Mga Bagong AI Ad Tool ng Meta: Kailangan Pa Rin ng Paliwanag ang Automation

Taun-taon, isa pang hakbang ang ginagawa ng malalaking platform patungo sa pagpapatakbo ng buong campaign para sa iyo. Sa Advertising Week New York noong 6 Oktubre, ilang hakbang ang sabay-sabay na ginawa ng Meta: isang advertising assistant na may memory, video na nalilikha mula sa mga static na larawan, plain-language na audience discovery at isang pinalawak na server na nagpapahintulot sa mga panlabas na AI tool na patakbuhin ang ads system nito. Mga kapaki-pakinabang na tool. Ngunit ang automation nang walang paliwanag ay panganib na ikaw ang umaako, hindi ang Meta para sa iyo.

Ano ang nangyari

Hindi ko mabuksan ang sariling announcement page ng Meta, kaya umaasa ako sa dalawang detalyadong write-up. Ayon sa breakdown ng Relevant Audience at sa ulat ng TechJuice, inanunsyo ng Meta ang:

• Advantage+ creative video mula sa mga static na larawan, na pangkalahatang available na ngayon, at catalog product video sa beta para sa mga kwalipikadong advertiser.
• Ads Creative Studio, isang creative workspace na dating limitado sa mga piling partner, na nagsisimulang ilunsad sa mas maraming advertiser.
• Isang business AI assistant na may memory sa iba't ibang pag-uusap, na may mga test ng pag-import ng mga strategy document at brand guideline, nakaiskedyul na mga ulat at alerto, at mga agentic na aksyon gaya ng campaign setup at pagbabago ng budget na may mga preview at pag-apruba.
• Isang customer lifecycle strategy tool, na available na ngayon sa lahat ng advertiser, kasama ang AI-enabled na audience discovery sa Detailed Targeting, kung saan inilalarawan ng mga advertiser ang isang ideal na customer sa simpleng wika. Iniulat ng Relevant Audience na ang timing ng Meta para dito ay "bago matapos ang taon".
• Isang pinalawak na Ads MCP server, na may sampung pinangalanang partner kabilang ang Databricks, Perplexity, Snowflake at Triple Whale, upang makapagtrabaho ang mga third-party na AI tool sa advertising system ng Meta.
• Mga commerce feature, kabilang ang mga test ng direktang checkout sa pamamagitan ng Business Agent ng Meta sa Messenger kasama ang Shopify, at direktang checkout sa Meta AI kasama ang mga partner gaya ng Adyen, PayPal, Shopify at Stripe.

Inangkin din ng Meta na ang mga advertiser na tumatanggap sa mga rekomendasyon ng assistant nito ay "karaniwang" nakakakita ng 5% na mas maraming conversion sa parehong gastos bawat conversion, at na mahigit 60% ng oras sa Facebook at Instagram ay ginugugol sa video. Binanggit ng Relevant Audience na hindi naglathala ang Meta ng pamamaraan para sa mga numerong ito.

Bakit ito mahalaga

Dalawa sa mga launch na ito ang nagbabago kung sino ang nag-iisip.

Ang plain-language na audience discovery ay nangangahulugang isinasalin ng platform ang iyong paglalarawan ng customer bilang targeting. Isa iyong desisyon sa profiling. Ang mga pagbabago sa budget at targeting na pinapatakbo ng assistant ay nangangahulugang ang platform din ang nagpapasya kung ano ang gagawin sa resulta. At ang MCP server ay nangangahulugang ang AI na ginagamit mo sa labas ng Meta ay maaari nang kumilos sa loob ng Meta.

Nakatitipid ng oras ang bawat hakbang. Magkakasama, pinagtitipon nila ang mga desisyon sa loob ng mga system na naka-optimise para sa mga layunin ng platform at sinusukat gamit ang sariling data ng platform. Kapag iisang kumpanya ang nagbebenta ng ad, pumipili ng audience, lumilikha ng creative at nag-uulat ng resulta, nagiging mas mahalaga, hindi mas kaunti, ang isang independiyenteng pananaw.

Ang sinasabi ng aking pananaliksik

Ang paglalarawan ng audience sa mga salita at pagkuha ng target segment pabalik ay problemang matagal ko nang pinag-aaralan. Ipinakita ng aming gawain sa multi-view user personality profiling sa Twitter, Facebook at PersonalityCafe (Frontiers in Big Data, 2022) na ang nahihinuha mo tungkol sa mga tao ay lubos na nakasalalay sa kung aling mga signal ang ginagamit mo. Ang isang plain-language na paglalarawan ay isang hypothesis tungkol sa iyong customer. Nararapat itong subukan, hindi lamang ipatupad.

Sa creative, nagtrabaho ang aking team sa pag-score bago ang launch. Sa SoCraft (WSDM 2023), nagpakita kami ng isang multimodal model na nagbibigay ng score sa mga Meta ad creative ng isang advertiser, gamit ang text, larawan, targeting at settings, bago maging live ang mga ito. Sa Against Opacity (ACM Multimedia 2023), nagdagdag kami ng LLM assistant na nagpapaliwanag kung ano ang nagtutulak sa isang hinulaang click-through rate. Ang prinsipyo ay pareho sa inilalapat ko sa mga platform tool: ang score na hindi mo maipaliwanag ay score na hindi mo mapag-aaralan.

Pararamihin ng video na nalilikha mula sa mga static na larawan ang bilang ng mga variant na kayang patakbuhin ng isang brand. Mabuti iyan, basta't may nagpapasya pa rin kung aling mga variant ang karapat-dapat sa budget at nauunawaan kung bakit nanalo ang mga nanalo. Kung hindi, mas maraming creative ang makukuha mo at mas kaunting kaalaman.

Ang dapat gawin ngayon ng mga advertiser

• Gamitin ang mga bagong video at creative tool, ngunit panatilihin ang isang pre-launch filter. Suriin at i-score ang mga variant bago sila gumastos ng pera, at magtala kung bakit inilabas ang bawat isa.
• Ituring na eksperimento ang mga plain-language na audience. Isulat ang paglalarawan, patakbuhin ito laban sa iyong kasalukuyang pinakamahusay na audience, at ihambing ang gastos bawat tunay na resulta, hindi lamang ang mga conversion ng platform.
• Sadyang aprubahan ang mga agentic na pagbabago. Gamitin ang mga preview at pag-apruba na inilalarawan ng Meta, at magtakda ng mga patakaran kung aling mga pagbabago ang maaaring gawin ng assistant nang walang tao.
• Mag-ingat sa ini-import mo. Sensitibo ang mga strategy document at brand guideline. Pagpasyahan kung ano talaga ang kailangan ng assistant.
• Panatilihin ang isang independiyenteng pananaw sa pagsukat. Ang mga holdout, incrementality test at sarili mong analytics ang panimbang sa mga resultang iniulat ng platform.

Nagiging sapat na ang husay ng mga tool ng Meta kaya lumilipat ang bottleneck mula sa pagpapatupad patungo sa paghuhusga. Tiyaking ang iyong team pa rin ang gumagamit nito.

FAQ