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

第一章：为什么人类在生成Facebook广告方面会失败

我的第一个客户在电话中问道：“我们还有多久才可以完全摆脱重复指令？”这让我很惊讶，因为我本以为她会问机器取代人类的问题。

“我猜还有6个月左右的时间，你为什么会这么问？”

“因为人们做的Facebook广告很可怕，我们通常只会碍事。”

我想了想自己的Newsfeed和Facebook广告库中可怕的广告，她是对的：人类在Facebook广告设计方面通常很糟糕。我决定研究一下原因，并找出了人类大脑和组织的十个设计错误，这些错误阻碍了人类的发展，我大量借鉴了丹·卡尼曼（Dan Kahneman）和谢恩·帕里什（Shane Parrish）在法纳姆街的工作。

“失败”是一个情感色彩很强烈的词，所以我们应该给它下个定义。大多数的Facebook广告都没有达到他们的ROAS或CPA目标。但如果一个团队花了5周时间，打了6次视频电话，花了2万美金来制作一个广告，即使达到了目标，在我看来也是失败的。

成功是什么样子的呢？效果+效率+成本。通俗来讲，就是好、快、便宜。具体解读详见第二章。

以下是10个设计错误：

· 人类不会规模化。一般来说，团队的规模是线性的，所以随着工作量的增加，招聘和成本也会增加。当一个创意团队试图解锁新的Facebook广告账户时，通常会很艰难。

首先，他们可以制作无数的广告，但没有明确的数据显示从哪里开始。其次，如果他们只测试三个标题，三个开场视频帧，三个格式大小，三个持续时间，三个CTA按钮，就会有3*3*3*3*3=243个潜在版本。最后，我还没有见过哪个设计师可以每天都找到十种不同又不崩溃的方法。

· 人类会产生偏见。设计师通过重复熟悉的技术和习惯来解决问题。他们经常只用一个模板，而这个模板以前对某个品牌很有效，但现在已经被过度使用，或者不适用于其他的品牌。人类倾向于高估喜欢的东西，忽视不喜欢的东西，即使知道我们不是目标受众。

图源：unsplash

· 人类抗拒变化。套用牛顿的惯性定律，一个物体如果不动就不会移动，或继续沿着路径运动。人类也不例外，我们喜欢延续旧例，一成不变。我们容易受第一结论偏见的影响，为了不费神地满足第一想法，我们应该平等地考虑众多不同的想法，而这也是最佳情况。

· 人类讨厌批评。虽然大多数人嘴上说的好听，但其实人类都不喜欢别人的反馈，在创造力枯竭之前，我们只能进行几轮“建设性的编辑”，特别是如果我们的创作从未发表过。

· 人类会产生盲点。当我们只用一种方式看待问题时就会形成盲点，广告中的盲点，如同驾驶中产生盲点一样，是致命的。人脑错过了机器很容易发现的关键模式，但自我意识会说服我们“直觉”是更好的。否定现实可能是一种生存机制，也可能是一种蓄谋，或者两者兼而有之。

· 人类追逐奖励。什么可以获得奖励我们就重复做什么，对于人类来说，这很快就会变得很棘手。最近，我看到一家广告公司停掉了一个正在运行的广告集，因为他们想投给自己的创意团队；我见过一位营销副总，因为害怕让自己之前的关键业绩指标（KPI）表现不佳而关闭了一个有价值的测试。人类会因为财务和地位的刺激而产生矛盾。

· 人类建立等级制度。我们觉得自己是自由思想家，但研究表明，我们像其他生物一样寻求等级制度。经典的斯坦福监狱和米尔格拉姆实验揭示了权威的危险力量。

在主流等级制度中，我们会强烈地感受到领导的暗示，即使他们的创造性判断很糟糕。在Facebook，为了克服这个问题，当一个团队陷入困境时，我们通常会裁减人员而不是招募成员，以减少层级。

