中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

對于 Facebook 而言，AI+廣告不僅是“一棵大搖錢樹”，也是可作為模型擴展到其他產品和業務的成功案例。在對外競爭上，Facebook也能憑此笑傲 Google 和微軟。

自2012年以來，隨著大數據和機器學習技術的發展，全球廣告市場得到了持續性的爆發增長。尤其是以Facebook為首的科技巨擘，憑借其強大的社交網絡積累了數十億量級的用戶數據，并運用機器學習在廣告市場中如魚得水。

據Facebook今年第一季度財報表明，該公司總營收為80.32億美元，其中廣告收入78.57億美元，占其總營收的98%，超過去年同期的97％和2012年的84％。特別是在移動廣告上，收益增勢明顯，占總體廣告營收的85%，2016年占比曾高達97%。

這些有力的數據有理由讓我們相信，Facebook賣力推廣移動視頻廣告的努力已卓見成效。并且也讓我們不禁好奇：Facebook究竟利用AI在廣告業務上實現了哪些應用？

Facebook都有哪些廣告產品和廣告形式？

1、廣告產品

從廣告產品來看，眾所周知Facebook有3個堅實的陣地：

• Facebook
• Instagram
• Audience Network

Facebook的廣告業務推出已有多年。2012年，Facebook開始推出品牌頁面功能，營銷人員可在Facebook上建立品牌頁面，用戶的點贊等傳播行為都可為Facebook帶來收益。同年的第一季度，廣告業務即為Facebook貢獻了84%的營收。

2012年，Facebook以10億美元收購Instagram。相比Facebook廣告，Instagram的形式更為簡單，且收費更高，效果也更好。如Image Ads、Carousel Ads、30s Video Ads。去年8月推出的“Story”動態故事功能也在今年1月向廣告主開放了廣告版位，全屏的方式對廣告主吸引力劇增。據 Salesforce 統計，Instagram 的CTR（點擊率）大約是 Facebook 的兩倍。

2014年，Facebook推出移動廣告服務Audience Network（簡稱FAN）。開發者不用自行銷售廣告、進行目標定位、測量廣告效果及提供支付通道即可賺錢，一切可由Facebook代勞。FAN 廣告有三種形式：標準的 IAB 橫幅廣告、標準的 IAB 插頁式廣告和原生廣告。不過Facebook指明發行商在屏幕上只能一次顯示一個廣告。前期Audience Network的廣告效果并不太理想，后Facebook對其進行了一系列的改善措施，如推出廣告版位評分定價系統，而廣告主而言更為人性化。

2、廣告形式

根據Facebook的官方介紹，可將其廣告形式概括為以下6種。

Image Ads（圖片廣告）：內容為單張圖片的廣告。

Video Ads（視頻廣告）：通過動態畫面和聲效來傳達品牌形象，一般為60s。

Carousel Ads（輪播廣告）：在單條廣告中展示多張圖片或多個視頻。

Slideshow Ads（幻燈片廣告）：創建輕量級視頻廣告，在任何網速下都能和用戶建立聯系。

Canvas Ads（全屏廣告）：類似于微信朋友圈的H5廣告，可通過圖片、視頻、文字和鏈接給用戶提供全屏互動體驗的廣告。

360 Video Ads（VR全景廣告）：這個相對來說比較好理解。因為Facebook本身的VR技術比較優秀，所以該廣告形式在互動性和廣告效果上都優于其他，當然廣告費也更高。

3、不得不提的News Feed Ads

以上6種即為出現在Facebook三大產品中最基礎的廣告形式。對于Facebook 廣告而言，還有一種不得不提的、非常受廣告主歡迎的形式：News Feed Ads。

News Feed Ads?也稱為信息流廣告，即在用戶新鮮事里插入廣告，會針對不同的內容源為用戶匹配不同的呈現方式。該廣告的創新型形式于2011年推出，2012年正式上線。上線4年間，以它為主的廣告業務已為Facebook帶來近400億美元的收入。

