许多估计，Facebook目前的价值为150亿美元。很快，年轻的公司将必须证明它是真的值得。
下周在纽约，Facebook预计将发布其新的广告战略，扩大广告合作伙伴关系和从微软2.4亿美元的投资。该公司可能会谈论向成员销售有针对性的广告，但专家表示，要建立自己的广告投放系统，Facebook必须找出如何实时向适当的人群投放合适的广告。
“这是一个大规模的非常困难的问题，有这么多的广告和数百万的人，”说的创始人Findory和亚马逊的早期产品推荐和个性化引擎的建筑师Greg Linden说。 “数据不像亚马逊那样受到购买的影响，甚至像Google一样，那么多的网页搜索都是关于产品的。
每个人的主要问题是：Facebook能够构建一个足够聪明的广告系统，以跟上其社交网络会员的传奇心情吗？ Facebook将必须非常善于处理其在报告的4900万成员（人口统计，个人偏好和社交历史）上收集的所有数据，以预测他们可能实际喜欢什么广告，并在他们的“新闻Feed”或旁边的“墙”，根据行业高管。
这不是小任务。事实上，这是一个巨大的计算问题，除了Google和亚马逊之外，很少有公司掌握。这就是为什么Facebook - 一个以年轻有趣的文化而闻名的公司 - 一直试图在所谓的机器学习中雇佣更多经验丰富的专家，他们可以为新一代定向广告开发合适的算法，熟悉该公司的人。
一个技术高管的特点是这样的挑战：“能够处理最多数据的公司会赢。谷歌在网络搜索和亚马逊电子商务销售和产品推荐中证明了这一点。现在Facebook必须弄清楚如何获取关于其成员数十亿的数据点，并将其变成自动广告机。
Facebook的代表拒绝了这个故事的评论。
毫无疑问，Facebook正在坐在一个数据金矿，有关人们的喜好，背景和社会历史的详尽信息 - 所有这些都是成员自愿提供的。 Facebook的个人资料包括人们最喜欢的音乐，电视节目，书籍和爱好;他们的工作经历，教育，出生日期和婚姻状况;以及日常活动，社交网络和兴趣小组。传统的广告网络会在一个地方杀死所有的信息。
但是有了这些数据，一些有趣的机器学习问题，专家说。
机器学习是人工智能领域的一个广义术语。它指的是开发算法，可以发现数据中的模式并从中学习。例如，Google使用概率贝叶斯模型将结果提供给基于关键字的数据搜索。与广告，它是所有关于匹配正确的人正确的广告。在个人层面上，这是一个很高的订单。
因此，一些技术人员专注于将人们分组或组合，总体跟踪他们的典型行为，然后尝试预测他们可能想要或下一步做什么。
在线广告中的机器学习可能涉及尝试关于亲和力组的许多不同的技术以找出最好的工作。这是因为没有一个明显的技术是社交网络的银弹 - 没有人解决了在那个设置之前投放广告的问题。
许多棘手的问题也可能出现，例如信任人们对自己发表的话。社交网络在数据方面可能是嘈杂的，这意味着有一天会员可以说他与女朋友分手，改变关于他的音乐和电影品味的一切。在社交网络上，人们容易出现拼写错误，随机声明和夸张。此外，网络冲浪者在Facebook上社交，网络或娱乐，而不是购买东西。在这种社会环境中，广告可能无效或令人讨厌。
这就是为什么Facebook必须完善一个微妙的产品安置或推荐系统。要做到这一点，它必须发明算法的技巧。例如，知道人的朋友的列表不一定有用，除非系统可以自动提醒人们生日，然后基于他或她的偏好来广告朋友可能喜欢的特定礼物。
加利福尼亚州帕洛阿尔托的总体知识，由Google投资者Kleiner Perkins Caufield＆Byers提供支持，也可能为社交网络提供广告解决方案。 Aggregate已经开发了算法来确定人们所谓的“亲和力聚类”，并且基于这些人的个性简档来定位广告。它通过观察人们的总体习惯而不是个人来做到这一点。
“我们在每个上下文中做一个算法比赛......看看哪个最好（服务广告），这是一个传统的机器学习技术，但这需要巨大的计算能力，”Aggregate知识的创始人保罗·马蒂诺说。 Martino说他的公司正在与各种社交网络谈判，但还没有与他们中的任何一个。
这一领域的技术之一被称为协作过滤，亚马逊在创建其产品推荐系统时使用它。 Amazon的系统会自动分析您的购买历史记录，并在其他购物者中寻找相同的购买模式。通过调整类似购物者的购买历史，系统可以查找您还未购买的产品以及其他类似购物者。然后它可以建议你可能也喜欢的项目。
Facebook计划采用类似的技术，对于喜欢相同的音乐或电影的人，根据熟悉公司的人。这样，电影或音乐工作室可以以产品展示的形式“建议”娱乐。
行为定位
另一种方法是根据用户的行为定制广告，或者称为行为定向广告。这意味着一个网站可能会随着时间的推移跟踪一个人，并考虑他或她的人口统计和偏好。例如，一个近期表示她正在寻找汽车的高收入女性可能会收到雷克萨斯广告。
Facebook已经提出了一些机器学习技巧，允许人们搜索一个人的昵称，即使该人没有泄露这些信息。根据一个来源，该公司开发了一种算法，可以从人们的“墙”（朋友发布信息），然后从列表中删除所有字词，不在字典中的词。随着剩下的，它建立了一个昵称的综合字典，以便人们可以搜索朋友的配置文件替代名称。
“这是一个有趣的机器学习问题，他们有一百万这样的事情，”来源说。
据熟悉该公司的人士称，Facebook已经将人们聚集在一起，例如科技爱好者或音乐爱好者，以及遵循人们行为的模式来预测其他类型的行为。例如，喜欢棒球的团队可能喜欢寿司，在你可能不期望的数据模式中的假设链接。然后，广告网络可以将针对本地寿司店的广告定向到该组的成员。但该公司还没有广泛部署这种方法。
除特别注明外，本站所有文章均为 赢咖4注册 原创，转载请注明出处来自Facebook广告