图源：unsplash

· 人类产生数学错误。一个常见错误是执迷于CPA或ROAS目标，而不是销售总额。没有规模，业绩就一文不值。另一个问题是，即使团队没有可靠的统计结论依据，他们也会使用少量实例创建一个通用类别。

A/A方差是Facebook上一种鲜为人知的波动类型，比如在该平台上持久的“背景”随机性。一些专家估计这一比例在15-25%之间，因此，今天效果不错的广告明天可能就不会奏效了。数据和设计团队经常因为数学上的差异而产生分歧，有时会导致不信任与不尊重，团队公开谈论这些概念是很重要的。

· 人类随大流。很多时候，新的DTC品牌进入一个现有的品类中，推出的创意与领先品牌有95%的相似度，他们错失了成为这一类创造者的机会。人类DNA里有一种本能，就是在数量上寻求安全感，渴望得到社会的认可。

· 人类会恐慌。当一个收购团队停止收购，或者一个机构无法达到ROAS目标时，我们常会看到人们变得恐慌。结构化测试失去了结构。压力会引起心理和生理反应，并放大人类其他所有的缺点。在面对压力时，几乎所有人的心理偏差都会变得更差，因为身体会进入战斗或逃跑状态。压力会导致基于恐惧的决策和短期的优化。

这个关于人类设计问题的调查并不是仇视人类，而是为了解释事情为何会经常变得不顺。花点时间潜入Facebook的广告库，回顾一下上周你自己的品牌或竞争对手上新了多少不错的广告？用什么流程和逻辑来挑选这些广告？而我们人类设计的十大毛病中，又有多少毛病妨碍了我们的工作？

这些问题至关重要，如今超过50%的表现是由你的创意选择来解释的，即使是大品牌测试的广告也不多。创意团队为所需的大量素材所累，又得不到反馈。或者情况更差，广告投不出去，他们会因此非常沮丧。根据Campaign杂志的一篇文章，2016年美国47%的代理商士气低落或非常低落，高于前一年的33.3%。

第二章：为什么机器做得更好

机器最终会战胜人类，因为它永远都在学习新规则。

图源：unsplash

在大众移动市场的前十年（2010-2020年），竞争就是人类学习新规则。例如，我们了解到，长约15秒的竖屏视频广告，具有社交认同的特点，如果前面有一个“抓取器”，最后有一个清晰的CTA按钮，那么效果应该会不错。我们学会了这些规则，现在用它们来指导人类或机器遵循这些规则。

而2020至2030年，将会是机器为每个特定的品牌、类别或受众破解更高级的“代码”的十年。在传统的编程和系统中，输入规则和数据就会得到答案。而在机器学习中，你输入数据和答案，它就会学习规则。率先学习这些新规则的公司或个人会取得不错的成绩。

想象一下，如果可口可乐或耐克这样的财富500强品牌利用机器学习来学习市场和品类的代码，首席营销官（CMO）终有一天可以向她的董事会展示这些数据支持的远见。那位首席营销官还可以解释说，她已经画出了属于公司的数据支撑的蓝图，而不受制于某个大科技平台里面的黑盒算法。在企业层面，MGC可以产生规模化、专有化、持续化的数据视野。

让我们用之前对成功的定义——“快+好+便宜”来理解为什么机器会赢。

当我开始做营销的时候，这三个词常常被强制用于取舍。营销总监会抱怨代理公司的业绩，代理公司的负责人会解释说：“你可以有又快又便宜，或者又好又便宜，或者又快又好，但你不能三者兼得。”这成了一个普遍认可的商业真理。但有了自动化的机器学习就不一样了，现在可以三者兼得。

快速广告

营销速度突显竞争优势。直接对消费者品牌和电商已经成为高速接触运动，谁先适应了口味、价格、天气、供货情况、公众情绪的变化，甚至是Facebook的漏洞是如何影响拍卖的，谁通常就能获胜。

