解密MGC：如何用创新型AI做好Facebook广告？

全文共9442字，预计学习时长24分钟

图源：unsplash

2020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2012至2019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163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Will Hanschell和Sumukh Avadhani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2020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2016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1000亿美元。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

<