การศึกษาใหม่พบว่าการกำหนดเป้าหมายตามความสนใจของ Facebook นั้นไม่ถูกต้องประมาณ 30% ของเวลาทั้งหมด

ดังนั้นตัวเลือกการกำหนดเป้าหมายโฆษณาของ Facebook มีความแม่นยำเพียงใด?

แพลตฟอร์มดังกล่าวได้กลายเป็นหัวข้อข่าวในช่วงไม่กี่ปีที่ผ่านมาเกี่ยวกับกระบวนการกำหนดเป้าหมายผู้ชมที่ซับซ้อน ซึ่งเรียนรู้เกี่ยวกับลักษณะและความสนใจของคุณตามกิจกรรมในแอป จากนั้นจึงนำข้อมูลนั้นไปไว้ในเอ็นจิ้นการกำหนดเป้าหมายโฆษณา ซึ่งช่วยให้แบรนด์ต่างๆ สามารถนำเสนอข้อเสนอของตนต่อผู้ที่มีส่วนร่วมมากที่สุด ผู้ชมที่ตอบรับผ่านตัวเลือกการแสดงผลที่หลากหลาย

มีรายงานว่านักเคลื่อนไหวทางการเมืองใช้สิ่งนี้เพื่อโน้มน้าวความคิดเห็นของผู้มีสิทธิเลือกตั้ง แบรนด์ต่างๆ สามารถกำหนดเป้าหมายผู้ใช้ตามสิ่งที่พวกเขาอาจไม่รู้ด้วยซ้ำว่าพวกเขาสนใจในตัวเอง การศึกษาบางชิ้นได้แนะนำว่า Facebook รู้จักคุณมากกว่าเพื่อนหรือครอบครัว แต่ในความเป็นจริง อัตราความแม่นยำที่แท้จริงของตัวเลือกการกำหนดเป้าหมายโฆษณาของ Facebook คืออะไร และผลบวกที่ผิดพลาดจากค่าโฆษณาคืออะไร

นั่นคือสิ่งที่ทีมจาก North Carolina State University พยายามค้นหาด้วยการศึกษาใหม่ที่ตรวจสอบประสิทธิภาพเฉพาะของการติดตามความสนใจของ Facebook และวิธีจัดสรรพฤติกรรมและหัวข้อให้กับผู้ใช้แต่ละราย

การค้นพบอันดับต้นๆ ของพวกเขา – ประมาณ 30% ของความสนใจโดยอนุมานของ Facebook นั้นไม่ถูกต้องหรือไม่เกี่ยวข้อง ซึ่งอาจมีผลกระทบอย่างมีนัยสำคัญต่อค่าโฆษณา

ตามที่อธิบายไว้ในการศึกษา:

“ เพื่อให้ได้ข้อมูลเชิงลึกว่า Facebook สร้างความสนใจจากกิจกรรม Facebook ของผู้ใช้ได้อย่างไร เราได้ทำการทดลองที่มีการควบคุมโดยการสร้างบัญชีใหม่และดำเนินกิจกรรมตามแผนจำนวนมากอย่างเป็นระบบ เราพบว่า 33.22% ของดอกเบี้ยอนุมานไม่ถูกต้องหรือไม่เกี่ยวข้อง เพื่อทำความเข้าใจว่าผลการวิจัยของเราถือเป็นตัวอย่างขนาดใหญ่และหลากหลายหรือไม่ เราจึงทำการศึกษาผู้ใช้โดยคัดเลือกผู้เข้าร่วม 146 คน (ผ่าน Amazon Mechanical Turk) จากภูมิภาคต่างๆ ของโลกเพื่อประเมินความถูกต้องของความสนใจที่สรุปโดย Facebook เราพัฒนาส่วนขยายเบราว์เซอร์เพื่อดึงข้อมูลจากบัญชี Facebook ของตนเองและถามคำถามตามข้อมูลดังกล่าว ผู้เข้าร่วมของเรารายงานช่วงความไม่ถูกต้องใกล้เคียงกัน (29%) ตามที่สังเกตได้ในการทดลองที่มีการควบคุมของเรา”

เป็นที่น่าสังเกตว่านี่เป็นกลุ่มการศึกษาที่ค่อนข้างเล็ก – Facebook มีผู้ใช้งานมากกว่า 2.9 พันล้านคนต่อเดือน ดังนั้นกลุ่มวิชาทดสอบ 146 คนจึงเป็นเพียงองค์ประกอบเศษส่วน

แต่ผลลัพธ์ที่เน้นกระบวนการนั้นน่าจะยังคงมีอยู่ ตามที่ระบุไว้ในที่นี้ ในองค์ประกอบแรก นักวิจัยได้ทำการทดสอบว่า Facebook ให้ความสำคัญกับคุณลักษณะตามกิจกรรมอย่างไร โดยโปรไฟล์ทดลองเริ่มจากช่องว่าง ซึ่งหมายความว่าพวกเขาไม่มีความสนใจเฉพาะแนบมา เริ่มด้วย.

