Characterizing and Minimizing Divergent Delivery in Meta Advertising Experiments
创建于 更新于
摘要
本文系统研究了Meta广告平台中Lift测试和A/B测试的实现机制与效用，重点揭示了A/B测试中特有的“分歧投放”现象以及其对因果推断的影响。通过分析3204个Lift测试和181,890个A/B测试的数据，发现Lift测试不存在用户群体不平衡，具备有效的因果推断能力；而A/B测试存在显著的用户特征不平衡，反映广告投放算法根据广告配置选择不同用户群体。进一步研究表明，严格统一广告目标、受众、预算、竞价策略和展现频率等配置，能显著降低A/B测试中的分歧投放问题，提升广告创意效果因果解读的可靠性。此外，还通过Meta真实案例验证了相关结论，为广告实验设计和分析提供科学指导 [page::2][page::7][page::13][page::22][page::28][page::31][page::39]
