关于我们：北京盈量科技是出海广告投放公司，擅长短剧，金融（小贷），社交，AI等领域投放，团队200+人，自研发程序投放工具+W2A免开发方案（代投免费使用，针对短剧深度优化），欢迎合作咨询。
前段时间遇到的一个问题，某个项目的某个域名下投放新广告曝光速度明显比另一个域名下投放速度慢，尤其是在手动出价的情况下。在排查了账户、域名、出价、素材等常规因素后，最后把可能性放到Pixel这个环节，最终猜测可能是这个域名下Pixel对应的广告数量太多导致。这里从官方逻辑，算法，和真实操作经验上，给出来一个猜想：当一个 Pixel 承载的广告数量和业务类型过多时，新广告的前期曝光速度确实会变慢。从官方逻辑上解释，我没找到哪个文档会提到Pixel下广告数量太多会影响广告学习，但是有一些其他文档大致提到过接近的说法：在 Meta 关于「学习阶段（Learning Phase）」「转化优化」和「信号质量」的官方说明中，强调了几个关键原则：
- 过多、过杂、频繁变化的信号 会延长学习时间，降低优化效率
当我们广告数量太多的时候，一个 Pixel 同时承载大量不同广告带来的转化信号，就会产生过多，过杂，频繁多变的转化信号，可能会造成广告学习阶段延长。从算法角度，Pixel 为什么会影响新广告的曝光速度？ 因为Pixel 并不是“打点工具”，而是投放结果的一个记忆载体。在 Meta 广告系统中 Pixel是会长期积累的转化行为模型，当我们创建一个新广告时，广告并不是从 0 开始学习，而是直接挂载到该 Pixel 的历史转化分布中进行推断，这意味着 Pixel 的历史“纯度”，直接影响系统对新广告的信心。如果我们pixel承载的广告数量太多，不可避免的就会造成我们pixel积累的转化过多，这些过多的转化，积累的人群就会更加“宽泛”，从而导致pixel的纯度下降，在后续新广告的学习中，算法无法从更垂直的人群中寻找到更精准的人给曝光，长期下来就只能更“保守”的给曝光。从前段时间我自己的真实操作中，我通过替换账户，更换域名，最后到排查发现确实就是在Pixel层级，广告数量少的Pixel对应投出去的新广告，在初期的曝光速度中会更快。用电商来举例：比如男装，女装的广告，我们拆分到不同的pixel，积累一段时间后，对算法来说，后续的新广告对应广告至少在性别上会更容易学到正确的人群。虽然新算法下，Meta投放更多会直接识别广告素材的特征来给到对应人群，但是pixel层级的数据积累，对于模型学习的影响应该是依然巨大。后续实操中，可以按照产品的情况来拆分对应pixel，比如电商可以区分大类，男装/女装，或者生活用品，办公用品等等拆分，具体还是需要按照项目覆盖人群寻找垂类细分来拆分。对于类似小说，短剧这类，实际人群属性差距没那么大，但是内容属性差距大的也可以专门做拆分，比如按照类似玄幻，休闲，武侠，现代，都市，浪漫等拆分。也可以更简单粗暴的直接按照广告数量拆分，比如按照大约10k个广告做一次拆分等（短剧，小说实际上按照类型拆分最后人群学出来可能还是会大致接近，单纯拆分数量也是个思路）。当然其实也有另一个操作思路，慢...就等，学习期变长就多给一些时间，用手动出价的情况下，慢点风险也可控，当然如果是用自动出价的情况下，保证pixel “垂直度”更高一些，有可能能减少在学习期的损耗，对人群差异大的项目建议操作。
微信不答疑，如需资讯出海疑难杂症请扫码加星球后提问。知识星球优先发布更多出海业务交流，部分内容仅在知识星球发布，139元/年，3天内可退款。
发表评论 取消回复