Meta Andromeda 系統推出後，AI 真的比人手選擇受眾用戶更好?

 Meta Andromeda 是 Meta 在廣告技術上的一大進步，它代表著廣告推薦技術朝向更個人化、更精準的方向發展。對於使用者來說，這意味著將看到更符合自己需求的廣告；對於廣告主來說，這意味著能夠更有效地投放廣告，提高投資回報率。

想一下，假如現在大家想推廣一款運動鞋，在舊系統上我們只能設定性別，興趣較單一的項目，但在新系統 Andromeda下就可以透過分析用戶的瀏覽記錄，發現近期瀏覽過相關運動品牌網站或運動用品相關文章的用戶，並將廣告投放給這些用戶。此外，系統還可以根據用戶的運動習慣、偏好顏色等更細緻的資料，為用戶推薦最適合的運動鞋款式。

Meta Andromeda 如何改變現在的系統運作？

Meta Andromeda 的影響主要在廣告投放後的環節。對於設置廣告的用戶而言，實際的操作流程並未發生太大改變。Meta 的廣告系統仍然會在廣告投放後，收集用戶在 Meta 平台上的各類行為數據，如瀏覽過的網頁、點擊的按鈕、互動過的廣告等。同時，也會匯總廣告內容、目標受眾以及過去的表現等相關資訊，並對這些數據進行清洗與處理。而 Andromeda 的核心作用，則在於將清洗後的數據轉化為模型可理解的數值特徵，進一步進行處理。

Andromeda 通過大量數據訓練模型，使其能夠精確預測用戶對不同廣告的偏好。訓練過程中，系統先提取相關特徵，並將這些特徵輸入到訓練好的模型中，生成用戶對廣告的預測點擊率或轉換率。Andromeda 的最大優勢在於，能根據預測得分對所有可能的廣告進行排序，從中選出最有可能吸引用戶點擊或轉化的廣告。該模型還會根據用戶的實際反饋進行持續調整，不斷提升預測的準確性。此外，系統會通過 A/B 測試驗證不同模型和算法的效果，以選擇最佳方案。

Meta Andromeda 跟現在的系統有什麼分別？

如果你是一位有經驗的廣告操作員，或許過去你會認為手動設定目標受眾（TA）比使用 Meta 的 Advantage+ 更有效。然而，當你了解 Andromeda 的強大學習能力後，可能會改變你的看法。

a.) 複雜的AI 學習模型
Andromeda 採用了 DNN（深度神經網絡）和 RNN（循環神經網絡）作為 AI 學習模型，而舊有的廣告系統則使用 LR（邏輯回歸）和決策樹作為學習模型，兩者相比實在無法相提並論。以下是簡單的解釋：

Andromeda 的學習模型:

DNN: 由多層神經元組成的神經網絡，能夠學習複雜的非線性關係。DNN 的層數和神經元數量可以根據任務進行調整。常用於圖像分類、自然語言處理、語音識別等任務。DNN 是 Meta Andromeda 的核心模型，用於學習複雜的用戶行為模式。

RNN: 是一種用於處理序列數據的神經網絡，它具有循環連接，能夠捕捉序列數據中的時序依賴性。其常用於處理用戶的時序行為數據，如最近瀏覽的商品、搜索記錄等。

舊有的學習模型:

LR (Logistic Regression): 是一種線性模型，通常用於二分類問題。它通過建立一個線性方程，將特徵的線性組合映射到一個概率值。表達能力有限，只能表示線性分割面。

決策樹: 是一種樹形結構的模型，通過一系列的 if-then 規則進行分類或迴歸。每個內部節點代表一個特徵，每個分支代表一個特徵取值，葉節點代表類別或連續值。

DNN 和 RNN 是深度學習模型，它們具有更強的學習能力和表達能力，能夠處理複雜的數據和任務。
LR 和 決策樹 屬於傳統的機器學習模型，它們在某些簡單的任務上表現良好，但對於複雜的任務，它們的表達能力有限。

b.) 多項數據收集

傳統系統收集用戶數據有限，就像一個只能看到用戶表面行為的觀察者，而 Meta Andromeda 就像一個全能的偵探，可以從多個角度、多種方式來了解用戶。

Andromeda學數據收集:

