玄學，從字面的意思來說，就是玄之又玄的學問，玄學包含很廣，通俗點來說，目前科學解釋不了的神秘學都可以歸納為玄學。作為投放人員，經常能聽到有人說投放是玄學。那么我們就來分析下投放是不是玄學？
之前講過Facebook和Google的廣告算法，了解了系統背后的算法，我們知道投放的過程就是機器學習的過程，而機器學習的過程就是系統不斷進行A/B Test的學習過程。
什么是機器學習？機器學習是如何運作的？
系統利用多維度的數據，比如用戶的年齡和性別，廣告的相關度，設備信息，安裝應用會話數，應用內付費情況，網絡情況，應用類別，類似應用使用情況……等等多維度信號進行分析，進行機器學習，幫助我們的廣告系列取得最佳表現。通過學習確定表現最佳的版位、預算分配以及廣告系列的競價，幫助我們以更低的成本獲得盡可能多的轉化機會。
它會結合來自我們平臺的數據和信號以及你提供的信息，分析預測哪些人群會采取期望的操作。可用的數據越多，我們“教”給模型的就越多，這樣就能不斷提升預測的精準度。預測的精準度越高，我們便越有可能獲得更出色的成效。
以下內容是官方關于Google廣告的機器學習內容文檔，其他平臺的邏輯大體相同，大家可以參考下：
機器學習的原理是什么？
廣告主角度:
用戶角度：
通過從不同的角度，我們可以看到，機器學習就是系統不斷進行A/B Test的學習過程。在機器學習信號收集和運算的學習期間，我們在實際跑offer的時候發現，下載成本可能會有波動，這時我們要仔細分析情況，如果是正常的波動范圍，要留有足夠的時間和足夠的轉化積累讓廣告進行后續的優化學習動作。
機器學習到底在學習什么？
如何更好地訓練機器學習？
了解機器學習背后的邏輯，通過足夠的數據積累進行機器訓練，這樣我們在投放中才能更自如的去思考創意方向，佛系等待學習結果。
廣告位展示的決定因素有哪些？
-----------------------------
如果廣告位的競爭是一場比賽？
通過以上內容我們可以看到，在投放中受制于多方因素，才會導致我們投放的效果各有不同。就算是相同的定位，相同的素材，在不同的時間段投放，由于流量池差異，機器學習的因素，呈現出的效果也有差異。
很多優化師不知道自己的成本上升了是因為做了什么改動，突然又下降了又是哪里不對？可能這次改了一個地方，靈驗了，過段時間用老方法如法炮制卻發現一點用處也沒有，有時候還真是看運氣，自然而然大家認為投放是一門玄學。
END
做一個不斷成長的公眾號
我在這里等你，一起成長，一起學習。
我就知道你“在看”
作者：小馬哥 來源：小馬哥
本文為作者獨立觀點，不代表出海筆記立場，如若轉載請聯系原作者。
