重複投放相同設定的廣告,紀錄到不同訊息比率
一所哥倫比亞大學重複投放 16 種 Facebook 廣告設定。結果顯示,單一比率可能無法呈現重要背景。
Influence IQ 分析哥倫比亞一所大學於 2026 年 5 月至 6 月招生行銷活動中的 384 筆廣告紀錄。
摘要
相同的廣告設定反覆投放時,記錄的結果可能不同。我們分析哥倫比亞一所大學招生行銷活動的 384 筆 Facebook 廣告紀錄:16 種設定各自在 2026 年 5 月至 6 月投放了 24 次。我們在每種設定內,依每 1,000 次曝光記錄的對話數排列廣告,並比較第 6 與第 18 個值。16 種設定中,有 12 種的較高值至少是較低值的兩倍。各設定這兩個值的差距中位數為每 1,000 次曝光 0.60 次對話。這是針對單一活動的描述性分析,每則廣告的訊息數量不多,不能作為其他廣告主的基準。將數量和範圍與比率一起呈現,有助於看出這項差異。[1][2][3]
假設一個小團隊向客戶報告 Facebook 廣告成果。一次投放記錄了 3 次對話,另一次使用相同設定的投放則記錄了 6 次。第二個數量是第一個的兩倍,但團隊仍須了解曝光次數、報告期間及投放背景,才能解釋差異。曝光規模改變時,比較的結果也可能不同。
重複投放可能記錄不同結果

同一設定的廣告反覆投放
研究大學招生廣告的研究人員,公布了哥倫比亞西南部一場 Facebook 行銷活動的逐筆廣告紀錄。活動採用 16 種設定,每種由創意版本和受眾指定條件共同定義。作者表示,在 2026 年 5 月 14 日至 6 月 6 日的 24 天中,每天每種設定都啟動一則廣告。每則廣告的預算為 10,000 哥倫比亞披索。這 384 筆紀錄屬於同一個廣告主的一場活動,並非 384 場獨立活動。[1][2]
我們探討各設定中的 24 筆紀錄,所回報的成果有多少差異。分析保留論文中的設定分組,不把不同受眾或創意版本放在一起比較。我們以每則廣告記錄的已開始訊息對話數除以曝光次數,再乘上 1,000。一次曝光是廣告的一次顯示,同一人可能看到不只一次。計算值代表每 1,000 次曝光的對話數,不是某個人傳送訊息的機率。[1]
作者指出,歸因設定為點擊後 7 天及觀看後 1 天,並在各廣告結束後的隔天匯出指標。因此,記錄的訊息可能在觀看後或點擊後歸因;隔天匯出的資料並未包含完整 7 天的後續追蹤。資料集沒有每筆紀錄的確切啟動日期,所以我們將其描述為重複投放紀錄,而非時間序列。[1][2]
各設定的中間區段仍有範圍
我們將每組 24 個比率由低到高排列,選出第 6 和第 18 個值。根據最近秩方法,這兩個值分別是下四分位數和上四分位數,可在排除最極端值的情況下,描述觀察到的比率中間區段有多分散。我們以上四分位數除以下四分位數。16 種設定的下四分位數都大於零,因此都能計算比值。[3]
16 種設定中有 12 種的上四分位數至少是下四分位數的兩倍。16 個設定各自比值的中位數為 2.26 倍。另行計算上下四分位數的 16 個差距,其中位數為每 1,000 次曝光 0.60 次記錄的對話。這兩個數字分別彙整跨設定的不同計算結果,不是某一個典型設定的兩端。[3]
以下用一個實際設定說明:第 6 個比率來自 3,559 次曝光中的 1 次記錄對話,相當於每 1,000 次曝光約 0.28 次;第 18 個來自 4,441 次曝光中的 4 次對話,相當於約 0.90 次。後者約是前者的 3.21 倍。這是依比率排序的兩筆紀錄,不一定來自連續兩天,也不能預測未來結果。[3]
每則廣告記錄的對話數中位數為 4 次。其中 10 則廣告記錄為零,16 種設定中有 8 種至少包含一則記錄為零的廣告。事件數量少時,比值和實際數量能呈現不同面向。若曝光恰為 5,000 次,每多 1 次記錄的對話,比率就會改變每 1,000 次曝光 0.20 次。這項算術關係無法證明實際廣告結果不同的原因。[2][3]
16 種設定的訊息比率分散情形
12 種設定的上四分位數至少是下四分位數的兩倍,4 種不到兩倍。
| 上四分位數除以下四分位數 | 設定數 | 比例 |
|---|---|---|
| 至少 2 倍 | 12 | 75.0% |
| 不到 2 倍 | 4 | 25.0% |
範圍較廣的點擊互動有不同變化
來源也記錄 Meta 的「點擊次數(全部)」。這個指標除了連結點擊,還包含心情回應、分享、點擊圖片或個人檔案等互動,因此比單純的連結點擊更廣。我們計算每則廣告每 1,000 次曝光的點擊互動數,再在各設定內重複相同的比較;點擊互動和訊息分別排序。[1][3]
16 種設定的上、下四分位數比值中位數,「點擊次數(全部)」為 1.15 倍,記錄的對話則為 2.26 倍。16 個點擊互動比值都未達 1.5 倍,16 個對話比值則全部達到。四分位數差距的中位數分別是每 1,000 次曝光 13.84 次點擊互動與 0.60 次記錄的對話。因此,對話的相對分散程度較大,但以各自單位計算的絕對差距較小。[3]
