本文看点
▪本文作者为Facebook前全球客户部合伙人James Chadwick。Facebook是世界上最强大的营销平台，但很少有人努力去理解它到底是如何运作的。作者从15个方面分析了Facebook广告的原则。
Facebook已经建立了一个蓬勃发展的“注意力”市场，其创意市场创造了巨大的价值，但是投资Facebook代价很大；结构创造流动性，流动性对于机器学习而言非常重要；在遵循机器学习原则时，要注意添加自己的信号；Facebook旗下的Messenger使得对话式商务兴起；对于广告定位，滥用会导致负面影响。
要有效投放Facebook广告，要按照预期的方式使用Facebook，用快速、新鲜和本土的内容为用户带来真正的价值，运行信号丰富、流动性强的广告活动，让新的机器学习功能发挥其神奇作用。
原文来自Medium，作者James Chadwick
2020年，700多万的企业将在Facebook的App和动态消息上投资800多亿美元，但大多数企业投资并不会尽如人意。
Facebook是世界上最强大的营销平台，但很少有人努力去理解它到底是如何运作的。
这不足为奇，因为Facebook很复杂、具有破坏性，而且每周都在变化。
从2012年到2019年，我在Facebook工作了七年，一开始帮助了各大公司在我们的广告平台上投资了10多亿美元，后来我自己也使用Facebook作为营销工具。
我学到了一些基本原则，这些原则可以帮助我们了解现在的平台如何工作，同时也预示了平台的未来发展方向。
按照预期的方式使用Facebook，用快速、新鲜和本土的内容为用户带来真正的价值，运行信号丰富、流动性强的广告活动，让新的机器学习功能发挥其神奇作用。
需要注意的是，这些原则是写给大广告商的（比如年支出超过500万美元），但大多数原则也适用于小广告商。
学习这些原则很容易，但做到有条理地、耐心地去遵循和测试它们往往更具挑战性。
Facebook已经建立了一个蓬勃发展的“注意力”市场，那些特立独行的“颠覆者”业务，不论规模，都可以公平争夺平台上20多亿的潜在客户。
所有市场的繁荣都建立在信任和流动性的基础上，所以Facebook试图增加注意力的“供给”，制定明确的规则和指南，使数据透明化，清除不良行为。
与99%研究市场但不遵守纪律的参与者相比，1%遵守纪律的参与者获得了立竿见影的优势。购者自慎。
在多数其他竞价中，价高者得胜，但Facebook也试图在最终用户体验和广告商价值之间取得平衡。
更准确地说，竞价考虑：1）出价和类型；2）广告目标的预期反应；3）广告对目标受众的相关性或价值。
这意味着强大的创意和着陆页、相关性和目标都可降低竞价成本。
此外，Facebook选择了VCG竞价模式，激励竞标者竞拍其真实估值。
尼尔森和其他人的研究表明，创造性影响解释了50%以上的广告结果差异性，不过，领导者很少关注到这些，哪怕是5%的关注都没有。
图注：Facebook的创意商店，2019年。
特别是湾区的创始人，他们更喜欢阅读代码和图表，而非各种创意广告。
移动创意和电影、音乐一样，是一个热门行业。每测试10个广告，只有一个是香甜的桃子，其余九个都是酸涩的柠檬。
开发有效的、移动优先的创意现在已经再简单不过了。你可以直接用iPhone来做广告，而且我们现在已经知道什么样的创意会起作用了——静态＋视频广告、大胆的垂直格式、尽早突出品牌、展示产品等等。
以下是Facebook创意商店团队多年测试结果的一个归纳:
图注：Facebook Business2018年8月发布的“针对直接反应（DR）广告活动的创意思考”。
最强移动广告的建立分为三部分——注意力、益处、行为召唤。
首先，广告越适合屏幕和App，它的表现效果就越好，所以垂直视频的播放效果胜过方形或横向视频。
通常情况下，原始的、真实的内容胜过精致的、昂贵的广告。从广告到着陆页的创意交接，越是无缝连接，效果就越好。
创意疲劳是个大问题，各种长度、顺序和动态广告创作工具都有助于保持新鲜感。
