Facebook：基于用户画像的“关系图谱”匹配
Facebook广告算法的核心是“用户画像”与“社交关系图谱”。它通过你长期的行为数据——点赞、评论、好友关系、页面停留时长、甚至跨站追踪——构建出一个相对稳定的兴趣标签体系。广告主可以按年龄、地域、教育程度、购买习惯等维度精准圈定人群。算法再根据广告与用户历史行为的匹配度，预测点击率与转化率。简单说，Facebook更像一位“档案管理员”：它先判断你属于哪类人，再把广告推给“像你这样的人”。这种机制依赖显性兴趣和长期标签，投放精准但反馈周期较长。
TikTok：基于兴趣图谱的“内容-用户”实时匹配
TikTok的算法则更接近“兴趣图谱”驱动。它不强调你是谁，而关注你此刻对什么内容产生反应。每一条短视频都会经过初始流量池测试，算法根据完播率、点赞、评论、转发、重播等实时信号，快速判断内容与哪些用户的兴趣向量匹配。即便你从未关注过露营，只要连续看完三条野外生存视频，算法就会在几分钟内为你推送相关广告。TikTok的推荐机制弱化社交关系，强化内容本身的“兴趣穿透力”，因此广告素材的创意质量对分发效果影响大。
从“标签匹配”到“向量召回”：技术原理差异
Facebook广告系统大量使用逻辑回归与梯度提升树模型，依赖人工定义的画像标签和社交特征。而TikTok采用深度神经网络与向量召回技术，将用户和内容映射到同一高维空间，通过计算向量相似度实现“兴趣匹配”。前者像图书馆按分类找书，后者像电台根据你当下的情绪即兴选歌。这也解释了为什么Facebook广告适合品牌认知与再营销，而TikTok广告更适合激发冲动消费与爆款传播。
总结：画像决定“谁看”，兴趣决定“何时看”
Facebook广告算法擅长在稳定人群中找到高转化个体，TikTok广告算法擅长在流动兴趣中捕捉即时注意力。两者并非优劣之分，而是对应不同的消费决策阶段。理解画像与兴趣图谱的分发原理，既能帮助广告主优化投放策略，也能让普通用户更清醒地意识到：你看到的每一条广告，都是算法对你此刻“数字自我”的一次解读。