兩個指標的定義與數量不同。這項比較無法顯示點擊導致記錄的訊息、點擊互動的差異造成訊息差異,或兩個分子包含相同的人。如果團隊想判斷廣告是否帶來詢問,除了較廣泛的互動數,也應查看詢問的指標。
各指標的相對與絕對分散程度
記錄的對話比率相對分散程度較大;兩個絕對差距採用不同的成果數量。
| 指標 | 比值中位數(倍) | 每 1,000 次曝光的差距中位數 |
|---|---|---|
| 記錄的對話 | 2.26 | 0.60 |
| 點擊互動(全部) | 1.15 | 13.84 |
將數量放在比率旁邊
假設兩次虛構投放各獲得 5,000 次曝光。3 次記錄的對話相當於每 1,000 次曝光 0.60 次,6 次則相當於 1.20 次。第二個比率是第一個的兩倍,差距為 3 次對話,也就是每 1,000 次曝光 0.60 次。如果兩次投放的曝光次數不同,只看數量無法呈現相同的比較。
實用的報告可以列出設定與預算、日期與歸因期間、曝光次數、記錄的成果數量,以及比率的分子和分母。若有數次可比較的投放,也可呈現個別結果或定義清楚的範圍。範圍應說明包含哪些投放,以及兩端代表最小值與最大值、四分位數或其他數值。
也要留意實際需要做的決定。團隊可能需要決定是否繼續收集結果、更換創意,或與客戶討論預算。重複結果比單次投放提供更多背景,但這份資料沒有規定需要多少次投放,也沒有指出哪項變更能改善另一場活動。在查看新結果之前先約定決策規則,有助於團隊說明準備比較什麼。
來源在每則廣告結束後不久匯出結果。製作自己的報告時,除了歸因設定,也請記錄取得數據的時間。即使顯示的日期或設定相似,不同時間匯出的兩份資料可能涵蓋長短不同的追蹤期間。
在原有情境中解讀結果
這場活動在哥倫比亞選定的地方行政區推廣一項大學課程,每則廣告使用較小的固定預算和自動版位。雖然每種設定都重複投放,觸及的人、投放時間、版位組合及競價條件仍可能不同。同一人也可能看到多則廣告。資料無法確定這些因素是否有任何一項能解釋觀察到的差異。[1]
16 種設定是同一場活動中的不同組合,並非企業的隨機樣本。這些結果無法建立其他市場、活動目標或預算下的典型波動。重複投放也可能共享條件,因此本分析不把同一設定下的 24 筆紀錄視為 24 場獨立活動的重複實驗。
研究人員的論文探討另一個問題:代言人類型與是否揭露創作來源在其活動中的影響。我們利用公開紀錄描述各設定內部的變化,不比較真人與 AI 創意,也不判定哪個版本表現較好。[1][2]
我們如何分析紀錄
公開的 Stata 檔案包含 384 筆具有唯一觀察識別碼的紀錄、16 個設定代碼,每個代碼各有 24 筆。在每個代碼內,公開的創意、代言人、創作來源揭露、性別與年齡欄位都保持不變。所有紀錄的曝光次數均大於零,點擊與訊息數均不為負;沒有排除任何紀錄。所有紀錄也都超過 1,000 次曝光,因此預先規劃的這項篩選沒有改變樣本。[2][3]
我們以公開數量計算每則廣告的兩個比率,在每種設定內依指標分別排列 24 個比率,再選出第 6 與第 18 個。每種設定為每個指標的彙整結果提供一個比值與一個差距。另一項使用 SQLite 和精確分數的計算,從同一檔案擷取的數值重現了各組四分位數。重現套件包含來源連結、雜湊值、程式碼及彙總結果。[3]
作為事後敏感度檢查,我們改用線性插補四分位數,而非最近秩方法。依此方法,16 個訊息比值有 11 個至少為兩倍,比值中位數為 2.09 倍;差距中位數為每 1,000 次曝光 0.56 次對話。這是針對同一批紀錄的另一種計算,並非獨立重複研究。本文結論不依賴顯著性檢定,也不依賴對變化原因的判斷。[3]
論文將較年輕的目標組描述為 18 至 24 歲,公開檔案中的一個標籤卻寫為 18 至 25 歲。我們沒有報告次群組比較,也沒有選擇其中一個標籤來解決差異。可下載的套件包含分組和測量檢查,讓讀者不必重新發布原始廣告影片也能檢視分析。[1][2][3]
下載內容包括彙總結果、來源連結、雜湊值與程式碼。ZIP 不包含個別廣告紀錄或影片。
來源與註記
- Arango-Espinal、Rodríguez Orejuela 與 López-Herrera,Human Spokesperson Versus Artificial Intelligence Avatar and Authorship Disclosure in Digital Advertising,2026 年。活動設計、指標、歸因及匯出時間。
- López-Herrera,作者資料與重現材料,Zenodo,2026 年。資料集標示為 CC BY 4.0。
- Influence IQ 分析套件:來源連結、雜湊值、計算程式碼與各組彙總結果。
所有語言版本都描述相同的哥倫比亞行銷活動與 2026 年 5 月至 6 月資料收集期間。翻譯不會使結果成為其他市場的證據。