多樣化的數據來源： 不僅收集傳統的用戶行為數據，還包括用戶在其他平台的行為、社交媒體上的互動、以及用戶設備產生的各種數據。

深度學習： 利用深度學習技術，從海量的非結構化數據中提取出有價值的信息，例如圖片、文字、視頻等。這個舊系統是做不到的。

實時數據處理： 能夠實時收集和處理用戶數據，捕捉用戶行為的變化。

隱私保護： 在收集和使用數據的過程中，更加注重用戶隱私的保護，採用了更安全的數據處理方式。

舊系統的數據收集:

有限的數據種類： 主要收集用戶的人口統計資料（年齡、性別、地區）、瀏覽紀錄、點擊行為等。

數據深度不足： 對用戶的興趣、偏好、行為模式的刻畫不夠深入。

數據利用率低： 收集到的數據可能並未被充分利用，無法精準地反映用戶的真實需求。

c.)  廣告學習及真實回饋反應較快:

新舊系統在適應性上展現出顯著差異。新系統採用了微服務架構、容器化技術以及雲端原生設計，具備高度靈活性、可擴展性和維護性。這些系統通常整合了機器學習演算法，能從海量數據中進行學習，並持續優化模型，以應對不斷變化的廣告需求。此外，新系統還採用現代化的架構設計與開發方法，能快速響應市場變化，有效縮短開發週期。

相較之下，舊系統多以單體應用架構為主，系統耦合度高，導致維護和升級困難。其技術棧較為老舊，缺乏對新興技術的支持，因此難以滿足現代應用對性能、可靠性及可擴展性的要求。面對複雜多變的業務環境，新系統顯得更加適應且靈活。

Meta 推出的 Andromeda 新系統，不僅是將所有廣告設定轉為 AI 學習模式，更在數據的收集與分析能力上大幅提升，超越舊系統。這不僅鞏固了 Meta 在市場中的領先地位，也為其在 Meta AI 的研發上邁出了一大步。

2024年社交媒體使用趨勢：TikTok、小紅書、Instagram與Facebook那一個是你的市場?

深入解析2024年最新社交媒體使用趨勢！本篇文章全面分析TikTok、Instagram和Facebook等主流平台的用戶數據，揭示年輕族群（18-34歲）的社交媒體偏好及各平台在行銷中的核心優勢。通過這些洞察，行銷專家將能精準制定策略，抓住市場先機，提升品牌影響力。

Facebook最大的年齡層是 25至34歲，佔了總用戶的 30.8%。此外，18至24歲的用戶佔比也高達 22.1%，顯示年輕成年人仍是平台的主要受眾。然而，Facebook的受眾分佈相對平均，在35歲以上年齡層仍有顯著占比，是針對中老年市場的重要平台。

Instagram每月活躍用戶數達 20億，大部份是年輕用戶，其中 18至24歲 佔比最高，達到 30.8%，接著是 25至34歲，佔比 30.3%。兩者合計達到 61.1%，證明Instagram對於18至34歲的年輕族群具有強烈吸引力。

平台對比：用戶年齡的差異

從表格可見，Instagram在年輕用戶中的滲透率更高，尤其是13至24歲的年齡段。相比之下，Facebook的受眾更具多樣性，年長用戶佔比較高。

掌握18-34歲社群媒體偏好，打造精準行銷策略

18至34歲年齡層是社群媒體平台的重要用戶群體，他們的偏好對於行銷策略的成敗有著關鍵影響。以下為2023年的數據分析，揭示這一群體對主要平台的使用情況及其背後原因。

小紅書用戶年齡分佈

根據2024年的數據，小紅書（XiaoHongShu，或稱小紅書）擁有一個以年輕用戶為主的活躍社群。以下是該平台用戶的年齡分佈：

• 18-24歲：佔比約 46.39%
• 25-34歲：佔比約 36.08%
• 35歲及以上：佔比相對較少

這些數據顯示，小紅書的主要用戶群體集中在18至34歲之間，這兩個年齡段的用戶合計佔比超過 82%，顯示出該平台對年輕人的強大吸引力。

小紅書的用戶中女性佔比高達 88.8%，男性僅佔 11.2%。而大多數用戶來自中國的一線和新一線城市，如北京、廣州和上海，這些城市的年輕女性擁有較強的購買力和消費意識。

總結:

Instagram、TikTok和Snapchat是18至34歲年齡層最喜愛的社交媒體平台，而Facebook在年輕用戶中的受歡迎程度則顯著下降。這些數據顯示出年輕人對於社交媒體平台的偏好正在發生變化，並強調了視覺和互動性內容的重要性。

