為自己的廣告制定個人化的投放計劃可以降低行銷成本、提高轉化率，同時對於用戶來說也是符合心意的體驗。 通過機器學習可以針對不同的使用者展示合適的廣告，可以促進良性迴圈。
一、廣告展示依據
Facebook的廣告展示由受眾目標與廣告拍賣結果決定：首先，廣告主可以篩選不同的年齡、性別、行為趨向等來確定選擇受眾，或是導入已有受眾群體的電子郵件等訊息來創建定向或相似受眾;而後讓競爭相同受眾的不同廣告進入拍賣階段。
對於競爭相同受眾的不同廣告之間，系統會通過廣告主的出價、廣告質量和預估行動率運行一套演算法（廣告的出價×預估行動率+廣告品質），得出決定對應廣告整體品質的總評分，然後選擇最好的廣告展示給對應的使用者。
二、機器學習
機器學習就是系統接收數據後進行學習，從而得出對應的參照數據。 Facebook的預估行動率與廣告品質分數就是通過機器學習生成的。
預估行動率
機器學習基於廣告主期望受眾採取的行動，去尋覓最有可能採取對應行動的使用者。 這需要考慮到廣告內容、在線時間、互動情況等很多因素，從而去判斷指定使用者看到該篇內容做出不同反應的可能性。
廣告品質分數
機器學習通過用戶觀看或隱藏各個廣告的反饋、評估形成廣告品質分數（如文字過多、內容不當等）。
隨著網購現象越來越普遍，積累的大量廣告數據使得Facebook的數據分析和預測更加完善。 系統會更合理的評估廣告的品質等各方面因素，所以有時候出價最高的廣告也未必能贏得拍賣。 這也給即使是小規模的企業也有機會在競爭中獲得優勢，低預算也可以觸達最適合他們的客戶。
四、廣告展示
你的廣告是否真正展示給受眾群體？ 如果沒有，是受到了什麼阻礙？
首先是使用者的廣告偏好設置，使用者可以查看和更新自己的廣告設置，以便瞭解和掌控Facebook在自己閱覽廣告時使用的訊息，比如選擇不看廣告或是隱藏廣告等。
當廣告主精確定位並觸達了目標受眾，在使用者點擊訂閱這些廣告和帖子之後，機器學習就會通過數據分析這個行為背後的原因，並且據此更加精細地分配向他們展示的內容。
當有些企業會利用自己網站流覽訊息通過Facebook進行投放，而使用者可以選擇關閉這些活動。
在Facebook廣告體系中，不存在售賣用戶的數據的情況，也不會擅自與廣告主分享身份識別訊息或隱私。 而是注重個人化的創造與數據驅動的廣告體驗，機器學習促進廣告投放良性發展，向對的人投放對的廣告，也就是追求個人化、定製化的廣告，平臺、廣告主、使用者皆大歡喜。