最近Facebook又更新了和廣告投放比較密切的政策。為了簡化Facebook的競價工具，幫助廣告主提高效率，從2020年9月15日開始，F(xiàn)acebook不再支持從Ads Manager中的可用出價選項中選擇目標成本出價。

見下圖，之前的Facebook廣告中，在Ad Sets層級原本是可以選擇目標成本出價的，為安裝或者展示設(shè)置自己的心理價位。

而9月15日之后，目標成本出價的形式就將被取消，取之的是目標費用優(yōu)化。

Facebook官方也給出提示，為了避免影響廣告主的廣告系列，針對這一更新策略，廣告主需要執(zhí)行以下任一操作：

在政策更新之后，要么暫停之前的廣告要么就用目標費用。在我看來，F(xiàn)acebook的這一系列更新，包括CBO，其實是Facebook廣告系統(tǒng)學習的一大優(yōu)化和進步；對于廣告主來說，是越來越優(yōu)的數(shù)據(jù)學習策略，同時也可以大大提高優(yōu)化師的賬戶優(yōu)化效率。

Facebook的這一更新其實是跟之前的CBO功能更新是有一定關(guān)系的。CBO預(yù)算優(yōu)化可以根據(jù)廣告數(shù)據(jù)學習的狀態(tài)將預(yù)算分配到效果最佳的廣告中，把預(yù)算盡可能的花費到效果最優(yōu)的廣告組。

?CBO的設(shè)置是在廣告系列層級進行設(shè)置的，在CampaignBudget中設(shè)置好廣告的總預(yù)算，F(xiàn)acebook就會根據(jù)廣告系列的預(yù)算以及系列下對應(yīng)的AdSets學習結(jié)果進行預(yù)算的自動分配。這個可以理解為，每個系列有一個全天無休的優(yōu)化師在根據(jù)每個廣告組的數(shù)據(jù)效果調(diào)整預(yù)算的分配，這也是數(shù)據(jù)學習的效果。

Facebook更新了CBO策略并且希望我們使用這一策略，一來降低我們的精力分配，二來也幫助Facebook廣告進行更多的數(shù)據(jù)學習，使系統(tǒng)優(yōu)化性能更優(yōu)。而之前提到的取消目標成本優(yōu)化，修改為目標費用優(yōu)化，和CBO的優(yōu)化邏輯其實是類似的系統(tǒng)原理，希望通過控制成本上限幫助我們增加更多的優(yōu)化事件，更加合理的優(yōu)化我們的預(yù)算支出。

這一方面有點類似于谷歌的UAC廣告，F(xiàn)acebook希望幫助我們在除了定位和素材以外的調(diào)整，都能運用系統(tǒng)的數(shù)據(jù)學習更有效率的完成，這也是Facebook的廣告數(shù)據(jù)系統(tǒng)在不斷進步的一個必然嘗試。

?彩蛋一枚：

關(guān)于上文提到的大數(shù)據(jù)學習，我曾經(jīng)聽到技術(shù)大佬的一段描述，可以幫助理解什么是大數(shù)據(jù)學習：

我們可以想象一下，每一個用戶都是一串數(shù)據(jù)，數(shù)據(jù)中有用戶的身份年齡特征等屬性信息，都是平時用戶自己在網(wǎng)上留下的各種信息和痕跡中總結(jié)得到的；而大數(shù)據(jù)學習就是當系統(tǒng)發(fā)出一個標簽獲取指令的時候，就能幫助我們收集有類似標簽的用戶，同時也會根據(jù)類似標簽用戶的共性查找和匹配到更多更廣的新用戶群體；在經(jīng)過了龐大的數(shù)據(jù)學習以后，系統(tǒng)也收集到足夠的數(shù)據(jù)量級，更進一步，當我們希望系統(tǒng)給用戶受眾進行匹配分級的，也可以根據(jù)系統(tǒng)的數(shù)據(jù)進行對應(yīng)的劃分和對應(yīng)，從而回饋給大數(shù)據(jù)系統(tǒng)進行更加精準的數(shù)據(jù)學習；經(jīng)過這樣不斷的數(shù)據(jù)學習和自動優(yōu)化，就會日漸形成一個越加精準的大數(shù)據(jù)系統(tǒng)。