要更简单的话，可以去广告库查看竞争对手们的广告，点击链接就能转到他们的Facebook页面。新竞争者们在第一天就能够从那些市场领导者的优化工作中受益。
通过这种透明化，Facebook希望所有的营销人员和广告都能有所提高、改善，为用户和公司创造更多价值。
深入到Facebook广告库中看一看，分析一下那些颠覆者和领导者正在你所在地区测试的广告。
Netflix是我最喜欢的账户之一，这家公司一直将内容和数据结合，来推动增长和品牌热度。
创造和测试广告的速度是一个竞争优势。如果他们的对手每走一步，而他们能走两步的话，即使是普通的象棋棋手也能击败特级大师。
但精心制作仍然是必不可少的。将品牌洞察力转化为模块化的“注意力、益处、行为召唤”创意测试框架需要深厚的专业知识，利用工具和快捷方式快速生成大量原型广告，然后将娴熟的生产经验集中在表现最好的有利条件上。
总而言之，如果创新系统是快速、模块化、本地化的，那么它们就可以创造真正的商业价值。
还未得到现实世界的商业成果就投资Facebook，这个决定可能代价高昂。活动目标、受众、创意、行为召唤和着陆页不一致的广告活动，会受到市场的严惩。
Facebook中的所有内容都会根据活动目标进行优化，因此，首先要做的就是将现实世界的商业成果转变为最合适的活动目标，然后依逻辑展开，直到结果衡量。
现在Facebook广告平台上有14种不同的目标可供选择，Facebook将依据人们对类似广告的反应，选择投放对象。
竞价会让这样的一些广告客户受益匪浅：他们能够准确估算客户终身价值（LTV），并根据真实估值设定收益率（ROAS）目标和出价。
LTV高者可以测试一系列广告布局、类型、漏斗循环的重新定向，以及更长的转化窗口，但是夸大LTV则可能是致命的。
在他们本应更好地关注不同产品、渠道和客户细分市场更细微的LTV差异时，很多广告商仍然采用通用基准（例如LTV：CAC=3）。你能确定你LTV最高的潜在客户，并利用自定义循环转化他们，以实现你的ROAS目标吗？
一个常见的错误就是：从搜索或附属广告活动中得出不切实际的单次营收成本（CPA）目标，并把它们应用到Facebook的规模化发现平台上。这常常会使团队士气低落，追逐不可能实现的目标，而竞争对手则在构建一个更现实、更强大的机器。
我甚至遇到过一些逆势增长型营销人员，他们对CPA目标采取了截然不同的方法：有意利用Facebook的商业平台，测试广告对客户的真实价值，然后在此基础上开展下一步活动。
强劲的市场依赖流动性繁荣发展，这样每一份媒体投入都会给人们留下最有价值的印象。
如果你已经给了Facebook足够的信号，希望它用正确的信息来打造最好的前景，那么你就要创造足够的流动性，让机器学习来完成它的任务。
你需要考虑增加四种类型的流动性——投放、受众、预算和创意。
选择尽可能多的投放界面来增加投放流动性，范围从Facebook消息动态到Instagram即时动态、即时消息软件Messenger，甚至离开Facebook平台，进入到受众网络。
面向更广泛的受众（囊括多个国家），增加受众流动性。
允许自动化系统测试和选择表现最佳的创意，增加创意流动性。
在传统编程和系统中，你输入规则和数据，然后得到答案。而在机器学习中，你输入数据和答案，它自己学习规则。
Facebook认为机器学习比人类学习规则更快，而且机器学习已经建立了一套集成工具，包括活动预算优化（CBO），这有助于为那些不那么先进的广告商提供公平的竞争环境。
机器学习利用Facebook内外的信号、系列算法和预测分析，能够在恰当的时间以最优的价格找到正确的观众。
例如，你可以通过使用所谓的“Power 5”解决方案测试机器学习：
CBO对机器学习至关重要，因为它可以将预算恰好设置在广告活动所需的预算水平，而非高于需求的水平，而且它可以实时将预算自动分配给表现效果最好的广告。
如果你将各个活动分开运营，没有选择CBO，那你就是在作茧自缚，损失了在最有效的位置投放广告的机会。这减少了信号数据的收集，而且还增加了每千人成本（CPM），缩小了范围，提高了单次销售成本。
