重复投放的广告设置记录了不同的消息率
一所哥伦比亚大学重复投放了 16 种 Facebook 广告设置。结果说明,只看一个比率可能遗漏哪些有用背景。
Influence IQ 分析了哥伦比亚一所大学于 2026 年 5 月至 6 月开展的招生推广活动中的 384 条广告记录。
摘要
同一广告设置在重复投放时可能记录不同的结果。我们分析了哥伦比亚一所大学招生推广活动中的 384 条 Facebook 广告记录:16 种设置分别在 2026 年 5 月至 6 月投放了 24 次。我们在每种设置内按每 1,000 次展示记录的对话数对广告排序,比较第 6 个和第 18 个值。在 16 种设置中,有 12 种的较高值至少是较低值的两倍。各设置中两个值之差的中位数为每 1,000 次展示 0.60 次对话。这是对单次推广活动的描述性分析,每条广告的消息数较少,不能作为其他广告主的基准。将数量和范围与比率一起报告,有助于看清这一差别。[1][2][3]
一个小团队向客户汇报 Facebook 广告结果:一次投放记录了 3 次对话,另一次使用相同设置的投放记录了 6 次。第二次数量是第一次的两倍,但团队还需要了解展示次数、报告期间和投放背景,才能解释差别。如果展示规模不同,比较结果也可能不同。
重复投放可能记录不同结果

在重复投放的广告中使用相同设置
研究大学招生广告的研究人员公布了哥伦比亚西南部一场 Facebook 推广活动的逐条广告记录。活动使用了 16 种设置,每种由创意版本及其受众定向共同定义。据作者介绍,在 2026 年 5 月 14 日至 6 月 6 日的 24 天里,每天为每种设置启动一条广告。每条广告的预算为 10,000 哥伦比亚比索。384 条记录属于一个广告主和一场推广活动,而不是 384 场独立活动。[1][2]
我们想了解每种设置下的 24 条记录之间,报告结果有多大差异。我们将论文中的设置分开,而没有比较不同受众或创意版本。对每条广告,我们用记录的已开始消息对话数除以展示次数,再乘以 1,000。一次展示是广告的一次显示,同一个人可能看到多次。计算结果是每 1,000 次展示的对话数,不是某个人发送消息的概率。[1]
作者称使用了点击后 7 天、观看后 1 天的归因窗口,并在每条广告结束后的第二天导出指标。因此,一条记录的消息既可能在观看后归因,也可能在点击后归因;第二天导出的数据并不包含完整 7 天的后续观察。数据集没有标明每条记录的准确启动日期,所以我们将其描述为重复投放记录,而不是时间序列。[1][2]
每种设置的中间部分也存在范围
我们将每组 24 个比率从低到高排列,选取第 6 个和第 18 个值。按照最近秩方法,它们分别是下四分位数和上四分位数:这种比较排除了最极端的值,描述观测比率中间部分的分散程度。我们将上四分位数除以下四分位数。16 种设置的下四分位数均大于零,因此都能计算比值。[3]
在 16 种设置中,有 12 种的上四分位数至少是下四分位数的两倍。16 个设置各自比值的中位数为 2.26 倍。另行计算的 16 个上下四分位数差值的中位数为每 1,000 次展示 0.60 次记录的对话。这两个中位数分别汇总了跨设置的不同计算,并非某个典型设置的两个端点。[3]
一个实际设置可以说明计算方法。其第 6 个比率来自 3,559 次展示中的 1 次记录对话,即每 1,000 次展示约 0.28 次。第 18 个比率来自 4,441 次展示中的 4 次对话,即每 1,000 次展示约 0.90 次。后者约为前者的 3.21 倍。这是按比率排序的两条记录,不一定来自连续两天,也不是对未来结果的预测。[3]
每条广告记录的对话数中位数为 4 次。有 10 条广告记录为零,16 种设置中有 8 种至少包含一条记录为零的广告。事件数这么少时,比值和数量呈现的是不同方面。如果展示恰好为 5,000 次,每增加 1 次记录的对话,比率就会改变每 1,000 次展示 0.20 次。这个算术关系不能证明实际广告之间产生差异的原因。[2][3]
16 种设置中的消息率分布
12 种设置的上四分位数至少是下四分位数的两倍,4 种不到两倍。
| 上四分位数除以下四分位数 | 设置数 | 比例 |
|---|---|---|
| 至少 2 倍 | 12 | 75.0% |
| 不到 2 倍 | 4 | 25.0% |
范围更广的点击互动呈现不同的变化
来源还报告了 Meta 的“点击次数(全部)”。它除了链接点击,还包括回应、分享以及点击图片或个人主页等互动,范围比链接点击更广。我们计算每条广告每 1,000 次展示的点击互动数,再在每种设置内重复同样的比较,并将该指标与消息指标分别排序。[1][3]
16 种设置的上、下四分位数比值中位数,“点击次数(全部)”为 1.15 倍,记录的对话为 2.26 倍。16 个点击互动比值均未达到 1.5 倍,而 16 个对话比值均达到。四分位差值的中位数分别为每 1,000 次展示 13.84 次点击互动和 0.60 次记录的对话。因此,对话的相对分散程度更大,但以各自单位表示的绝对差值更小。[3]
