Facebook重要广告政策更新：目标费用出价策略取消了

最近Facebook又更新了和广告投放比较密切的政策。为了简化Facebook的竞价工具，帮助广告主提高效率，从2020年9月15日开始，Facebook不再支持从Ads Manager中的可用出价选项中选择目标成本出价。

见下图，之前的Facebook广告中，在Ad Sets层级原本是可以选择目标成本出价的，为安装或者展示设置自己的心理价位。

而9月15日之后，目标成本出价的形式就将被取消，取之的是目标费用优化。

Facebook官方也给出提示，为了避免影响广告主的广告系列，针对这一更新策略，广告主需要执行以下任一操作：

在政策更新之后，要么暂停之前的广告要么就用目标费用。在我看来，Facebook的这一系列更新，包括CBO，其实是Facebook广告系统学习的一大优化和进步；对于广告主来说，是越来越优的数据学习策略，同时也可以大大提高优化师的账户优化效率。

Facebook的这一更新其实是跟之前的CBO功能更新是有一定关系的。CBO预算优化可以根据广告数据学习的状态将预算分配到效果最佳的广告中，把预算尽可能的花费到效果最优的广告组。

 CBO的设置是在广告系列层级进行设置的，在CampaignBudget中设置好广告的总预算，Facebook就会根据广告系列的预算以及系列下对应的AdSets学习结果进行预算的自动分配。这个可以理解为，每个系列有一个全天无休的优化师在根据每个广告组的数据效果调整预算的分配，这也是数据学习的效果。

Facebook更新了CBO策略并且希望我们使用这一策略，一来降低我们的精力分配，二来也帮助Facebook广告进行更多的数据学习，使系统优化性能更优。而之前提到的取消目标成本优化，修改为目标费用优化，和CBO的优化逻辑其实是类似的系统原理，希望通过控制成本上限帮助我们增加更多的优化事件，更加合理的优化我们的预算支出。

这一方面有点类似于谷歌的UAC广告，Facebook希望帮助我们在除了定位和素材以外的调整，都能运用系统的数据学习更有效率的完成，这也是Facebook的广告数据系统在不断进步的一个必然尝试。

 彩蛋一枚：

关于上文提到的大数据学习，我曾经听到技术大佬的一段描述，可以帮助理解什么是大数据学习：

我们可以想象一下，每一个用户都是一串数据，数据中有用户的身份年龄特征等属性信息，都是平时用户自己在网上留下的各种信息和痕迹中总结得到的；而大数据学习就是当系统发出一个标签获取指令的时候，就能帮助我们收集有类似标签的用户，同时也会根据类似标签用户的共性查找和匹配到更多更广的新用户群体；在经过了庞大的数据学习以后，系统也收集到足够的数据量级，更进一步，当我们希望系统给用户受众进行匹配分级的，也可以根据系统的数据进行对应的划分和对应，从而回馈给大数据系统进行更加精准的数据学习；经过这样不断的数据学习和自动优化，就会日渐形成一个越加精准的大数据系统。