聊聊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。
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：
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)。
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。
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。