Facebook Advertising Across an Engagement Spectrum: A Case Example for Public Health Communication
Notice bibliographique
Résumé
BACKGROUND: The interpersonal, dialogic features of social networking sites have untapped potential for public health communication. We ran a Facebook advertising campaign to raise statewide awareness of Michigan's newborn screening and biobanking programs. OBJECTIVE: We ran a Facebook advertising campaign to stimulate public engagement on the complex and sensitive issue of Michigan's newborn screening and biobank programs. METHODS: We ran an 11-week, US $15,000 Facebook advertising campaign engaging Michigan Facebook users aged 18-64 years about the state's newborn screening and population biobank programs, and we used a novel "engagement spectrum" framework to contextualize and evaluate engagement outcomes ranging from observation to multi-way conversation. RESULTS: The campaign reached 1.88 million Facebook users, yielding a range of engagement outcomes across ad sets that varied by objective, content, budget, duration, and bid type. Ad sets yielded 9009 page likes (US $4125), 15,958 website clicks (US $5578), and 12,909 complete video views to 100% (US $3750). "Boosted posts" yielded 528 comments and 35,966 page post engagements (US $1500). Overall, the campaign led to 452 shares and 642 comments, including 176 discussing newborn screening and biobanking. CONCLUSIONS: Facebook advertising campaigns can efficiently reach large populations and achieve a range of engagement outcomes by diversifying ad types, bid types, and content. This campaign provided a population-based approach to communication that also increased transparency on a sensitive and complex topic by creating a forum for multi-way interaction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».