聊聊FBX

fbx

最近关于Facebook最大的消息就是FBX即将上线。

何谓Facebook Exchange呢?就是利用Facebook已有的数据和外部的DSP广告厂商合作,在用户的NewsFeed中插入用户可能感兴趣的广告。

其运行机制是这样的,当用户在亚马逊下单了一份狗粮,但并没有付款,当用户回访FB时,在用户的NewsFeed中就有可能出现狗粮的产品广告。

说白了,就是广告联盟,主要利用的是Cookie来定位用户。

国内新浪微博也是在用户的信息流中植入广告,由于相关性弱一些,因此被大量的用户【反对】。反观Facebook,日前@兰泊然发布一条关于Facebook信息流强推广告的效果分析(下图),可见FB用户的抵触情绪稍微低一点。

weibofacebook
貌似Facebook的隐私问题和盈利问题达到了一个历史平衡点,用户慢慢能接收这种信息流广告,而且还能偶尔Like(喜欢)一下,品牌商也乐意看到这样的事情发生。

Facebook是如何走到今天的呢?

2007年11月,Facebook推出灯塔计划,采集用户在外部网站的活动并推送给Facebook的好友。如刚才买狗粮的例子,用户在亚马逊购买了一份狗粮,完成支付后,这个行为就会被分享到Facebook的信息流当中。

当初Facebook的设想是这样的:和站外的在线商品合作,打通用户数据和商品数据,用户只要在合作商在线商店上购买后,就会分享一条信息到Facebook上。

“A看到好友B购买了狗粮广告,那么B肯定也会对该狗粮产生好感(进而产生购买),而狗粮厂商也肯定愿意让这样的事情发生,Facebook再从中收取狗粮厂商(或在线购物网站)的一点小利润”。

这项计划在当年看来是很赞的,Facebook拥有这么多的人口数据(2007年拥有3400万活跃用户),那么通过用户的消费数据进行挖掘推广,确实是可行的。只是该计划太过于草率,让用户感觉不舒服,以至于在一个月后灯塔计划不得不被迫关闭。
(注:2007年7月份iPhone也才在美国刚上市,用户对于分享对于签到还很谨慎,所以Facebook的灯塔计划失败也是合情合理之中)

接下来,

2008年 发布Facebook Connect(帐户登录)
2009年 Foursquare发布(用户开始认同分享地理位置信息)
2010年 发布OpenGraph项目:Social Plugins(最主要的是Like项目)
2011年 发布Sponsored Stories赞助商 广告项目

时隔五年后,用户对于分享对于隐私已经不在那么敏感的情况下,Facebook适时的发布了Sponsored Stories(赞助商故事)这款广告产品。

Sponsored Stories(赞助商故事)的概念和当年灯塔计划几乎一模一样,只是变了一种形式而已。

Sponsored Stories的原理如下图:
sponsored-stories1
当一个名叫Jessica Gronski的用户在星巴克签到后①(可以想像成Jessica购买了一杯星巴克),那么Jessica的好友就会看到②的Sponsored Stories:“Jessica和Philip在星巴克签到了两次”。

对Jessica好友来说这是一次口碑推荐,一次产品信任;
对星巴克来说,让Jessica当产品代言人去向好友推荐产品,是非常有趣且有效的。

举个Sponsored Stories故事的一个O2O实例:
英国食品零售商Tesco借助类似Sponsored的形式,他们开发了一款Facebook App,号召用户在线下实体商店消费之后,利用商品码(证明用户买过),找到Tesco网上对应的商品,然后分享给Facebook好友,只要好友通过链接进行了购买,那么用户就会获得一定的Tesco积分(下图)。

tescoshareandearn

Tesco等于把用户线下消费进行数字化,一方面可以来收集该用户购物习惯,另一方面通过用户间的推广来增加商品销售,真正实现从线下到线上的促销互动。

可以说Sponsored Stories是整个广告史上具有里程碑意义的一件产品,他让口碑传播变成一种可以量化并且进行投放的广告形式。

下面我们再来看看Facebook的Social Plugins对即将运行的Facebook Exchange的意义。
现行的广告联盟或是DSP厂商,基本都是借助Cookie来跟踪用户,但Cookie问题很多。比如不容易确定“一个人”:多人使用一台电脑的情况,Cookie只能识别这台电脑,而不能识别电脑前是不是换了一个人。

但是Facebook就不一样了,借助于Like,Connect等,他掌握了全球10亿真实用户的数据(当然有人要说FB的活跃度下降或是僵尸粉什么的,也许吧,但笔者相信至少五年内FB还不会消亡,也依然是厂商趋之若鹜的平台,因为世界上还没有任何一家企业的人口数据能和FB媲美)。

Social Plugins的运行机制
SocialPlugins是Facebook Open Graph的一部分,包括了Like、Send、Follow等等项目。

rating

上图是FB官方对于OpenGraph的图解(红色部分是笔者加的):一位名叫Christopher Blizzard的用户对一本叫Neuromance的小说进行了评分。

以上的信息其实可以这样理解:
Who(谁):①Christopher Blizzard
What(什么):William Gibson④的小说Neuromance
Where(哪里): Goodreads③(在线阅读网站)
How(做什么):Rate(评分)

一次简单的行为,记录“谁在哪里,对什么做了什么”这样的关键信息。

我们可以这么理解:一次Like(或是评分),把用户的数据都记录下来。

比如这名叫Christopher的用户对科幻小说家William Gibson的小说Neuromance进行了评分,那么根据评分的结果(五星),那么一定程度上说明了Christopher喜欢科幻类小说,且对William Gibson这名作家有好感。

而全球有成千上万的Like被分享到Facebook,分享一件家具、一件服装、一瓶可口可乐

如果这些都有特定的信息:
家具:包括价格、款式、品牌、材质、设计师、购买地点……
服装:包括价格、款式、品牌、尺码、面料……
可口可乐:成分、价格、毫升……
等等。

把商品的信息数据化,用户对这些信息Like得越多,Facebook越能识别我们每个人,掌握我们这些个人的【隐私】。

前段时间Facebook推出Graph Search功能,其中就可以搜索“好友的好友中谁喜欢xx作家”这样很具体的基于人的搜索,说明Facebook已经掌握了足够多的数据来对一个人的喜好进行定位。

当Facebook拥有了这些数据之后,Facebook Exchange就会比基于Cookie的广告投放技术更加精准,因为FBX是基于【人】,而不是基于【机器】的识别。

刚才我们也说了,Sponsored Stories其实就是基于Like来推送广告,而新上线的FBX会和外部的DSP广告厂商合作,借助于他们丰富的广告资源和FB所拥有的人口数据,一定会给FB带来强劲的营收。

当然有人会说这样不是严重侵犯了个人隐私么?
举个豆瓣的例子,在豆瓣上用户读的书越多,豆瓣掌握用户的数据越多,推荐给用户的图书就越相关,越相关那么就越能减少用户找书的时间成本。

特别是现在互联网信息极其丰富,如果用户不出卖自己的“隐私”,那么获取与自己相关信息 的时间成本就越大。

原文首发表于极客公园:http://www.geekpark.net/read/view/176078