目前，CBO在高预算情景下发挥最出色，但是，在那些Facebook已经有强大信号数据可供使用的类别中，CBO已成为了默认准则。那些为其品牌分析机器学习代码的广告商将获得优势。
买家需要放下自我，转而采取一种更耐心、玄妙的方法来对待广告投放、类型、创意，甚至受众。Facebook的原生广告管理工具已足够，而且它们还将继续改进。
未来，广告商将需要规模较小但更专业、更警觉的团队来利用新的机器学习。如果不给机器学习时间来适应系统、发挥作用，咄咄逼人的“日内交易员”媒体买家甚至可能产生负面影响。
机器学习新时代让经验丰富的战略营销人员发挥其优势，因为品牌、信息和创意突破等手段将创造更多的差异性。
你发出的信号越多，你得到的结果就越好。这就像一个自带数据的派对——Facebook提供一些传统“小吃”，但你也应该带上自己的“美食”。
信号，即机器学习模型可用以预测未来行为的数据。例如，如果消费者在购物车中添加商品，就表明他们未来可能会购买这些商品。
信号的来源很多，比如影像（以及你为它们设置的事件触发规则）、跟踪App内行为或线下事件（如店内销售）的软件开发工具包（SDK）数据。
在Facebook外发生事情未必与Facebook无关，因此，这样一些广告颠覆者将获得优势：他们研究消费者的现实生活轨迹，发现新信号，并将其融入到广告活动中。
Facebook已经开发出确保隐私安全的方法来保护公司的敏感数据，也开发了自定义系统以确保竞争对手不会从专有信号中受益。
信号管理变得更加简单，有了Advanced Matching这样的原生工具，广告商可以汇报更多的转化，针对更多的转化数据优化广告，并通过他们的网站定制受众或动态广告，触达更多的Facebook用户。
没有人是为了购物登陆Facebook或Instagram的，但有了智能手机，我们都成为了持续购物者的一员。
在社交媒体上，用户常处于发现模式，愿意接纳新的想法，所以，对于具有颠覆性的直面消费者（DTC）品牌来说，这些App提供了创造需求的机会。
例如，在Instagram上，漂亮的产品和用户图片可以直接从目录中提取出来，并通过Collection格式动态定位到最相关的受众。你可以在信息流中展示你的品牌和产品，客户可以在全屏即时体验中浏览你的产品，这种体验被称为“即时店面”。
随着机器学习预测引擎的改进，最优秀的DTC营销人员将掌握创造品牌的艺术。部分消费者为产品而来，为品牌而留。
“在搜索中诞生”的企业往往难以突破其固有思维，难以抓住Facebook和Instagram的规模化营收潜力。
要警惕那些宣称漏斗已经消亡的专家们——对于创始人、投资者、增长和销售团队来说，漏斗仍然是讨论和分配预算最合乎逻辑的语言。
举个例子，在所谓的“海盗漏斗”（意识、营收、激活、留存、推荐、收入）上达成共识，并持续关注具体、可衡量的事件，你将领先大多数竞争对手，并且可以围绕成果和信号收集，来强化你的广告活动。
最重要的是，团队必须只跟踪：1)具有企业影响力、2)逻辑依次优先的事件。如果一个用户可以跳过一个漏斗阶段，那么这个阶段可能不属于你的核心漏斗，或者它应该与其他操作结合起来，以保留时序逻辑。
漏斗顶部/中部/底部的广告活动是截然不同的，它们有着不同的期望目标（例如ROAS的目标是盈亏平衡/5X/8X），但是在漏斗从上至下保持一个强有力的、一致的品牌，有助于促进记忆，让每一美元都获得收益。
用3种不同风格的创意——短的、互动的、长的，在漏斗上下进行实验。
没有固定的规则，你只能测试你品牌假设，所以不要轻信所谓“大师”的建议。
在Facebook上，缺乏相关性的代价是高昂的。如果你的信息不相关，人们会忽视你，竞价会惩罚你，因此，请使用改进的相关性诊断工具来了解这一点。
这个工具可以帮助你了解目标受众的需求，而不仅仅是显示你广告的成功与否。诊断可分解为：1)质量、2)参与度，和3)转化评分，每个评分都加载了许多因素。
例如，加载缓慢、不完整的着陆页或对不准确的品牌描述，都会降低你的分数。
