Facebook當廣告體系在第一次或重大作者后重新發表時，體系將持續摸索發表廣告組的更佳方法。在此期間，投放體系將摸索更有效的廣告解決計劃，包含廣告的時間、地位和方法。機器學習階段的廣告組效力不高，稱為機器學習階段。

當廣告組穩固（通常在7天內完成50個優化事件，SKAN至少需要完成88個轉化事件)將退出機器學習階段，廣告組將從學習改變為投放。

Facebook機器學習有三種操作模式：廣告系列預算優化、更低成本競價策略、主動版位。

1、廣告系列預算優化（CBO）

廣告系列設置總預算，讓體系實時將預算分配給性能更好的廣告組，從而優化各廣告組的預算分配。廣告系列預算優化是在廣告系列層面優化預算分配的一種方法。這意味著Facebook會不間斷地在廣告系列中主動尋找實現成效的更佳機遇并實時分配預算以獲得這些成效。

改良表示：以相同的預算取得更多成果。

節儉時間：減少預算的手動跟蹤和管理，從而減少預算計劃、設置和優化的時間。

改良投放：如果每個廣告組都包括重疊受眾，體系將刪除重疊受眾。然而，如果廣告系列預算優化開關按鈕打開，預算將轉移到更具競爭力和更好機遇的廣告組，以減少投放不足。

2、更低成本競價策略

實用場景你比嚴厲的效力目的更重視轉化。更低成本競價策略許可體系為賣家設置競價，目的是為賣家獲得更低成本的單一優化事件，并消費預算。

特殊值得注意的是，所有廣告團隊在應用更低成本競價和廣告系列預算優化時，必需優化同一事件。

3、主動版位

人工決議哪個時間，哪個廣告應用哪個地位非常繁瑣，這將糟蹋時間和金錢。主動地位功能許可廣告體系幫助賣家實時明確更佳地位，并動態地為這些機遇分配更多的預算，并獲得Facebook其使用和服務中的多個版本籠罩了更多受眾的機遇。

和僅限Facebook的版位相比，籠罩率高達7%，獲取客戶的成本更低，從而進一步賣家的投資回報，單次成效成本降幅可以到達71%。

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。