全文共字，预计学习时长24分钟
图源：unsplash年1月，我发表了一篇名为《15分钟内破解Facebook广告》的文章，分享了至年我就职于Facebook7年间的工作方法与案例。
我最初写这篇文章其实是为了避免谈广告，因为各种朋友和创始人都找我咨询，最好能一文了结所有事。但事实相反，我发现自己与新风险投资人、直接对消费者（DTC）品牌、电商和代理公司创始人对话的比以前还更多，尤其是关于Facebook直接回应（DR）广告的对话。
第一篇文章的主旨很简单：用Facebook所倡导运用的方式，即用最新的原始内容为用户带去真正的价值，并运行极具流动性的广告活动，发挥新的机器学习能力的作用。
但我与各类人的谈话中一直有个难点：如何快速、实惠地生成和测试各种高质量的Facebook和Instagram直接回应的广告？最近，Facebook数据团队从个活动中获得的元分析数据证明，测试和学习是有效的。
听了广告商的问题后，我意识到只有机器生成内容（MGC）才能突破这个素材瓶颈，于是我联系了一家由红杉投资的新加坡创业公司——Pencil。为什么叫Pencil？因为联合创始人WillHanschell和SumukhAvadhani认为，人工智能在未来会像以前的铅笔一样成为创意之根本。
他们耐心地向我解释了下面的机器学习论文。设计学习系统来实现广告支出回报率（ROAS）目标，Pencil需要把所有的东西都建立在一个MGC的自助平台上，还应：
·使用高级语言模型生成强大的标题和产品描述。
·将品牌宣传片和有影响力的视频分解为原子化的短片段。
·使用兴趣区域技术，生成数十种格式的新Facebook广告。
·在数百个可学习的功能中，了解生成广告的“内涵”。
·根据预测结果对广告进行排名。
·将新广告批量推送到Facebook广告管理器中。
·收集相对于客观和受众而言高保真的活动表现信号。
·利用该信号训练人工智能，不断迭代出更好的广告。
因为Pencil是从标签化、原子化的短片段中生成广告，并得到一个强大、快速的信号，只有这样才可能准确地生成和预测结果。
他们给我看的第一批MGC广告已经很强大了，而且每周都在改进，创意人工智能的时代显然已经到来，我想要占得先机。所以在一周之内，我放下了手头上的事情来帮助构建和测试Pencil。一个月内，我们就有一些世界顶级的绩效营销人员加入，有15个美国DTC品牌在直播中测试了广告。
图源：unsplash这篇文章涵盖了我迄今为止与用户获取团队、人工智能工程师和Facebook内部团队合作的经验，共有三个章节：
·为什么人类在生成Facebook广告方面会失败？
·为什么机器做得更好？
·广告商如何从现在开始？
但首先，我要先说几个观点：
·新型冠状病毒让许多必然的商业趋势提前了十年。现在的创意开发几乎都是远程操作的，而且越来越自动化。
·关于人工智能有很多是炒作，尤其是在年7月之后，专家评审员评审了OpenAI的GPT-3（一个强大的语言生成工具，能够按需生成类似人类的文本）。炒作想象着未来，但本文将聚焦于当下真实的MGC商业机会。
·DR正在吞噬品牌广告。在Facebook上，DR广告仍然超出品牌广告约4倍之多。最好的广告取决于日常DR指标、ROAS、CPA、CTR，同时强化品牌。有理论提出，特朗普在年击败了希拉里，是因为其竞选团队开展DR广告来筹集资金，而克林顿的竞选团队则试图开展品牌广告。就连Instagram为了寻求灵感，现在也允许一键购物。
·MGC将影响所有创意领域，但它将首先在Facebook和Instagram上经受锤炼。广告拍卖由测试工具和快速、精细的信号驱动，其市场价值接近亿美元。通过将大部分数据或机器学习纳入自己的原始工具中，创意现在仍是Facebook希望能拉动企业发展的少数杠杆之一。