我曾经向一位经验丰富的营销人员询问他在Facebook ROAS方面的技巧，答案让我大吃一惊。他通过识别高性能的库存量单位（SKU）来实现业绩，然后利用它们快速进行销售或再营销广告，以满足需求。

他说大多数营销人员对数据的关注较少，不知道哪种红色毛衣或新口味可能会通过背后强大的广告来提高销售量，圣杯在24小时内将日常销售数据转化为视频广告。

Facebook也打造了如动态创意和动态广告等动态、自动化的创意工具，以减少摩擦，加快响应速度，这两个工具都值得测试。

动态创意进行基本的早期原型设计，采取图片、视频、标题、描述和CTA等多种广告格式，很容易就能上手。动态广告适用的产品范围广泛，可生成订阅型广告，或适用于每天甚至每小时价格都有波动的情况，如酒店和航空公司。动态广告还可以根据像素事件锁定浏览过产品页面或有购买意向的潜在客户，是放弃购物车促销或交叉销售的理想选择。广告“跟踪”对产品感兴趣的用户，或者提供报价。

Facebook的动态广告创作工具将继续发展，并为广告商提供更强大的视野。但要想大规模地达到CPA目标，你仍然需要快速制作各种高质量、品牌的Facebook和Instagram广告。MGC结合机器学习的模式识别、高保真信号反馈和庞大的计算能力，是最适合不过的。

让我们看一下语言人工智能之下的东西。语言人工智能是建立在GPT-2的基础上的，但它将作为后处理步骤的特定任务的微调进行了分层，多个自定义模型对下游阶段进行过滤，从用户的角度对好的东西进行定性。最后，还有一个自定义评分管道，根据质量对生成的文本进行排序。

但对于用户来说，MGC应该简单而神奇。在设置好品牌和信息包，并投放现有的影片或图片素材后，MGC可以在几分钟内生成几十条高质量的广告，并按照预期效果进行排序。

它可以审核、编辑，并将最终的广告直接投送到Facebook账户中开始测试。这一切都将在几秒钟内完成，而基于订阅的集成将进一步实现工作流程的自动化。这种新速度是通过代码实现的，但只有人类不参与该过程，才有可能成功。

好的广告

图源：unsplash

美是由眼睛选择的，所以人们自然对“好看”的广告评价标准不一，但一个好的直接回应广告非常明确地意味着大规模地冲击CPA和ROAS目标。

“好”创意还意味着解锁新的增长受众，如同种子一样，更新客户。像Pencil这样的MGC平台通过在规模上产生有意义的变化，然后进行测试以找到赢家，从而找到好的广告。

从某种意义上说，它们首先是利用人工智能进行测试和排名，然后推出广告并获得真正的潜在客户的反应时进行体内测试。这是进化的自然选择，是更有力的方式。人类设计师会无意识地“预测”，然后手动创建他们的“最佳广告”，而机器则会针对有意义的变化进行优化，生成不同的方法。

营销人员对特定素材给出严格的简报，然后判断哪些素材可能有效，而机器学习则通过快速、小规模的测试不同的广告来学习规则，然后进行更新换代。MGC通过提出截然不同的广告结构，迫使用户超越增量优化（如Google著名的为搜索广告测试不同的蓝色色调），鼓励更多实质性的创新。

要警惕任何自称知道“规则”的人，因为除了一些通用的宏观规则外，重要的微观规则对于每个品牌和受众来说都是不同的，需要机器学习来定量地找到它们。

重要的是，这种特定的人工智能方法只有在一个整合的平台内才能很好地发挥作用，这个平台从标签化、原子化中建立广告，并得到一个强大的、快速的信号回馈。只有这样才能准确地生成和预测结果。