“นักวิจัยได้สร้างบัญชีผู้ใช้ใหม่ 14 บัญชีบน Facebook นักวิจัยควบคุมข้อมูลประชากรและพฤติกรรมของแต่ละบัญชี และติดตามรายการความสนใจที่ Facebook สร้างขึ้นสำหรับแต่ละบัญชี การทดลองนี้ทำให้เราเห็นว่ากิจกรรมใดที่เกี่ยวข้องกับ Facebook ในการอนุมานความสนใจ และการค้นพบที่สำคัญที่นี่คือ Facebook ใช้วิธีการเชิงรุกในการอนุมานความสนใจ แม้แต่บางสิ่งที่ง่ายพอๆ กับการเลื่อนดูหน้าเว็บทำให้ Facebook ตัดสินว่าผู้ใช้มี สนใจในเรื่องนั้น”

แน่นอน ทุกคนรู้ดีว่า Facebook กำลังติดตามทุกสิ่งที่คุณทำในแอป แต่จากการศึกษานี้ แม้แต่การดำเนินการที่เล็กที่สุดก็สามารถทำให้เกิดการอนุมานในโปรไฟล์การกำหนดเป้าหมายโฆษณาของคุณ ซึ่งอาจนำไปสู่การกำหนดเป้าหมายที่ไม่ถูกต้อง

นักวิจัยยังทราบด้วยว่าระบบของ Facebook มักจะไม่แยกแยะระหว่างปฏิสัมพันธ์เชิงบวกและเชิงลบ ซึ่งอาจนำไปสู่ความไม่ถูกต้องได้เช่นกัน

“ ตัวอย่างเช่น เราแสดงความคิดเห็นเชิงลบบนหน้า Harry Potter และได้รับความสนใจใน Harry Potter และ Daniel Radcliffe (นักแสดงนำในภาพยนตร์ Harry Potter)”

การศึกษายังแสดงให้เห็นว่าบางครั้งระบบของ Facebook จะระบุแอตทริบิวต์ที่ไม่ถูกต้อง:

“ตัวอย่างเช่น เมื่อไปที่หน้า Apple (บริษัทเทคโนโลยี) Apple (ผลไม้) ถูกอนุมานว่าเป็นดอกเบี้ย”

การจับคู่ประเภทนี้จะมีระดับข้อผิดพลาดที่แตกต่างกัน และนี่เป็นเพียงตัวอย่างบางส่วนที่บางครั้งความสนใจของคุณถูกจัดประเภทอย่างไม่ถูกต้องในแอป ซึ่งอาจจะไม่น่าแปลกใจมากนัก แต่ขนาดของผลลัพธ์ที่ไม่ถูกต้องก็ควรค่าแก่การจดจำ

อาจเป็นเพราะการอัปเดต ATT ของ Apple หรือไม่

เป็นไปได้ว่าเนื่องจาก Facebook สูญเสียข้อมูลเชิงลึก เนื่องจากผู้ใช้จำนวนมากขึ้นตัดการติดตามบน iOS อันเป็นผลมาจากการแจ้งเตือน ATT ของ Apple ตอนนี้ Facebook จึงให้ความสำคัญกับสัญญาณในแอปมากขึ้นเพื่อกระตุ้นการแบ่งกลุ่มผู้ชมแทน เราไม่มีข้อมูลเปรียบเทียบในเรื่องนี้ เนื่องจากการศึกษาส่วนใหญ่ดำเนินการหลังจากใช้การแจ้งเตือน ATT ของ Apple (ในเดือนเมษายน 2021) แต่นั่นอาจเป็นอีกองค์ประกอบหนึ่งที่อาจส่งผลต่อการติดตามของ Facebook

แต่อย่างใดก็เป็นการพิจารณาที่น่าสนใจ จนถึงปัจจุบัน เครื่องรวบรวมข้อมูลของ Facebook ถูกมองว่าเป็นระบบติดตามที่ครอบคลุมที่สุดเท่าที่เคยสร้างมา และเป็นกลไกกำหนดกลุ่มเป้าหมายที่มีประสิทธิภาพ แต่ถ้าไม่ถูกต้อง 1/3 ของเวลา นั่นเป็นข้อกังวล ซึ่งอาจทำให้ประสิทธิภาพการโฆษณาลดลง

แล้วคุณจะทำอย่างไรกับมัน? ในฐานะผู้โฆษณา คุณทำอะไรไม่ได้มาก

การใช้ Lookalike Audiences และการจับคู่ที่คล้ายกันควรปรับปรุงความแม่นยำ โดยพิจารณาจากปัจจัยต่างๆ มากกว่าการจับคู่หัวข้อเดียว แต่จริงๆ แล้ว คุณกำลังวางใจในระบบของ Facebook ในการขับเคลื่อนผลลัพธ์ที่ดีที่สุด ซึ่งหมายความว่าหากมีข้อผิดพลาดในการแสดงที่มา ที่จะส่งผลต่อประสิทธิภาพการทำงานของคุณ

Meta ทำงานเพื่อปรับปรุงระบบของตนอยู่เสมอ และผลตอบรับล่าสุดก็คือการกำหนดเป้าหมายและประสิทธิภาพของโฆษณาบน Facebook กำลังดีขึ้น ดังนั้นจึงอาจเป็นไปได้ว่าข้อผิดพลาดเหล่านี้จะได้รับการแก้ไขเมื่อเวลาผ่านไป แต่จริงๆ แล้ว มันขึ้นอยู่กับการติดตามประสิทธิภาพโฆษณาของคุณ และการปรับแต่งตามผลลัพธ์ที่คุณเห็น โฆษณาบน Facebook จำเป็นต้องมีขั้นตอนการเรียนรู้เพื่อเพิ่มประสิทธิภาพสูงสุด และคุณหวังว่าภายในนั้น จะกำจัดผลบวกที่ผิดพลาดเช่นนี้ออกไปด้วย

แต่เป็นการศึกษาที่น่าสนใจไม่ว่าจะด้วยวิธีใด ซึ่งอาจให้ข้อมูลเชิงลึกเพิ่มเติมเกี่ยวกับประสิทธิภาพแคมเปญของคุณ

คุณสามารถอ่านการศึกษาและข้อมูลสรุปฉบับเต็มได้ที่นี่ ในขณะที่คุณสามารถตรวจสอบว่า Facebook คิดว่าคุณสนใจอะไรที่นี่