小紅書作為一個社交媒體和電子商務平台，主要吸引了年輕女性用戶，特別是在18至34歲之間的群體。這一特徵使得小紅書成為品牌推廣和市場營銷的重要渠道，尤其是針對年輕消費者的產品和服務。

為什麼我的 GA4 Benchmarking 無法使用？全面解析常見問題

 Google Analytics 4 (GA4) 的 Benchmarking 功能，讓網站經營者可以將自己的網站數據與同業進行比較，是個非常實用的工具。然而，有些使用者卻發現自己的數據中缺少 Benchmarking 的資訊。這可能是由幾個不同原因造成

1. 數據量不足

• 原因： GA4 需要足夠的數據才能建立可靠的 Benchmarking 模型。如果您的網站數據量過少，系統可能無法進行有效的比較。
  
  
• 解決方案：
  • 增加數據收集時間： 讓 GA4 收集更多的使用者行為數據。
  • 檢查數據收集設定： 確保所有追蹤碼都已正確安裝且運作正常。
  • 確認事件追蹤： 確保您已經設定了足夠的事件追蹤，以提供更豐富的數據。

2. 指標尚未支援 Benchmarking

• 原因： 不是所有的指標都提供 Benchmarking 功能。某些較新的指標或自定義指標可能還沒有足夠的數據來進行比較。
  
  
• 解決方案：
  • 選擇其他指標： 嘗試使用其他提供 Benchmarking 的指標，例如使用者參與度、轉換率等。
  • 等待系統更新： Google 不斷更新 GA4，未來可能會有更多指標支援 Benchmarking。

3. Benchmarking 功能未啟用

• 原因： 您可能尚未在 GA4 的設定中啟用 Benchmarking 功能。
  
  
• 解決方案：
  • 檢查帳戶設定： 前往 GA4 的「管理」→「帳戶設定」→「帳戶」→「帳戶詳情」，確認是否已勾選「根據輸入內容和業務洞察資料建立模型」。

4. 同業群組設定問題

• 原因： GA4 是根據您的網站屬性來自動建立同業群組，但有時系統可能無法準確分類。
  
  
• 解決方案：
  • 確認產業分類： 檢查您的網站是否被歸類到正確的產業類別。
  • 提供更多資訊： 如果您認為系統分類有誤，可以嘗試提供更詳細的網站資訊。

5. 系統暫時性故障

• 原因： Google 的系統偶爾會出現暫時性的故障，導致 Benchmarking 功能無法正常運作。
  
  
• 解決方案：
  • 稍後再試： 過一段時間後，再嘗試查看 Benchmarking 數據。
  • 聯繫 Google 支援： 如果問題持續存在，可以向 Google 的支援團隊尋求協助。

Benchmarking 數據的準確性如何？

GA4 的 Benchmarking 數據是基於大量網站的數據計算而得，相對來說是比較準確的。但是，由於各網站的數據定義和收集方式可能不同，因此數據的準確性仍有一定的限制。以下是一些影響準確性的因素：

• 樣本代表性： 同業群組的組成是否能真正代表您的競爭對手。
• 數據品質： 數據的準確性、完整性會影響 Benchmarking 結果。
• 指標定義： 不同網站對指標的定義可能有所差異。

總結 如果您遇到 GA4 Benchmarking 數據缺失的問題，可以按照上述的步驟逐一排查。如果問題仍無法解決，建議您參考 Google 官方文件或尋求專業人士的協助。

如何在 Benchmarking 中定義同業？Google 的分類方法解析

同業在 Google Analytics 的 Benchmarking 功能中，指的是與你的網站性質相似的其他網站。這些網站會被歸類在一起，以便你比較自己的網站表現。

Google Analytics 4 推出一個超有用的Benchmarking功能，可以對比同業的網站用戶的參與度，雖然大部份的數據只提供百份比，但已經足夠讓你的網站更進一步。

同業的包含範圍

Google 的同業歸類方式相當複雜，會考量許多因素，包括：

• 產業類別： 這是最基本的分類方式，例如電子商務、旅遊、金融等。
• 網站內容： Google 會分析網站的內容，包括關鍵字、主題、提供的產品或服務等。
• 網站結構： 網站的架構、導航方式等也會被納入考量。
• 目標受眾： Google 會根據網站的目標受眾來進行分類。
• 地理位置： 有時，Google 會將同業限制在特定的地理區域。