经过对Pencil的初步测试，我们已经可以看到一些独特的技术对特定的品牌有效，如：

· 在第一秒内用大标题清晰地显示产品图片和描述

· 反复出现带有标志和集成CTA按钮的产品底栏

· 并列文字和抽象的标题

营销人员担心机器人会创造机器人广告，这是可以理解的，但学习机器可以通过多种方式进行原创创作。它们可以针对一组结果进行训练，在另一组结果中产生意想不到的结果；接受一组输入的训练，然后再接受另一组输入。在此过程中，可以引入噪声和随机性。

广告费用低

MGC已经可以在成本上打败人类，而且这种趋势愈加明显。就像大多数自助工具一样，随着数量规模的扩大，每个广告的成本也会降低。

· 节省了设计师工资或费用的直接成本。

· 节省间接成本，一是因为减少了管理者的简报和审查，二是因为数据分析大部分会被整合与自动化。

· 创意制作成本下降，因为为MGC收集小批量的高质量剪辑和图片，比起故事板、拍摄和编辑一部剧本电影要简单得多

· 更有效地利用现有的创造性素材。拿着你三年前夏天在阿马尔菲海岸拍摄的那部价值20万的影片，看看MGC如何将它重新用于你的下一个广告中。

我相信，人类+机器=超人类，我很期待看到世界上的顶尖创意人才利用MGC进行创作。我也希望看到强大的创意人能够实现自己真正的价值。

如今，深刻理解DR创意，并能独立生成高质量广告的设计师已经难得一见。他这样的人非常抢手，至少在美国可以赚到六位数。利用MGC，最优秀的设计师很快就会发挥作用，并能够10倍地提高创意产出。

图源：unsplash

多年前，我和传奇文案与广告撰写员——尼尔·弗兰奇（Neil French）同坐在新加坡的一间办公室，当时他正在和马丁·索雷尔（Martin Sorrell）谈七位数的薪水。当时，我觉得这个数额的薪水不可思议。但我估计，最好的设计师利用他们的经验和天赋，通过人工智能在未来会赚得更多。

第三章：广告商如何从现在做起

利用MGC率先破解创意AI密码都会有一个短暂的空窗期。上手很简单，性能也会很快得到提升，但真正的回报将会给那些品牌——让机器学习有足够的更新动力来破解规则。

从表面上看，一开始变化不大。现有的人类广告带来了1.8倍的ROAS，新的MGC广告也达到了1.8倍的ROAS。也许会更快、更便宜，但没有更好，对吧？但实质上，发生了很多变化。人工智能每生成一批广告，都会收集到深层次、精细化的数据，并通过应用程序接口（API）连接接收到高保真的Facebook信号。

机器学习将更注重破解密码，找到开启未来可持续业绩的钥匙。

以下是品牌如何从现在开始适应未来MGC的方法：

1.技术：找一个创新型AI平台。已经有几家了，但还会有更多平台会出现。找一个有长远计划的路线进行深度发展。

· 是不是又快又好又便宜？

· 是否能看到输出的广告？

· 是否针对你投资最多的平台进行优化？

· 团队是否有成熟的业绩记录，能打造出效果不错的AI和广告？

提出棘手的技术问题，关注未来的规划，而不仅仅是看它今天能做什么。

2.人：精英人才精简化。尽量不让人参与其中，不要建立审查委员会，不然会拖慢进度。赋予某个人直接负责广告绩效的权力，并辅以自助工具。巩固决策权。我所见过的一些最好的增长团队都是以三权分立的方式工作：营销人员、设计师、分析师。也许未来将会缩减到两个人甚至只有一个超人。

3. 广告ABC=注意力（Attention）、利益（Benefit）、CTA。大多数表现优异的广告大致都遵循这个ABC公式。所以，至少你的MGC产出的广告有些是符合要求的，这样就可以用强有力的竞争者来包装你的第一次测试。