两个指标的定义和数量不同。这一比较不能证明点击带来了记录的消息、点击互动的差异导致了消息差异,也不能证明两个分子包含的是同一批人。判断广告是否产生咨询时,团队应同时查看咨询指标和更广泛的互动数量。
各指标的相对和绝对分散程度
记录的对话比率相对分散程度更大;两个绝对差值使用不同的结果数量。
| 指标 | 比值中位数(倍) | 每 1,000 次展示的差值中位数 |
|---|---|---|
| 记录的对话 | 2.26 | 0.60 |
| 点击互动(全部) | 1.15 | 13.84 |
将数量与比率一起展示
假设两次虚构的投放各获得 5,000 次展示。3 次记录的对话相当于每 1,000 次展示 0.60 次,6 次则相当于 1.20 次。第二个比率是第一个的两倍,相差 3 次对话或每 1,000 次展示 0.60 次。如果两次投放的展示次数不同,仅看数量就无法得到同样的比较。
一份有用的报告可以列出设置和预算、日期和归因窗口、展示次数、记录的结果数量,以及比率的分子和分母。如果有多次可比较的投放,也可以展示各次结果或一个定义清楚的范围。范围应说明包含哪些投放,以及两端是最小值与最大值、四分位数还是其他值。
同时要明确实际决策。团队可能需要决定是否继续收集结果、更换创意或与客户讨论预算。重复结果比单次投放提供更多背景,但这些数据没有规定需要投放多少次,也没有指出什么改动能改善其他活动。在查看新结果之前约定决策规则,有助于团队解释打算比较什么。
来源在每条广告结束后不久导出了结果。制作自己的报告时,除了归因设置,也应记录取得数据的时间。即使显示的日期或设置相似,不同时间的两次导出也可能覆盖长短不同的后续观察期。
结合原有背景理解结果
该活动在哥伦比亚选定的市镇推广一项大学项目,每条广告使用较小的固定预算和自动版位。每种设置都被重复投放,但触达的人、投放时间、版位组合和竞价条件可能不同。同一个人也可能看到不止一条广告。数据无法确定这些因素中是否有任何因素解释了观察到的差异。[1]
16 种设置是同一场推广活动中的不同组合,并非企业的随机样本。结果不能说明其他市场、活动目标或预算下的典型波动。重复投放也可能共享某些条件,因此本分析不将一种设置下的 24 条记录视为 24 场独立活动的重复实验。
研究人员的论文研究的是另一个问题:代言人类型与是否披露创作来源在该活动中的影响。我们的分析使用其公开记录描述每种设置内部的变化,不比较真人与 AI 创意,也不判断哪个版本表现更好。[1][2]
我们如何分析这些记录
公开的 Stata 文件包含 384 条具有唯一观察编号的记录、16 个设置代码,每个代码对应 24 条记录。每个代码内,公开的创意、代言人、创作来源披露、性别和年龄字段均保持不变。所有记录的展示次数均大于零,点击和消息数量均不为负;没有排除任何记录。所有记录也都超过 1,000 次展示,因此预先计划的这一筛选条件没有改变样本。[2][3]
我们根据公开数量计算每条广告的两个比率,在每种设置内分别按指标排列 24 个比率,选择第 6 个和第 18 个值。每种设置对每个指标的汇总贡献一个比值和一个差值。使用 SQLite 和精确分数进行的第二次计算,从同一文件的数值提取中复现了各组四分位数。复现包包含来源链接、哈希值、代码和汇总结果。[3]
作为事后敏感性检查,我们使用线性插值四分位数代替最近秩方法。采用这一方法时,16 个消息比值中有 11 个至少为两倍,中位数为 2.09 倍;差值中位数为每 1,000 次展示 0.56 次对话。这是对同一批记录的另一种计算,不是独立重复研究。本文结论不依赖显著性检验,也不依赖对变化原因的判断。[3]
论文将较年轻的目标组描述为 18 至 24 岁,公开文件中的一个标签却写为 18 至 25 岁。我们没有进行子组比较,也没有通过选择其中一个标签来消除差异。可下载的复现包含分组和测量检查,读者无需重新发布原始广告视频即可查看分析。[1][2][3]
下载内容包括汇总结果、来源链接、哈希值和代码。ZIP 不包含单条广告记录或视频。
来源与注释
- Arango-Espinal、Rodríguez Orejuela 和 López-Herrera,Human Spokesperson Versus Artificial Intelligence Avatar and Authorship Disclosure in Digital Advertising,2026 年。活动设计、指标、归因和导出时间。
- López-Herrera,作者的数据及复现材料,Zenodo,2026 年。数据集标注为 CC BY 4.0。
- Influence IQ 分析包:来源链接、哈希值、计算代码和按组汇总的结果。
所有语言版本描述的都是同一场哥伦比亚推广活动及 2026 年 5 月至 6 月的数据收集期。翻译不会使这些结果成为其他市场的证据。