有趣的是，将排名（比如你的质量得分）从低位提高至到平均水平，比将排名从平均水平提至高于平均更有效果，所以，要把重点放在提高排名较低的项目上，而不是提高平均排名。
此外，要不惜一切代价避免诱导行为——诱导点击、诱导投票、诱导交易，否则算法警察会像追捕走投无路的老鼠一样追捕你，指控你违反了相关性原则！
有这样一个悖论——Facebook打造了世界上最强大的定位机器，围绕它创造了一个价值700亿美元的广告市场，但现在Facebook却希望你减少使用它。
当然，定位功能仍然开放——你可以使用自定义受众功能导入自己的数据集，利用高价值用户作为种子，生成规模化的相似受众，使用图像创建新的、动态的再营销目标受众群。
当然还可以根据人口统计、兴趣、行为、工作、城市等目标进行定位，甚至是覆盖以上所有内容。
但是不要滥用定位。定位越多意味着流动性越少，覆盖范围越小，创意疲劳越多，这些都不利于机器学习蓬勃发展。
缩小触达范围大大增加了广告活动效率的负担。一定要经常问问自己，能够获得最大影响的个性化最小值是多少。
每个广告商都需要自己测试和学习。规模较小的广告商仍需依赖目标定位，且定位越清晰越好。
举个例子，如果你是一个新晋DTC定制网球拍品牌，忘了罗杰·费德勒的粉丝吧，把目光瞄准排名在20到100之间的球员的粉丝。他们才是网球的铁杆粉丝。
当然，永远不要停止测试那些传统的、广泛使用的的高级“相似性”策略，比如锁定那些访问你网站3次以上的人。
Facebook知道用户来自哪里、他们目前住在哪里，甚至他们现在在哪里。
广告商定位城市、城镇甚至村庄的能力，使Facebook成为小企业与当地的分类广告竞争的必要工具。
位置定位让广告商得以通过邮政编码、DMA，甚至是地图上以大头针为圆心、半径为1英里的方圆面积进行定位，尽管这样做有一定代价，还会限制广告的覆盖范围。
这样一来，Facebook既能让印尼的木雕匠找到全球的受众，也能让肯德基这样的全球品牌在当地开展业务，吸引人流到各个商店，同时还可以通过POS数据衡量ROAS。
一些新型广告技术自动化，可以在广告中自动切换本地城市名称或图片，以增加相关性和效果。
Facebook还为你提供了逐城扩张的战略选择，这样你就可以在短期内饱和单个城市的广告，让人觉得你是一家值得信赖的公司。
最后，一些品牌会使用城市定位来运行简单的测试框架，以获得平台性能的清晰读取：比如，仅西雅图地区的Instagram用户、仅圣地亚哥地区的Facebook用户，然后进行测试、扩大规模。
虽然目前还处于早期阶段，但企业已经可以利用广告与客户直接对话。用户和企业之间交换的信息超过每月200亿条，使用Facebook Messenger的人达到13亿人。
如果你想向年轻顾客销售产品，那么信息服务比电子邮件和电话更胜一筹。漏斗上层的广告活动可以利用“点击转至Messenger”来大规模接触群众，开始个人对话。在漏斗底部，赞助信息可以让企业直接向那些已经与他们交谈过的人发送具有高度针对性的广告。
对于消费者来说，对话式商务更为简单，而且，相比在店铺里引起售货员的注意，这也更进一步。此外，对话式商务减少了流程步骤和消费者所需的信息来源，缩短了买家与卖家之间的距离。
数以千计的公司正在测试Messenger。例如，一家保险公司最近发现，与其网站的报价工具相比，在Messenger上完成报价调查问卷的人数增加了12%，每个潜在客户的成本则降低了23%。
大体上而言，Facebook已经使用Messenger（13亿用户）来测试新商务对话模式，若形式大好，WhatsApp（15亿以上用户）也可能会用于对话商务。
为了推动无摩擦的商业，Facebook将逐渐把结账体验整合到所有的App中。例如，它正在测试一个新型本地动态广告的结算功能，让用户得以通过动态广告发现产品，且无需离开Facebook的App就能从广告中购买产品。
关于Facebook最大的误解便是：你无法准确地衡量投资。
实际上，该平台在构建时就考虑到了衡量的问题，从衡量单个渠道真实价值的基本工具，到处理LTV、自定义MTA和跨渠道的高级模型。
