兴趣标签：声明式画像 vs 推断式画像
Facebook的广告定向建立在用户主动“声明”和平台长期积累的数据之上。用户在个人资料中填写的职业、教育背景、点赞过的页面、加入的小组，都会成为兴趣标签的来源。其底层逻辑接近心理学中的“自我报告”——你告诉平台你喜欢什么，平台据此归类。这种方式的优势在于标签明确、可解释性强，广告主可以精准选择“对徒步旅行感兴趣”的人群。但局限也很明显：用户的行为与自我描述之间往往存在偏差，点赞一个页面不等于真实兴趣。
TikTok则走了一条完全不同的路。它不依赖用户主动声明兴趣，而是通过短视频的完播率、重复观看、点赞、评论、分享等微观行为信号，实时推断用户的内容偏好。这更接近行为心理学中的“内隐态度测量”——你未必说得清自己喜欢什么，但你的行为暴露了真实倾向。TikTok的推荐算法本质上是一个持续更新的兴趣推断引擎，广告定向因此更依赖“你看了什么”而非“你说了什么”。
行为信号：历史沉淀 vs 实时捕捉
Facebook的行为信号覆盖站内和站外，包括页面浏览、搜索记录、应用使用甚至线下消费数据（通过合作数据商获取）。这些信号经过较长时间沉淀，形成相对稳定的用户画像，适合品牌做中长期投放规划。但也意味着对新兴兴趣的捕捉存在滞后。
TikTok的行为信号以站内短视频互动为主，强调实时性和短周期。一个用户可能在一天内从美食内容转向健身内容，TikTok的算法能快速响应这种变化。从认知科学角度看，这利用了“注意力瞬时性”原理——短时间内的行为序列比长期标签更能反映当下的决策倾向。对广告主而言，这意味着更高的时效敏感度，但也对素材的快速迭代能力提出更高要求。
相似人群扩展：种子质量决定扩展效果
两个平台都提供相似人群扩展（Lookalike Audience）功能，但种子数据的性质不同。Facebook的相似扩展通常基于已有客户名单、网站访客或高价值用户，依托其庞大的社交图谱和声明式数据寻找相似特征人群，扩展规模大但精度可能随规模递减。TikTok的相似扩展更多基于内容互动行为聚类，种子人群往往是“看过某类视频并产生互动”的用户，扩展出的人群在内容消费习惯上更接近，但跨品类泛化能力相对有限。
总结
Facebook的定向逻辑像一张精心绘制的地图，依赖用户主动标注和长期数据积累；TikTok则像一台实时雷达，捕捉你此刻的注意力流向。两者没有绝对优劣，关键在于广告目标：需要稳定触达明确兴趣人群时，Facebook的声明式标签更可靠；需要捕捉即时兴趣和内容消费场景时，TikTok的行为信号更具优势。理解这两种逻辑的底层差异，比盲目比较投放效果更有意义。
