¿Cómo Facebook Ads usa el Machine Learning para entregar los anuncios?

Con el paso de los años, Facebook Ads se ha ido volviendo una herramienta cada vez más compleja y completa. Su objetivo final es enseñar anuncios altamente personalizados, que ofrezcan valor al usuario y que le lleguen justo en el momento adecuado. Y para conseguirlo, utiliza herramientas basadas en el aprendizaje automático o machine learning. ¿Sabes cómo funciona la entrega de anuncios en Facebook? ¡Vamos a verlo!

¿Cómo decide Facebook Ads qué anuncios mostrar?

Los anuncios que se muestran a un usuario concreto dependen principalmente de dos factores: la segmentación de la audiencia configurada por el anunciante y los resultados de la subasta.

En primer lugar, el anunciante escoge la audiencia a la que se dirige a través de las herramientas de autoservicio de Facebook Ads. Las audiencias se basan en categorías como la edad y el género, así como acciones que los usuarios realizan dentro de las aplicaciones de Facebook, como dar "Me gusta" a una página o hacer clic en un anuncio. El anunciante también puede usar información recopilada previamente sobre su audiencia, como una lista de emails o de personas que han visitado su página, para crear públicos similares o personalizados.

A la hora de entregar los anuncios, Facebook recopila una serie de candidatos cuya audiencia incluye al usuario al que se va a mostrar el anuncio. A continuación, realiza la subasta de los anuncios basándose en estos dos criterios:

• El valor del anunciante: se obtiene multiplicando la puja por el ratio de acción estimado. El ratio de acción estimado determina la probabilidad de que el usuario realice la acción deseada por el anunciante, por ejemplo, hacer clic en el anuncio para visitar un sitio web.

• La calidad global del anuncio.

Esta sería la fórmula resumida:

Valor total del anuncio = puja del anunciante x ratio de acción estimado + calidad del anuncio

Imagen de Facebook for Business

¿Cómo funciona el aprendizaje automático en Facebook Ads?

Facebook Ads emplea técnicas de machine learning para generar el ratio de acción estimado y el índice de calidad de los anuncios.

Para calcular el ratio de acción estimado, los modelos de machine learning predicen la probabilidad de que un usuario concreto realice la acción deseada por el anunciante en función del objetivo empresarial seleccionado para el anuncio (por ejemplo, ventas o visitas a la web). Para ello, el algoritmo tiene en cuenta el comportamiento del usuario dentro y fuera de Facebook y otros factores como el contenido del anuncio, el momento del día y sus interacciones con otros anuncios.

Para calcular el índice de calidad del anuncio, los modelos de machine learning de Facebook Ads tienen en cuenta las reacciones de los usuarios que ven u ocultan el anuncio y evalúan algunas características que dan a entender que un anuncio es de baja calidad, por ejemplo, tener demasiado texto dentro de la imagen, usar un lenguaje sensacionalista o emplear recursos engañosos para animar al usuario a interactuar. A medida que más usuarios ven el anuncio y reaccionan a él, las predicciones del algoritmo son cada vez más precisas.