Facebook通过研究发现机器学习可以从4个方面改善媒体购买

很多数字营销的从业者都为各种效果以及数据分析而头疼，好消息是人工智能的发展推动着机器学习，通过程序化、自动化来进行营销投放，实现价值最大化。Facebook在人工智能方面走在了世界的前列，在中国百度公司可以说推动着中国人工智能的发展，其自动驾驶技术更是得到国家、社会的认可。

在市场营销中，机器学习仍带着神秘色彩，纵观全球数字营销人才匮乏，特别是即懂技术有懂运营的人才。我们过去所做的广告投放，难以估算其有效价值以及效果，而人工智能机器学习，能应用复杂的计算机系统和人工智能来解决问题，听上去让人振奋，但落实到实际工作中，机器学习能否根据复杂的用户行为进行策略优化，并应对日常在广告发布过程中的挑战呢？

回答很简单：当然能。Facebook一直在努力构建各种基于机器学习的工具，帮助商家更容易被客户发现、获得更准确的成效衡量数据以及更有针对性地投放个性化广告。在这个过程中，我们发现，技术在很多方面的强大威力既能显著改善营销表现，又能帮助团队提高工作效率。更令人欣慰的是，这些益处并非遥不可及，当下便可享有。

具体而言，机器学习主要能从以下四个方面发挥作用，为媒体策略师和购买人员助一臂之力：

1、优化自动分配，改善广告效果

机器学习之所以对媒体购买尤为有用，原因主要在于它能够优化自动分配，让每一分预算都花在最有价值的广告展示上。

通过使用串行算法和预测分析，机器学习可以快速地为每条广告找到最理想的受众人群。再加上自动化系统的配合，广告主将能以合理的花费，在恰当的时机向理想的受众投放与之相关的广告。

媒体购买的速度和质量都会因此而得到改善。机器学习和自动化系统可快速处理大量复杂的数据集并实时予以调整，进而帮助营销团队不断提高营销效率。

“相比手动优化，使用以机器学习为基础的自动优化方案对我们的帮助更大。可以说，我们看到了立竿见影的成效改善。”

—Justin Aquila，Optimize.Ad公司

2、简化广告的设置和优化工作

简化广告的管理也是机器学习带来的好处之一。

具体简化了哪些工作呢？根据调查，通过使用基于机器学习的工具，媒体购买人员和策略师减少了在广告优化/竞价策略制定、预算管理和广告设置等方面投入的人力。

任务的简化主要得益于，在留有余地的情况下，机器学习和自动化系统往往能发挥最佳效果，因为较宽泛的广告目标和参数设置能带来更多的可选方案。换句话说，减少广告组的数量和广告限制条件能让更多的自动化优化方案成为现实。

“我们学会了省下手动管理成效的精力，将其用到追踪表现及深入分析上去。”

—Laura Greene，Havas公司

3、节省出更多（宝贵）时间

简化广告管理给媒体购买人员和策略师带来了巨大价值，其中之一就是为他们节省了更多时间。

在接受调查的媒体购买人员和策略师中，约有77%的人表示，通过使用基于机器学习的工具，自动化系统帮助他们节省了很多原本花在手动操作和繁琐任务上的时间，大多数人表示平均每周能节省出1-4个小时。

同样，这些益处主要是机器学习工具的自主和自学功能带来的。由于相关系统能够快速有效地自行处理不断变化的数据点，营销团队无需再像以前那样手动设置和优化广告，从而达到省时省力的效果。

“过去，一个广告系列中有50个广告组同时投放对我们来说是常事。我们必须不断摸索，寻找有效的投放策略。现在，有了基于机器学习的自动分配工具，帐户中的广告组数量减少了，管理也变得更加轻松。”

—某独立广告公司高级客户经理

4、更多精力打磨策略和创意

节省时间为何如此重要？其重要意义就在于它让团队所有人都可以将精力用到其他工作中去。

按照受访媒体购买人员和策略师的说法，通过使用机器学习类工具节省下部分时间后，他们得以更从容地完成其他多项任务，包括制定客户策略、策划和测试新广告、分析现有广告的表现以及优化创意等等。

归根结底，机器学习的价值体现于：它不仅能帮助改善广告表现，还能让媒体策略师和购买人员有更多精力去打磨策略和创意。

“以前，手动调整预算花费了我们太多时间和精力。而现在，我们可以省下这部分时间用来打磨策略，包括研究不同的受众群体、测试和创意优化方案。这样我们就能把眼光放得更远。”

—Rachael Chudoba，Merkle公司

请注意，为了享受机器学习带来的诸多好处，媒体策略师和购买人员可能需要重新审视自己的工作方式。例如，他们有可能需要采用更宽泛的广告参数设置和预算策略、减少广告组的数量以及调整向广告客户提供表现报告的方式。

尽管完成这些改变可能会在短期内增加不少工作量，但从长远来看，这会为团队奠定取得更大成功的基础。