机器学习如何促进自动分配以获得最佳成效

使用机器学习技术后，您可以实现 Meta 所谓的“自动分配”，这是一种广告购买状态，即每分预算都能得到充分使用，以便广告获得最具价值的展示机会，创造最佳的成效。同时，广告主还能解放双手，不必自行控制广告投放，并将繁琐的工作都抛给系统来处理。

在某种程度上，实现自动分配需要团队敢于“放手”，将预算、版位、受众和创意方面的工作交由系统处理。如果处理得当，在系统以相同的费用寻找更佳的广告展示机会时，用户可以期待提高自动分配能力，进而提升覆盖人数或广告成效，亦或是同时提升这二者。将其与稳定的广告系列花费相结合，通常会降低单次成效费用。

自动分配的各个维度都是相互依赖的

广告系列的限制越少，自动分配的能力就越高。这是因为减少限制后，投放系统能够在更广泛的范围内选择最佳的广告展示机会，并在原本可能被排除的机会中找到极具价值的机会。

如果您拥有明确的目标和信号（例如，受众的行为数据），系统便会清楚地了解到您的理想成效，并且可以免费帮助您找到最佳的方式。但如果您的目标和信号更为隐晦含糊，则需要引入一些保护机制来引导系统，确保系统不会严重偏航。

添加限制可以掌握更多的控制权，不过，代价却是自动分配能力有所降低。这可能会导致广告主的费用更高而成效却更低，因为缩减机会范围会限制系统找到最具价值的机会的能力。

如何创建自动分配广告设置

Meta 提供各种类型的广告管理工具产品来提高广告系列的自动分配能力：

• 预算自动分配：通过取消对广告系列预算花费位置的限制可以提高预算自动分配能力，进阶赋能型广告系列预算优化支持广告主在广告系列层级设置预算，并利用 Meta 的 AI 技术在各个广告组之间自动且智能地分配花费，以期最大程度地规模化提升广告系列的表现。
• 版位自动分配：版位自动分配是指允许 Meta 确定哪个版位/展示组合将带来最佳广告成效。使用 6 个以上版位或进阶赋能型版位可为广告竞拍提供最佳输入，以便有效计算广告系列的投放分布。
• 受众自动分配：广告主可以通过选择“宽泛受众”或选择进阶赋能型细分定位、进阶赋能型自定义受众或进阶赋能型类似受众来提高受众自动分配能力，以便我们的系统在认为有机会改善表现时将广告投放给最初所选受众以外的用户。
• 创意自动分配：通过提供图片和标题等多个创意组件，并允许广告竞拍确定最有效的组合来增强创意自动分配。广告主可以了解进阶赋能型素材解决方案。

采用机器学习驱动型系统可以节省设置广告系列的时间和精力，最大程度提升自动分配能力以实现最高效的购买，从而发现最新洞察分析。

如有疑问，请联系 Meta 专业支持伙伴——我们为政府、政党及非营利组织设立的专属支持团队。