·这篇文章不涉及Facebook商业模式的政治和道德层面的问题，也不谈AI取代人类工作的潜力。虽然这些领域我很感兴趣，但与本文主题无关。我只想说，我相信人类+机器就是超级人类，我告诉自己的孩子，如果他们想在未来找到工作，就要学会写代码（可是他们不听我的）。
·根据尼尔森的数据，50%以上的广告绩效由创意选择驱动，然而创始人和CEO们通常只花很少时间来提高产出。
Facebook创意商店团队幻灯片摘要第一章：为什么人类在生成Facebook广告方面会失败
我的第一个客户在“我们还有多久才可以完全摆脱重复指令？”这让我很惊讶，因为我本以为她会问机器取代人类的问题。
“我猜还有6个月左右的时间，你为什么会这么问？”
“因为人们做的Facebook广告很可怕，我们通常只会碍事。”
我想了想自己的Newsfeed和Facebook广告库中可怕的广告，她是对的：人类在Facebook广告设计方面通常很糟糕。我决定研究一下原因，并找出了人类大脑和组织的十个设计错误，这些错误阻碍了人类的发展，我大量借鉴了丹·卡尼曼（DanKahneman）和谢恩·帕里什（ShaneParrish）在法纳姆街的工作。
“失败”是一个情感色彩很强烈的词，所以我们应该给它下个定义。大多数的Facebook广告都没有达到他们的ROAS或CPA目标。但如果一个团队花了5周时间，打了6次视频电话，花了2万美金来制作一个广告，即使达到了目标，在我看来也是失败的。
成功是什么样子的呢？效果+效率+成本。通俗来讲，就是好、快、便宜。具体解读详见第二章。
以下是10个设计错误：
·人类不会规模化。一般来说，团队的规模是线性的，所以随着工作量的增加，招聘和成本也会增加。当一个创意团队试图解锁新的Facebook广告账户时，通常会很艰难。
首先，他们可以制作无数的广告，但没有明确的数据显示从哪里开始。其次，如果他们只测试三个标题，三个开场视频帧，三个格式大小，三个持续时间，三个CTA按钮，就会有3*3*3*3*3=个潜在版本。最后，我还没有见过哪个设计师可以每天都找到十种不同又不崩溃的方法。
·人类会产生偏见。设计师通过重复熟悉的技术和习惯来解决问题。他们经常只用一个模板，而这个模板以前对某个品牌很有效，但现在已经被过度使用，或者不适用于其他的品牌。人类倾向于高估喜欢的东西，忽视不喜欢的东西，即使知道我们不是目标受众。
图源：unsplash·人类抗拒变化。套用牛顿的惯性定律，一个物体如果不动就不会移动，或继续沿着路径运动。人类也不例外，我们喜欢延续旧例，一成不变。我们容易受第一结论偏见的影响，为了不费神地满足第一想法，我们应该平等地考虑众多不同的想法，而这也是最佳情况。
·人类讨厌批评。虽然大多数人嘴上说的好听，但其实人类都不喜欢别人的反馈，在创造力枯竭之前，我们只能进行几轮“建设性的编辑”，特别是如果我们的创作从未发表过。
·人类会产生盲点。当我们只用一种方式看待问题时就会形成盲点，广告中的盲点，如同驾驶中产生盲点一样，是致命的。人脑错过了机器很容易发现的关键模式，但自我意识会说服我们“直觉”是更好的。否定现实可能是一种生存机制，也可能是一种蓄谋，或者两者兼而有之。
·人类追逐奖励。什么可以获得奖励我们就重复做什么，对于人类来说，这很快就会变得很棘手。最近，我看到一家广告公司停掉了一个正在运行的广告集，因为他们想投给自己的创意团队；我见过一位营销副总，因为害怕让自己之前的关键业绩指标（KPI）表现不佳而关闭了一个有价值的测试。人类会因为财务和地位的刺激而产生矛盾。
·人类建立等级制度。我们觉得自己是自由思想家，但研究表明，我们像其他生物一样寻求等级制度。经典的斯坦福监狱和米尔格拉姆实验揭示了权威的危险力量。
在主流等级制度中，我们会强烈地感受到领导的暗示，即使他们的创造性判断很糟糕。在Facebook，为了克服这个问题，当一个团队陷入困境时，我们通常会裁减人员而不是招募成员，以减少层级。