針對該廣告形式，Facebook對其上線了以下4種功能：

Suggested Page (你可能喜歡的公眾頁)：該功能的目的在于讓用戶與更多的人或物連接，這樣可以在用戶的“新鮮事”里展示內容。

Page Post (公眾號帖子推廣)：因為每天出現在用戶的新鮮事里多達1500條，一般用戶很難瀏覽完這么多信息。Facebook為考慮到廣告主公眾號推廣的需求，只要他們給的推廣費多，也能進入這一頁面。

Suggested App (你可能喜歡的應用)：這個功能出現的非常廣泛，相信大家都在國內的新浪微博、淘寶等看到吐了。據前Facebook工程師連喬表示，該功能在廣告效果中反饋不錯，尤其在游戲行業里。

Video Ads (視頻廣告)：這個與前文提到的類似，只是出現的頁面不同而已。

連喬告訴雷鋒網，這四種功能，如今來看，Video Ads的廣告轉化率最高，其次為Page Post和Suggested App，排在末尾的為Suggested Page。不過Facebook也在陸續研發新的廣告形式。

根據 AdRoll 公司在2014年的調查顯示，出現在 News Feeds 中的廣告的CTR是右邊欄中傳統 banner 的49倍，加上 Facebook 本身特色的 Like、Comment、Share 功能，也讓廣告主特別青睞這種廣告形式。更有業內人士表示，Facebook 扭虧為贏的一大原因就是來自該廣告形式的收入的貢獻。

隨著 Facebook 廣告內容形態的不斷推陳出新，也讓 Google 的廣告業務受到一定威脅。據分析機構 eMarketer 預測，今年 Instagram 的廣告收入可能會超過 Google 和 Twitter 的移動廣告收入。

Facebook在廣告中都用了哪些AI技術？

雖然相較 Google 而言，Facebook的廣告形式更偏傳統媒體，但其用戶數據更為優質。甚而有前 Facebook員工如此評價其前東家的廣告，“ Facebook 知道用戶喜歡什么”。分析背后的原因，除了 Facebook 數十億量級的用戶之外，其 AI技術 也為此貢獻了大部頭的力量。

通過使用AI技術掃描用戶的狀態更新、上傳的圖片、視頻、簽到、點贊，甚至是 Linked Apps（連接應用）等相關數據，Facebook 能夠生成用戶的數字檔案和用戶畫像，從而實現智能投放和精準營銷服務。

之前有文章寫到：

在Facebook，有兩個實驗室領導著 AI 發展方向，一個是Yann LeCun領導的 FAIR 實驗室，偏向 AI 的基礎研究；另一個，就是 AML（機器學習應用）實驗室，偏向機器學習應用，負責將AI技術落地在Facebook各種產品中。

二者結合自身重點緊密合作。其中，AML實驗室在2015年變成由 Candela 領導。AML旨在為提供排名、廣告、搜索、語言翻譯、語音識別、自動產生視頻字幕以及自然語言理解等所有領域開發更好的算法以提升 Facebook 的底線。2012年， Candela跳槽微軟加入 Facebook ，任職廣告部門的負責人，旨在用機器學習的方法改革公司的廣告運營，讓廣告投放更加具有相關性和有效性。所以，在3年后被調任領導AML實驗室，且兼任管理廣告部門，這對Candela、Facebook來說都是機會。

究其緣由，是因為就Facebook當時的廣告業務而言，需要一個人類工作無法實現的系統，即對廣告點擊人數的即時預測。最后，Candela 基于機器學習的方法帶領他的團隊創造出一個新系統，成功實現了這一功能。這一次的行動也讓Candela相信，該系統還可以擴展到更多的服務中去。

