meta 会使用与你在广告组创建期间选定的转化时间窗对应的统计时间窗。例如，如果你在创建广告组时选择了点击后 1 天内和浏览后 7 天内的转化时间窗，那么该指标将使用点击后 1 天内和浏览后 7 天内的统计时间窗来计算成效。
重大修改和机器学习阶段
广告主的每次修改（于机器学习阶段期间或之后）都会对投放效果产生一定的影响，但并非每次修改都会造成广告组重新进入机器学习阶段。只有重大修改才会导致广告组重新进入机器学习阶段。
投放系统会将以下内容更改视为重大修改：
- 更改目标受众
- 更改广告创意
- 更改优化事件
- 为广告组新增广告
- 暂停广告组 7 天或更长时间（取消暂停广告组后，该广告组重新进入机器学习阶段）
- 更改竞价策略（使用广告系列预算优化时，切换广告系列竞价策略可能会导致该广告系列内的多个广告组重新进入机器学习阶段）
对下列任何方面作出更改有可能属于重大修改，也可能不属于重大修改，具体视更改的幅度而定：
- 广告组花费上限金额
- 竞价控制额、费用控制额或广告花费回报 (ROAS) 控制金额
- 预算金额（在使用广告系列预算优化时，调整广告系列预算可能会导致该广告系列内的多个广告组重新进入机器学习阶段）
举例而言，如果你将预算从 $100 美元增加到 $101 美元，则不太可能会导致一个或多个广告组重新进入机器学习阶段。但如果你将预算从 $100 美元更改为 $1000 美元，一个或多个广告组就可能会重新进入机器学习阶段。
关于学习期数据不足
如果广告组没有获得足够的优化事件以退出学习阶段，投放状态栏将显示学习期数据不足。学习期数据不足不是一项惩罚，而是表示你的预算未能得到有效花费，原因是在当前设置下广告投放系统无法优化表现。
如果广告组在你上次重大修改之后一周内未能获得约 50 个优化事件，就会显示“学习期数据不足”。在你创建广告组或对现有广告组进行重大修改之后，这项诊断可能随时出现。
一般来说，当广告组存在受众规模过小、预算过低、竞价或费用控制额过低、竞拍重叠过高、优化事件频率过低，或同时投放广告过多等其他问题时，就会被认定为学习期数据不足。如果广告组受限于竞价或费用控制额过低，当鼠标悬停在“学习期数据不足”状态上时会显示工具提示。
当广告组出现学习期数据不足问题时，可通过以下多种方式来解决以提升表现：
- 合并广告组和广告系列：组合投放广告组和广告系列有助于加快获得所需成效的速度，这意味着广告投放后很快便可看到稳定的成效。
- 扩大受众群：受众越多，用户完成您的优化事件的机会越多。
- 提高预算：如果你的预算过低，无法获得约 50 个优化事件，广告组就无法脱离机器学习阶段。
- 提高竞价或费用控制额：如果你的竞价或费用控制额过低，无法获得约 50 个优化事件，广告组就无法脱离机器学习阶段。
- 更换优化事件：考虑选择发生频率更高的优化事件。例如：从优化“购物”事件改为优化”加入购物车”事件。
如果学习期数据不足的广告组在你上次重大修改之后获得了 50 个优化事件，就将由学习期数据不足变为活跃。
机器学习阶段最佳实践
每展示一次广告，投放系统对相关度的预测就会更加准确。因此，广告展示的次数越多，投放系统就越能更好地确定广告展示的版位、时间和受众，从而将单次优化事件费用降到最低。在机器学习阶段，广告组的表现会比平常的波动性更大，CPA 也比平常更高。
为避免某些行为导致广告组滞留在机器学习阶段，Meta 建议广告主：
- 等到广告组退出机器学习阶段再编辑广告组：在机器学习阶段，广告组表现的波动性较大，所以此时的成效通常不足以预示未来的表现。如果对正处于机器学习阶段的广告、广告组或广告系列进行编辑，就会重置机器学习阶段，使广告投放系统提升优化能力的速度变慢。
- 避免执行会导致广告组重新进入机器学习阶段的非必要编辑操作：如果编辑操作能够实质性改变广告组的未来表现，可能会导致广告组重新进入机器学习阶段。所以请仅在你确信编辑操作会改善表现时再编辑广告或广告组。
- 避免广告数量过多：如果你创建的广告和广告组数量过多，广告投放系统对每个广告和广告组的学习程度就会低于广告和广告组数量较少的情况。你可以通过合并类似广告组的方式合并学习过程。
- 使用合理的预算：如果你设置的预算过低或过高，广告投放系统会无法准确分辨需要优化的用户。请设置充足预算，以获得至少 50 次优化事件总数，并避免频繁更改预算（这会导致广告组重新进入机器学习阶段）。
机器学习阶段对于帮助广告投放系统对广告进行最佳优化非常必要，因此请勿尝试完全避开机器学习阶段。如果想持续改善广告表现，测试新的创意和营销策略至关重要。
未经允许不得转载：Onexiaobai » Facebook 广告机器学习阶段简介