图源：unsplash

· 注意力——通过扣人心弦的信息和/或视觉效果，ABC广告在第一秒就能抓住眼球。与肢体越相关越好：恐惧、性、食物、金钱都会吸引人们停下来观看。

· 利益——然后他们会谈及利益，功能和/或情感，通常会有社交认同推荐或评论。添加RTB（购买/相信的理由）一般会有用。

· CTA——最后，他们呼吁行动，往往施以时间限制（“纪念日之前打四折”）和为每个广告匹配相应的话语按钮（“立即购物”，“注册”）。

4.大量。立下目标，做十几个强力测试。不再寻找确定很好的广告，你永远无法准确预测它。致力于在一个测试账户中运行十几个强大的广告，并尽可能维持广泛的受众，让Facebook啃硬骨头，让每个广告都精准出现在潜在客户面前。

活动预算优化（CBO）可能会派上用场，特别是对于之前存在大量买家信号的热门类别，但它并不能屡试不爽。许多专家更倾向于针对每个测试广告保证最低投放量，因此CBO不会过早地杀鸡取卵。

当广告在测试账户中起作用时，要研究买家的资料和评论，找到新的语言和见解，并将赢家推广到规模化账户中，直到他们感到厌倦为止。到那时，你应该已经迭代出新的强大广告来取代过气的明星广告，虽然有可能它们还很相似。

5. 变化：突出有意义的差异。在Facebook上投放无关紧要的广告，会付出昂贵的代价，所以要不断尝试那些可能对受众有意义的素材和语言。利用变化的力量来寻找和解锁新的受众。

不要假设视频或“静态”（单张图片广告）效果会更好，它的效果会因不同品牌、漏斗的水平，以及Facebook算法一周内的表现而各占一半。保持开放的心态。准确点地说，使用Creative AI编程，保持开放的心态！

6. 早期原型设计：破解代码，然后投资。一些营销人员计划在找创意的早期过程中用创意AI来制作广告原型，利用现有的素材和人工智能来寻找与受众有关的语言和视觉亮点，然后让设计团队将这些转化为更长、更精致的最终影片，也许制作成本会更高。

例如，在Facebook上孵化广告，然后投30秒更贵的电视广告，以扩大覆盖面和增加频率。我们还要多久才能看到500万的超级碗广告片诞生于MGC呢？

图源：unsplash

7. 品牌社区>品牌经理。一个好的创意AI工具可以输入所有的logo、字体和颜色，并投放自己的素材。但品牌经理们还是经常担心把风格控制权交给机器。其实他们不必担心，因为只要在广告投入前进行人工审核即可，“非品牌”广告就可以被拒绝或经过编辑。

证据表明，消费者现在更受品牌社区的吸引，他们也有发言权。事实上，除非你管理的是像苹果这样的大品牌，否则现在的品牌与其品牌“经理”所想的必须进行本地适应是没那么一致的，尤其是在社交平台上。品牌团队往往太过执着于夸张，但这在Facebook这样的短平台上效果并不佳。

8.制作：更快、更便宜的移动优先创意素材。整体来讲，创意制作成本将会下降，因为为 MGC 收集小批量、高质量的剪辑和图片，比故事板、拍摄和编辑剧本电影要简单得多。创意AI用户将重新考虑制作，可能会拍摄种类更丰富的短篇、质量更高的素材，以及用户生成内容（UGC）、电影、定格动画甚至混合动画。简而言之，拍完就扔到一块，然后进行审核和编辑。

AI在国际象棋上已经战胜人类了。在不久的将来，如果不用MGC生成Facebook广告，就会如同拿着刀子去打枪战：虽然勇敢，但却是在自杀。

一旦你入门了，就会发现人工智能真的很神奇。比如，Pencil的语言AI，用户只需输入两个单词或短语，就能毫不费力地生成几十个新标题。

图源：unsplash

在一次测试中，法国美妆零售商丝芙兰输入“彩妆”和“美食”，Pencil的AI就生成了“眼睛糖果”、“寻求美貌”和“眼睛的盛宴”。这些词所产生的点击率（CTR）都高于人类所写的文案点击率。

所以，该把一些发挥空间交给MGC了。

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范