基于此，經過和FAIR實驗室的相互合作，幾年的時間里，Facebook在其廣告業務板塊做出了多次AI技術應用的嘗試。

1、建立機器學習平臺

據雷鋒網(公眾號：雷鋒網)此前報道，Candela 帶領其團隊建立機器學習平臺的目的是為了獲取更多的高質量數據。眾所周知，Facebook 的日活用戶已達10億以上，所以每天該公司都創造著大量的數據。該機器學習平臺在此數據的基礎上得以不斷訓練。當他們開始測試時，也能有取之不盡的用戶行為樣本。“這使得廣告團隊進展很快，從每幾周推出一個新模型到每周推出一個新模型”，Candela表示，“我們在預測廣告點擊率上取得了巨大成功，就像是一次大轉變。”并且，這些模型最后終將成為一個平臺，這一平臺最大的優勢在于重復使用性。

2、FB Learner Flow平臺

建立該平臺之初，Facebook 的AML團隊主要考慮5個方面的要素：性能、重復使用性、自動化、成套系統和應用研究社群。而在該平臺成立之后，雖然僅限Facebook內部使用，但其“重復使用性”確實讓整個AML團隊都驚喜了一番。

以Instagram為例。去年6月，Instagram開始對其News Feeds進行排序，該公司的幾名工程師在很短的時間內就完成了這一功能。而在前幾年，相同的Feed功能卻是一個大工程，需要經歷從無到有的建立過程。所以，這一進步在很大程度上都可歸功于該平臺上的的重復使用性，工程師們可在其他工程師發布的WorkFlow的基礎上來構建自己的算法。

Candela 對此表示，假設Facebook有新的垂直廣告業務，專門在News Feeds投放富媒體廣告，當負責這項工作的團隊沒有很多機器學習方面的專家時，就能在該平臺里瀏覽到整個公司在此開發的每一項實驗和產品原型，從而抓取符合自己目標的模塊。

3、Deep Text系統

就AI 的另一項基礎技術——自然語言而言，AML 建立了 “Deep Text” 的系統，可結合機器學習來輔助 Facebook 完成每日40億次以上的翻譯功能的處理。此外，該系統還能在一秒之內理解超過二十多種語言的數千封郵件的內容。

通過對神經網絡的訓練和使用真實數據對模型的測試，Facebook已經可以探查到非常細微的語言區別，準確探查到哪個用戶正在詢問某地區內的餐廳或商場，進而觸發一個指令，并將相關的鏈接展示在用戶的 News Feed 上。而當某人分享一個推薦時，機器學習也會在用戶的 News Feed 上顯示出相關的餐廳或商場的地理位置。

如前文所提到的，News Feeds中的?Suggested Page、Suggested App等功能就與該系統的支持脫不了干系。特別是在該頁面上推送廣告，將遵循該系統的文本處理，以及 Facebook 的AI基礎技術，從而提升廣告投放的智能化程度。

4、Lumos計算機視覺平臺

針對Facebook平臺上的所有圖像和視頻，AML 團隊還建立了一個叫做“Lumos”的機器學習視覺平臺，以期對其進行更好地處理。該平臺被視為Facebook的“視覺皮質”，公司里的每個人都可以使用 Lumos上的神經網絡的各種功能來構建自己的模型方案。

據了解，Facebook旗下Instagram、Messenger、WhatsApp 和 Oculus都在使用這一視覺處理方法。長期來看，Facebook 還會把 Lumos 與其自然語言平臺相融合，從而可以確保?News Feeds 上要為用戶展示怎樣的內容。

結語

事實上，隨著 FAIR 和AML 兩大實驗室的持續研究，Facebook在AI+廣告中的應用必將也是一個持續探索的過程。正如 Candela 在今年的@Scale大會上所說，Facebook如果沒有AI，那就會失去存在根基。在如今廣告已成為 AI 商業落地最成功的領域之一的大環境下，Facebook 對其必將多加重視。

對于 Facebook 而言，AI+廣告不僅是“一棵大搖錢樹”，也是可作為模型擴展到其他產品和業務的成功案例。在對外競爭上，Facebook也能憑此笑傲 Google 和微軟。

作者：李秀琴

來源：https://www.leiphone.com/news/201706/80DA4XN5o7Qmyn3Q.html

本文來源于人人都是產品經理合作媒體@雷鋒網，作者@李秀琴