对于高级市场营销人员来说，相比其他渠道，针对Facebook性能的真实情况建模的一种方法便是对3种不同模型进行三角测量：归因+测试+混合市场模型（跨渠道）。
归因是自下而上的，混合市场模型是自上而下的，测试/实验是最纯粹、准确的。需要跨渠道优化支出时，这三种方法都是有效且独立的，所以三角测量将提供有价值的输出。
至少，Facebook的营销人员应该保留一份“测试日志”，就像你在学校的科学实验手册一样，记录下尝试的每一件事。不起作用的测试和起作用的测试一样有价值。
两个重要的工具分别是拆分测试（用于优化）和提升测试（用于证明）。与A/B测试一样，拆分测试可以让你创建多个广告集，并对它们进行比较测试，以查看哪些策略可以产生最佳结果。
拆分测试有助于比较性能，以决定两种策略之间的差异。另一方面，提升测试显示了广告或广告活动对业务目标的影响。
归因是团队面临的最具争议的衡量问题。别人浏览或点击你的广告，然后在你的网站上采取行动，这一段时间被称为“归因窗口”。
默认的Facebook归因窗口设置显示了用户在浏览广告后1天内和点击广告后28天内所采取的行动，但是你可以更改设置为1天、7天或者28天。
这决定了你的ROAS是成功还是失败，在整个28天的窗口期内，随着购买继续进行，ROAS会持续增加。
你应该问问你自己，你有什么类型的产品？潜在客户的考虑过程是多长时间？如果你不确定选择哪个转化窗口，就使用与转化优化时采用的转换窗口最类似的那一个。
Facebook广告的竞价成本既有季节性，又有波动性。
有趣的是，随着节日期间广告支出总量的增加，全年的展示次数、访问量和点击量的成本都在上升。然而，对于像潜在客户和转化这样的DR结果，其价格会随着时间的推移而下降，反映了交易量的增长。
年初时，漏斗顶部及中部成本较低，精明的营销人员利用这些知识建立受众群体，以便在漏斗底部成本下降的度假季节里，将这些成本转化为收入。
美国电子商务日历全年都会创造鼓点——1月促销、情人节、4月减税、阵亡将士纪念日、劳动节、万圣节、黑色星期五/剁手星期一、圣诞节和新年。在炎热的夏季，移动动态信息激增，桌面动态信息骤降。
此外，每个季度末，顶级品牌营销广告的成本都会上升，因为大型广告商在“过了这个村就没这个店”的财务文化氛围中，急于花掉品牌预算。
除了这种季节性，你应该为每一年的几个风暴期做好计划，你需要耐心地度过这些风暴期。这种系统性波动可能是由系统漏洞、隐私泄露、算法更新或外部因素（如Safari浏览器隐私条款更新），对此，我们几乎无法得到明确的解释。
始终静待风暴、多样化渠道和预算缓冲。就像巴菲特说的那样，只有在退潮的时候你才能知道谁在裸泳。
一种更鲜为人知的波动性类型是A/A方差，也就是平台上持续存在的“背景”随机性。我们所有人，包括Facebook，都希望有更多的可预测性，但是营销人员应该预见并容忍持续存在的随机性。同样的广告活动，今天还运作良好，明天可能就行不通了。
我的建议是，确保每个与你共事的人都明白：在Facebook上A/A方差存在感很强。你得让他们常常引用斯多葛哲学：
“从来没有必要为一些你无法控制的事情而激动或烦恼。这些事情并不需要你去评判。别去管他们。”
按照预期的方式使用Facebook，用快速、新鲜和本土的内容为用户带来真正的价值，运行信号丰富、流动性强的广告活动，让新的机器学习功能发挥其神奇作用。
如果你更喜欢比喻的话，我可以把Facebook广告比作深海钓鱼之旅。
你是资源（预算、团队）之船的船长。你必须在Facebook浩瀚的、随季节变化的，有时又有暴风雨的海洋里航行。
你可以立起许多钓杆（广告活动），测试不同的鱼钩（广告格式和投放）和诱饵（供应、交易、创意），以捕获不同类型的鱼（细分客户）。
但是，如果你立起太多钓竿，你将错过咬饵，失去机会。
因此，设置好目标，观察仔细更少、更好的钩子，测试更美味的诱饵。希望你能钓到那些大鱼！
原文始发于微信公众号（栈外）
本文转载于微信公众号（栈外），本文观点不代表爱运营立场，转载请联系原出处。如内容、图片有任何版权问题，请联系爱运营处理。