图源：unsplash·人类产生数学错误。一个常见错误是执迷于CPA或ROAS目标，而不是销售总额。没有规模，业绩就一文不值。另一个问题是，即使团队没有可靠的统计结论依据，他们也会使用少量实例创建一个通用类别。
A/A方差是Facebook上一种鲜为人知的波动类型，比如在该平台上持久的“背景”随机性。一些专家估计这一比例在15-25%之间，因此，今天效果不错的广告明天可能就不会奏效了。数据和设计团队经常因为数学上的差异而产生分歧，有时会导致不信任与不尊重，团队公开谈论这些概念是很重要的。
·人类随大流。很多时候，新的DTC品牌进入一个现有的品类中，推出的创意与领先品牌有95%的相似度，他们错失了成为这一类创造者的机会。人类DNA里有一种本能，就是在数量上寻求安全感，渴望得到社会的认可。
·人类会恐慌。当一个收购团队停止收购，或者一个机构无法达到ROAS目标时，我们常会看到人们变得恐慌。结构化测试失去了结构。压力会引起心理和生理反应，并放大人类其他所有的缺点。在面对压力时，几乎所有人的心理偏差都会变得更差，因为身体会进入战斗或逃跑状态。压力会导致基于恐惧的决策和短期的优化。
这个关于人类设计问题的调查并不是仇视人类，而是为了解释事情为何会经常变得不顺。花点时间潜入Facebook的广告库，回顾一下上周你自己的品牌或竞争对手上新了多少不错的广告？用什么流程和逻辑来挑选这些广告？而我们人类设计的十大毛病中，又有多少毛病妨碍了我们的工作？
这些问题至关重要，如今超过50%的表现是由你的创意选择来解释的，即使是大品牌测试的广告也不多。创意团队为所需的大量素材所累，又得不到反馈。或者情况更差，广告投不出去，他们会因此非常沮丧。根据Campaign杂志的一篇文章，年美国47%的代理商士气低落或非常低落，高于前一年的33.3%。
第二章：为什么机器做得更好
机器最终会战胜人类，因为它永远都在学习新规则。
图源：unsplash在大众移动市场的前十年（-年），竞争就是人类学习新规则。例如，我们了解到，长约15秒的竖屏视频广告，具有社交认同的特点，如果前面有一个“抓取器”，最后有一个清晰的CTA按钮，那么效果应该会不错。我们学会了这些规则，现在用它们来指导人类或机器遵循这些规则。
而至年，将会是机器为每个特定的品牌、类别或受众破解更高级的“代码”的十年。在传统的编程和系统中，输入规则和数据就会得到答案。而在机器学习中，你输入数据和答案，它就会学习规则。率先学习这些新规则的公司或个人会取得不错的成绩。
想象一下，如果可口可乐或耐克这样的财富强品牌利用机器学习来学习市场和品类的代码，首席营销官（CMO）终有一天可以向她的董事会展示这些数据支持的远见。那位首席营销官还可以解释说，她已经画出了属于公司的数据支撑的蓝图，而不受制于某个大科技平台里面的黑盒算法。在企业层面，MGC可以产生规模化、专有化、持续化的数据视野。
让我们用之前对成功的定义——“快+好+便宜”来理解为什么机器会赢。
当我开始做营销的时候，这三个词常常被强制用于取舍。营销总监会抱怨代理公司的业绩，代理公司的负责人会解释说：“你可以有又快又便宜，或者又好又便宜，或者又快又好，但你不能三者兼得。”这成了一个普遍认可的商业真理。但有了自动化的机器学习就不一样了，现在可以三者兼得。
快速广告
营销速度突显竞争优势。直接对消费者品牌和电商已经成为高速接触运动，谁先适应了口味、价格、天气、供货情况、公众情绪的变化，甚至是Facebook的漏洞是如何影响拍卖的，谁通常就能获胜。
我曾经向一位经验丰富的营销人员询问他在FacebookROAS方面的技巧，答案让我大吃一惊。他通过识别高性能的库存量单位（SKU）来实现业绩，然后利用它们快速进行销售或再营销广告，以满足需求。
他说大多数营销人员对数据的
转载请注明：http://www.0431gb208.com/sjszlff/4911.html
