在Facebook看來，提升ROI的核心在于廣告效率，其公式為：廣告效率 = 靈活性 x 信號。

靈活性指的是讓系統(tǒng)能夠根據(jù)廣告效果數(shù)據(jù)動態(tài)地選擇最有價值的廣告展示機會和可能表現(xiàn)最好的素材，及時傳遞給適合的人群。這涉及到三個關鍵因素：展示（廣告版位選擇）、受眾（目標人群的覆蓋范圍）和競價預算（投入的廣告費用）。

信號則是機器學習模型做出決策的關鍵行為模型，包括用戶是否和廣告進行了互動以及優(yōu)化的行為和頻率。通過學習這些信號數(shù)據(jù)，F(xiàn)acebook的廣告系統(tǒng)可以更好地預測哪些人群可能會對您的游戲感興趣并采取行動。

為了讓廣告系統(tǒng)有效地學習最在意的結果（信號數(shù)據(jù)），我們需要給予系統(tǒng)適當?shù)撵`活性。這樣，系統(tǒng)才能根據(jù)數(shù)據(jù)來預測適合向什么樣的人群推進您的游戲。如果限制靈活性和信號數(shù)據(jù)，那么廣告的效果將會受到限制，廣告系統(tǒng)將無法接觸到更廣泛的受眾。

在機器學習階段，F(xiàn)acebook的投放系統(tǒng)在尋找最有可能在您的廣告上采取行動的人群來進行優(yōu)化。在機器學習初期，數(shù)據(jù)波動可能會比較大，但隨著越來越多的轉化數(shù)據(jù)被系統(tǒng)收集，系統(tǒng)預測的準確率會越來越高。為了完成學習階段，系統(tǒng)需要在7天內(nèi)獲得至少50個轉化數(shù)據(jù)。

一些操作可能導致無法有效地完成學習階段，例如：同時使用多個廣告賬戶進行相似的受眾定位、復制表現(xiàn)不佳的廣告系列并重新開啟、在不同的廣告系列中使用相同的受眾但素材卻各不相同等。使用AEO或VO但受眾范圍少于2M或4M、有多個廣告素材還處于投放中等狀態(tài)、有特定的競價策略或頻繁手動操作廣告組/廣告系列等都可能影響學習效果。

概括來說，無法完成機器學習的主要原因在于靈活性的限制和信息的缺乏。為了提高廣告效率，我們需要簡化廣告賬戶結構，增加靈活性，并在廣告競拍中提供更多信息數(shù)據(jù)，以更快地通過學習階段，獲取更高效的廣告表現(xiàn)。

為了簡化廣告結構，我們可以遵循三大黃金法則：合并、排除、減少。合并相似的廣告系列和廣告組以提高競拍信號；排除限制條件以提高靈活性；減少手動更改的頻率和次數(shù)。

在學習小結中，我們需要理解廣告效率的關鍵在于靈活性和信息數(shù)據(jù)的平衡。檢查廣告組的學習階段非常重要，如果長時間處于學習階段，可能會導致廣告花費效率低下。簡化廣告結構有助于放寬限制，提高轉化效率和廣告表現(xiàn)。

針對常見問題，我們有以下解答：學習階段并不一定需要在7天內(nèi)完成50個轉化，這是一個指導方向。如果廣告組在學習有限或長時間處于學習階段，建議關閉并重新分配預算。對于同一個Campaign，我們建議先運行Install積累付費數(shù)據(jù)，再切換到AEO或VO，但這并不比從頭開始跑AEO或VO更好。對于廣告素材的更新，我們建議一周更新一次，一個廣告組中有5-8個素材為最佳。如果廣告在學習階段表現(xiàn)良好，但完成后突然減量或停止運行，可能需要檢查素材表現(xiàn)、受眾大小和優(yōu)化事件等來進行優(yōu)化。

以上內(nèi)容僅供參考，并不代表Facebook的官方立場。如有侵權請聯(lián)系我們進行刪除。