Facebook：基于社交图谱的“关系推荐”
Facebook广告算法的核心是“社交图谱”与“用户画像”的深度绑定。它通过你主动填写的资料、点赞的页面、加入的小组，以及你在平台内外的行为轨迹（如点击广告、访问网站），构建出一个包含年龄、性别、职业、消费能力、政治倾向等维度的精细画像。广告主可以像点菜一样勾选目标人群，例如“30-45岁、居住在上海、近30天浏览过母婴网站的女性”。算法再根据广告的预期互动率、转化率进行竞价排序。本质上，Facebook是“人找货”的逻辑——先定义你是谁，再推测你可能需要什么。
TikTok：基于内容特征的“兴趣推荐”
TikTok的推荐算法则更依赖“内容理解”与“实时行为反馈”。它不要求你填写任何资料，而是通过你每一次滑动、停留、点赞、评论、分享的动作，快速判断你对哪类内容感兴趣。算法会对视频本身进行标签化分析，比如画面中的物体、背景音乐、文案关键词、甚至视频节奏。当你连续看完三个露营视频，系统就会将“户外”“自然”“慢生活”等标签赋予你，并推送更多类似内容。广告在这里更像是“原生内容”——只要你的广告素材符合某类兴趣标签，就能被推送给相应人群，而不依赖用户的人口统计学特征。
用户画像与兴趣标签的构建差异
Facebook的用户画像偏向“静态+主动”，依赖长期积累的社交行为与第三方数据；TikTok的兴趣标签偏向“动态+被动”，依赖短时间内的内容消费信号。前者适合品牌认知与精准转化，后者更适合激发潜在需求与病毒式传播。一个典型案例是：某小众香薰品牌在Facebook上定向“对家居香氛感兴趣”的用户，转化稳定但成本较高；而在TikTok上，一条展示“开箱闻香”的15秒视频，可能因为完播率高而被推给大量从未搜索过香薰的年轻人，带来意外爆单。
内容分发机制的本质区别
Facebook的分发是“社交关系+兴趣”的混合排序，你的好友互动会显著影响广告曝光；TikTok的分发是“内容表现+用户反馈”的赛马机制，一条广告能否跑出流量，取决于它在前100次曝光中的完播率、互动率。简单说，Facebook广告像在商场里租个好位置，TikTok广告像在街头表演，只要观众爱看，就能被不断推上热门。
理解这两种算法的差异，不是为了判断谁更好，而是帮助广告主和普通用户看清：你在平台上的每一次点击，都在为算法提供燃料。Facebook让你被“认识你的人”看到，TikTok让你被“和你此刻兴趣相同的人”看到。未来，随着隐私政策收紧与AI内容理解能力提升，两者的边界或许会模糊，但“社交关系”与“实时兴趣”这两条底层逻辑，仍将长期主导推荐算法的走向。
