Facebook如何利用AI+广告，笑傲 Google与微软？

自2012年以来，随着大数据和机器学习技术的发展，全球广告市场得到了持续性的爆发增长。尤其是以Facebook为首的科技巨擘，凭借其强大的社交网络积累了数十亿量级的用户数据，并运用机器学习在广告市场中如鱼得水。

据Facebook今年第一季度财报表明，该公司总营收为80.32亿美元，其中广告收入78.57亿美元，占其总营收的98%，超过去年同期的97％和2012年的84％。特别是在移动广告上，收益增势明显，占总体广告营收的85%，2016年占比曾高达97%。

这些有力的数据有理由让我们相信，Facebook卖力推广移动视频广告的努力已卓见成效。并且也让我们不禁好奇：Facebook究竟利用AI在广告业务上实现了哪些应用？

从广告产品来看，众所周知Facebook有3个坚实的阵地：

Facebook的广告业务推出已有多年。2012年，Facebook开始推出品牌页面功能，营销人员可在Facebook上建立品牌页面，用户的点赞等传播行为都可为Facebook带来收益。同年的第一季度，广告业务即为Facebook贡献了84%的营收。

2012年，Facebook以10亿美元收购Instagram。相比Facebook广告，Instagram的形式更为简单，且收费更高，效果也更好。如Image Ads、Carousel Ads、30s Video Ads。去年8月推出的“Story”动态故事功能也在今年1月向广告主开放了广告版位，全屏的方式对广告主吸引力剧增。据 Salesforce 统计，Instagram 的CTR（点击率）大约是 Facebook 的两倍。

2014年，Facebook推出移动广告服务Audience Network（简称FAN）。开发者不用自行销售广告、进行目标定位、测量广告效果及提供支付通道即可赚钱，一切可由Facebook代劳。FAN 广告有三种形式：标准的 IAB 横幅广告、标准的 IAB 插页式广告和原生广告。不过Facebook指明发行商在屏幕上只能一次显示一个广告。前期Audience Network的广告效果并不太理想，后Facebook对其进行了一系列的改善措施，如推出广告版位评分定价系统，而广告主而言更为人性化。

根据Facebook的官方介绍，可将其广告形式概括为以下6种。

Image Ads（图片广告）：内容为单张图片的广告。

Video Ads（视频广告）：通过动态画面和声效来传达品牌形象，一般为60s。

Carousel Ads（轮播广告）：在单条广告中展示多张图片或多个视频。

Slideshow Ads（幻灯片广告）：创建轻量级视频广告，在任何网速下都能和用户建立联系。

Canvas Ads（全屏广告）：类似于微信朋友圈的H5广告，可通过图片、视频、文字和链接给用户提供全屏互动体验的广告。

360 Video Ads（VR全景广告）：这个相对来说比较好理解。因为Facebook本身的VR技术比较优秀，所以该广告形式在互动性和广告效果上都优于其他，当然广告费也更高。

以上6种即为出现在Facebook三大产品中最基础的广告形式。对于Facebook 广告而言，还有一种不得不提的、非常受广告主欢迎的形式：News Feed Ads。

News Feed Ads 也称为信息流广告，即在用户新鲜事里插入广告，会针对不同的内容源为用户匹配不同的呈现方式。该广告的创新型形式于2011年推出，2012年正式上线。上线4年间，以它为主的广告业务已为Facebook带来近400亿美元的收入。

针对该广告形式，Facebook对其上线了以下4种功能：

Suggested Page (你可能喜欢的公众页)：该功能的目的在于让用户与更多的人或物连接，这样可以在用户的“新鲜事”里展示内容。

Page Post (公众号帖子推广)：因为每天出现在用户的新鲜事里多达1500条，一般用户很难浏览完这么多信息。Facebook为考虑到广告主公众号推广的需求，只要他们给的推广费多，也能进入这一页面。

Suggested App (你可能喜欢的应用)：这个功能出现的非常广泛，相信大家都在国内的新浪微博、淘宝等看到吐了。据前Facebook工程师连乔表示，该功能在广告效果中反馈不错，尤其在游戏行业里。

Video Ads (视频广告)：这个与前文提到的类似，只是出现的页面不同而已。

连乔告诉，这四种功能，如今来看，Video Ads的广告转化率最高，其次为Page Post和Suggested App，排在末尾的为Suggested Page。不过Facebook也在陆续研发新的广告形式。

根据 AdRoll 公司在2014年的调查显示，出现在 News Feeds 中的广告的CTR是右边栏中传统 banner 的49倍，加上 Facebook 本身特色的 Like、Comment、Share 功能，也让广告主特别青睐这种广告形式。更有业内人士表示，Facebook 扭亏为赢的一大原因就是来自该广告形式的收入的贡献。

随着 Facebook 广告内容形态的不断推陈出新，也让 Google 的广告业务受到一定威胁。据分析机构 eMarketer 预测，今年 Instagram 的广告收入可能会超过 Google 和 Twitter 的移动广告收入。

虽然相较 Google 而言，Facebook的广告形式更偏传统媒体，但其用户数据更为优质。甚而有前 Facebook员工如此评价其前东家的广告，“ Facebook 知道用户喜欢什么”。分析背后的原因，除了 Facebook 数十亿量级的用户之外，其 AI技术 也为此贡献了大部头的力量。