Google 如何理解同業

Google 透過機器學習演算法來分析大量的網站數據，並根據這些數據建立模型。這個模型會自動將具有相似特徵的網站歸類為同業。

具體來說，Google 可能會使用以下技術：

• 自然語言處理 (NLP)： 分析網站內容的文字，提取關鍵字和主題。
• 機器學習： 建立分類模型，將網站根據特徵分組。
• 圖形數據庫： 建立網站之間的關係圖，進一步細分同業。

同業歸類的影響

同業的歸類會直接影響 Benchmarking 的結果。如果 Google 將你的網站歸類到一個競爭力較低的同業群體中，你的網站表現可能會看起來更好。反之，如果被歸類到一個競爭力較高的同業群體中，你的網站表現可能會看起來較差。

如何影響同業歸類

雖然我們無法直接控制 Google 的同業歸類方式，但可以透過以下方式間接影響：

• 網站內容優化： 確保網站內容清晰、相關，並使用正確的關鍵字。
• 網站結構優化： 建立清晰的網站架構，方便使用者瀏覽。
• Google Search Console： 提交網站地圖，並使用 Search Console 提供的工具來優化網站。

如何在分析Benchmaking 時選擇不同行業

GA4 內的Peer group 分了25個大類別，包括新聞，電遊及娛樂等。只要在首頁的快速報告項目的右上解按下紅圈的圖案

於基準化同業群組 (Benchmaking Peer Group) 內按下三角型便可選擇不同類型的類別

總結

Google 的同業歸類是一個複雜的過程，涉及大量的數據分析和機器學習技術。雖然我們無法完全掌握這個過程，但了解其基本原理有助於我們更好地利用 Benchmarking 功能，並做出更明智的行銷決策。

AI時代下，你的網站競爭力夠強嗎？GA4 Benchmarking 幫你找出答案！

 

GA4 最近推出的 Benchmarking 功能，讓使用者可以將自己的網站或應用程式數據與同業進行比較，這對於了解自身在市場中的競爭力、優化行銷策略有著極大的幫助。

Benchmarking 到底是什麼？

簡單來說，Benchmarking 就是將你的網站數據與同業的平均數據進行比較，以了解你的網站表現是否優於、劣於或與同業平均水平相當。GA4 提供了多種指標的 Benchmarking 數據，例如：

• 獲客: 新使用者率、使用者來源等
• 參與度: 平均單次工作階段參與時間、每位使用者的平均參與時間等
• 留存率: 每日活躍使用人數/每月活躍使用人數 (DAU/MAU) 等
• 營利: 每位使用者加入購物車、每位使用者的平均收益 (ARPU) 等

如何使用 Benchmarking 功能？

1. 啟用 Benchmarking 功能：
   • 前往 GA4 的「管理」→「帳戶設定」→「帳戶」→「帳戶詳情」，勾選「根據輸入內容和業務洞察資料建立模型」。
2. 查看 Benchmarking 數據：
   • 在 GA4 首頁的資訊卡上，你會看到一個類似獎牌的符號，點擊後即可查看 Benchmarking 數據。
   • 數據會以圖表形式呈現，顯示你的網站數據與同業的平均值、第25百分位數和第75百分位數的比較。

Benchmarking 數據如何解讀？

• 中位數: 代表同業中一半的網站達到或超過這個值。
• 第25百分位數: 代表同業中有25%的網站達到或超過這個值。
• 第75百分位數: 代表同業中有75%的網站達到或超過這個值。

舉例來說： 如果你的網站互動率高於同業的第75百分位數，這表示你的使用者在網站上互動率比大部分同業的使用者更多，這是一個積極的訊號。

Benchmarking 的優勢

• 了解競爭優勢： 透過比較，你可以快速了解自己在哪些方面表現優異，哪些方面需要改善。
• 設定更具體的目標： 基於同業的平均水平，你可以設定更具挑戰性且可行的目標。
• 優化行銷策略： 根據 Benchmarking 的結果，你可以針對弱項進行改善，進一步提升網站表現。
  
  

相關資料:
1.) Benchmarking 內的同業定義與 Google 如何歸類 
2.) Benchmarking 按鈕暗色不能使用的原因