最近、Facebookは広告掲載に関するより緊密なポリシーを更新しました。 Facebookの入札ツールを簡素化し、広告主が効率を高めるのに役立つため、2020年9月15日より、FacebookはAds Managerで利用可能な入札オプションから目標コスト入札の選択をサポートしなくなりました。

下図を参照してください、 Ad Sets レベルでは、以前の Facebook 広告では、インストールまたはインプレッション用に独自の心理的な価格を設定するために、ターゲット コストの入札単価を選択できます。

9 月 15 日以降、目標コストの入札はキャンセルされ、目標コストの最適化が行われます。

Facebook の公式は、広告主のキャンペーンに影響を与えないように、この更新戦略では、広告主が次のいずれかのアクションを実行する必要があるというヒントも提供しています。

ポリシーの更新後、停止前の広告は目標料金に使用されます。 私の意見では、CBOを含むFacebookの一連の更新は、実際にはFacebookの広告システム学習における大きな最適化と進歩であり、広告主にとってますます優れたデータ学習戦略であり、オプティマイザのアカウント最適化効率を大幅に向上させることができます。

Facebook のこのアップデートは、実際には以前の CBO 機能の更新と関係があります。 CBO.予算の最適化。広告データ学習の状態に基づいて、予算を最も効果的な広告に割り当て、予算を可能な限り最も効果的な広告グループに費やすことができます。

 CBO の設定はキャンペーン レベルで設定され、CampaignBudget で広告の合計予算が設定され、Facebook はキャンペーンの予算とシリーズの下の AdSets 学習結果に基づいて予算を自動的に配分します。 これは、各シリーズには、各広告グループのデータ効果に基づいて予算配分を調整する終日オプティマイザがあり、これはデータ学習の効果でもあると理解できます。

Facebook は CBO 戦略を更新し、この戦略を使用してエネルギー配分を削減し、Facebook 広告がより多くのデータ学習を行い、システムの最適化をより良くすることを期待しています。 前述の目標コストの最適化の廃止、目標コストの最適化の変更、および CBO の最適化ロジックは、コスト上限を制御することで、より多くの最適化イベントを追加し、予算支出をより合理的に最適化するために役立つ同様のシステム原理です。

この側面は Google の UAC 広告に似ていますが、Facebook は、ターゲット設定やフッテージ以外の調整でシステムデータを使用して、より効率的な完了を学習できるようにしたいと考えており、Facebookの広告データシステムの継続的な進歩の必然的な試みです。

 卵1個:

前述のビッグデータ学習について、ビッグデータ学習とは何かを理解するのに役立つ技術について説明しました。

各ユーザーは、ユーザーの識別年齢特性などの属性情報を含むデータの文字列であり、通常、ユーザー自身がオンラインに残したさまざまな情報やトレースで要約され、ビッグデータ学習は、システムがタグ取得命令を発行すると、同様のタグを持つユーザーを収集し、同様のタグユーザーの共通性に基づいて、より広い新しいユーザーグループを検索し、一致させるのに役立ちます。 また、システムは、十分なデータレベルを収集し、さらに、システムがユーザーオーディエンスにマッチンググレーディングを行う場合、また、システムデータに基づいて対応する分割と対応を行い、より正確なデータ学習のためにビッグデータシステムに還元することができ、このような継続的なデータ学習と自動最適化により、より正確なビッグデータシステムが形成されます。