通过使用AI技术扫描用户的状态更新、上传的图片、视频、签到、点赞，甚至是 Linked Apps（连接应用）等相关数据，Facebook 能够生成用户的数字档案和用户画像，从而实现智能投放和精准营销服务。

之前有文章写到：

在Facebook，有两个实验室领导着 AI 发展方向，一个是Yann LeCun领导的 FAIR 实验室，偏向 AI 的基础研究；另一个，就是 AML（机器学习应用）实验室，偏向机器学习应用，负责将AI技术落地在Facebook各种产品中。

二者结合自身重点紧密合作。其中，AML实验室在2015年变成由 Candela 领导。AML旨在为提供排名、广告、搜索、语言翻译、语音识别、自动产生视频字幕以及自然语言理解等所有领域开发更好的算法以提升 Facebook 的底线。2012年， Candela跳槽微软加入 Facebook ，任职广告部门的负责人，旨在用机器学习的方法改革公司的广告运营，让广告投放更加具有相关性和有效性。所以，在3年后被调任领导AML实验室，且兼任管理广告部门，这对Candela、Facebook来说都是机会。

究其缘由，是因为就Facebook当时的广告业务而言，需要一个人类工作无法实现的系统，即对广告点击人数的即时预测。最后，Candela 基于机器学习的方法带领他的团队创造出一个新系统，成功实现了这一功能。这一次的行动也让Candela相信，该系统还可以扩展到更多的服务中去。

基于此，经过和FAIR实验室的相互合作，几年的时间里，Facebook在其广告业务板块做出了多次AI技术应用的尝试。

据此前报道，Candela 带领其团队建立机器学习平台的目的是为了获取更多的高质量数据。众所周知，Facebook 的日活用户已达10亿以上，所以每天该公司都创造着大量的数据。该机器学习平台在此数据的基础上得以不断训练。当他们开始测试时，也能有取之不尽的用户行为样本。“这使得广告团队进展很快，从每几周推出一个新模型到每周推出一个新模型”，Candela表示，“我们在预测广告点击率上取得了巨大成功，就像是一次大转变。”并且，这些模型最后终将成为一个平台，这一平台最大的优势在于重复使用性。

建立该平台之初，Facebook 的AML团队主要考虑5个方面的要素：性能、重复使用性、自动化、成套系统和应用研究社群。而在该平台成立之后，虽然仅限Facebook内部使用，但其“重复使用性”确实让整个AML团队都惊喜了一番。

以Instagram为例。去年6月，Instagram开始对其News Feeds进行排序，该公司的几名工程师在很短的时间内就完成了这一功能。而在前几年，相同的Feed功能却是一个大工程，需要经历从无到有的建立过程。所以，这一进步在很大程度上都可归功于该平台上的的重复使用性，工程师们可在其他工程师发布的WorkFlow的基础上来构建自己的算法。

Candela 对此表示，假设Facebook有新的垂直广告业务，专门在News Feeds投放富媒体广告，当负责这项工作的团队没有很多机器学习方面的专家时，就能在该平台里浏览到整个公司在此开发的每一项实验和产品原型，从而抓取符合自己目标的模块。

就AI 的另一项基础技术——自然语言而言，AML 建立了 “Deep Text” 的系统，可结合机器学习来辅助 Facebook 完成每日40亿次以上的翻译功能的处理。此外，该系统还能在一秒之内理解超过二十多种语言的数千封邮件的内容。

通过对神经网络的训练和使用真实数据对模型的测试，Facebook已经可以探查到非常细微的语言区别，准确探查到哪个用户正在询问某地区内的餐厅或商场，进而触发一个指令，并将相关的链接展示在用户的 News Feed 上。而当某人分享一个推荐时，机器学习也会在用户的 News Feed 上显示出相关的餐厅或商场的地理位置。

如前文所提到的，News Feeds中的 Suggested Page、Suggested App等功能就与该系统的支持脱不了干系。特别是在该页面上推送广告，将遵循该系统的文本处理，以及 Facebook 的AI基础技术，从而提升广告投放的智能化程度。

针对Facebook平台上的所有图像和视频，AML 团队还建立了一个叫做“Lumos”的机器学习视觉平台，以期对其进行更好地处理。该平台被视为Facebook的“视觉皮质”，公司里的每个人都可以使用 Lumos上的神经网络的各种功能来构建自己的模型方案。

据了解，Facebook旗下Instagram、Messenger、WhatsApp 和 Oculus都在使用这一视觉处理方法。长期来看，Facebook 还会把 Lumos 与其自然语言平台相融合，从而可以确保 News Feeds 上要为用户展示怎样的内容。

事实上，随着 FAIR 和AML 两大实验室的持续研究，Facebook在AI+广告中的应用必将也是一个持续探索的过程。正如 Candela 在今年的@Scale大会上所说，Facebook如果没有AI，那就会失去存在根基。在如今广告已成为 AI 商业落地最成功的领域之一的大环境下，Facebook 对其必将多加重视。

对于 Facebook 而言，AI+广告不仅是“一棵大摇钱树”，也是可作为模型扩展到其他产品和业务的成功案例。在对外竞争上，Facebook也能凭此笑傲 Google 和微软。

作者：李秀琴