Traducido del inglés al español - www.onlinedoctranslator.

com

Meta Presentación de Resultados Q3 2022

inversor.fb.com
Ingresos publicitarios por geografía del usuario
En millones

$32,639

$3,220
$28,580 $28,276 $28,152
$27,187 $26,998 $27,237
$25,439 $2,857 $2,963 $6,183 $3,169
$2,512 $2,949 $3,047
$2,434
$5,152 $5,398
$21,221 $4,703 $5,835
$5,661 $5,717
$1,980 $4,735
$8,174
$4,202 $6,822 $7,205 $6,821 $6,360
$6,373 $6,364 $5,707

$5,051
Resto del mundo

$15,062 Asia-Pacífico
$ 13,150 $13,366 $13,094 $12,788 $12,766
$11,897 $12,024
$9,988
Europa

Estados Unidos y Canadá

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Nuestros ingresos por ubicación geográfica del usuario se distribuyen geográficamente en función de nuestra estimación de la ubicación geográfica de nuestros usuarios cuando realizan una actividad generadora de ingresos. Esta asignación difiere de nuestros ingresos desglosados por ubicación geográfica en nuestros

estados financieros consolidados condensados, donde los ingresos se distribuyen geográficamente en función de las direcciones de nuestros clientes.

2
Ingresos por geografía del usuario
En millones

$33,671

$3,244
$29,077 $29,010 $28,822
$28,072 $27,908 $27,714
$26,171 $2,879 $2,981 $6,244 $3,213
$2,534 $2,992 $3,100
$2,454
$4,793 $5,190 $5,461
$21,470 $5,908
$5,759 $5,782
$4,789
$1,999 $8,357

$4,230 $7,011 $7,270 $6,955

$6,486 $6,452 $5,797
$6,523

$5,104
Resto del mundo

$15,826
$13,734 $13,738 $13,613 Asia-Pacífico
$12,405 $12,671 $13,249 $13,035
$10,137
Europa

Estados Unidos y Canadá

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Nuestros ingresos por ubicación geográfica del usuario se distribuyen geográficamente en función de nuestra estimación de la ubicación geográfica de nuestros usuarios cuando realizan una actividad generadora de ingresos. Esta asignación difiere de nuestros ingresos desglosados por ubicación geográfica en nuestros

estados financieros consolidados condensados, donde los ingresos se distribuyen geográficamente en función de las direcciones de nuestros clientes.

3
Resultados del segmento
En millones

Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Publicidad $ 27,187 $ 25,439 $ 28,580 $ 28,276 $ 32,639 $ 26,998 $ 28,152 $ 27,237

Otro 168 198 192 176 155 215 218 192

Ingresos de la familia de aplicaciones 27,355 25,637 28,772 28,452 32,794 27,213 28,370 27,429

Ingresos de los laboratorios de realidad 717 534 305 558 877 695 452 285

Los ingresos totales $ 28,072 $ 26,171 $ 29,077 $ 29,010 $ 33,671 $ 27,908 $ 28,822 $ 27,714

Ingresos operativos de la familia de aplicaciones $ 14,874 $ 13,205 $ 14,799 $ 13,054 $ 15,889 $ 11,484 $ 11,164 $ 9,336

Reality Labs en funcionamiento (pérdida) (2,099) (1,827) (2,432) (2,631) (3,304) (2,960) (2,806) (3,672)

Utilidad Total de Operaciones $ 12,775 $ 11,378 $ 12,367 $ 10,423 $ 12,585 ps 8,524 $ 8,358 $ 5,664

Margen operativo 46% 43% 43% 36% 37% 31% 29% 20%

A partir del cuarto trimestre de 2021, informamos nuestros resultados financieros en función de dos segmentos informables: Family of Apps (FoA) y Reality Labs (RL). FoA incluye Facebook, Instagram, Messenger, WhatsApp y otros servicios. RL incluye hardware, software y contenido de consumo relacionados
con la realidad virtual y aumentada. A efectos comparativos, se han refundido los importes de periodos anteriores.

4
Gastos como porcentaje de los ingresos

12%

8% 10%
14%
8% 10% 10%
7% 12%
6% 6% 12%
12% 12% 13%
12% 11% 11%

28% 33%
30% General &
22% 20% 21% 22% 21%
19% Administrativo

Marketing
& Ventas

22% Investigar &

20% 19% 20% 19% 20% 19% 18% 21%
Desarrollo

Costo de los ingresos

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

5
Tasa efectiva de impuestos
En millones, excepto porcentajes

3T'20 (1) Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Utilidad antes de provisión para

$ 8,133 $ 13,055 $ 11,503 $ 12,513 $ 10,565 $ 12,702 $ 8,908 $ 8,186 $ 5,576
impuestos a la renta

Provisión para impuestos sobre la renta 287 1,836 2,006 2,119 1,371 2,417 1,443 1,499 1,181

Tasa efectiva de impuestos 4% 14% 17% 17% 13% 19% dieciséis% 18% 21%

(1) Refleja un beneficio impositivo por única vez de $913 millones relacionado con los efectos de una elección fiscal para capitalizar y amortizar ciertos gastos de investigación y desarrollo a efectos del impuesto sobre la renta de EE. UU. Excluyendo este beneficio fiscal, nuestra tasa impositiva efectiva habría sido 11 puntos porcentuales

más alta en el tercer trimestre de 2020.

6
Lngresos netos
En millones

$11,219

$10,394 $10,285
$9,497
$9,194

$7,846
$7,465
$6,687

$4,395

3T'20⁽¹⁾ Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

(1) Refleja un beneficio impositivo por única vez de $913 millones relacionado con los efectos de una elección fiscal para capitalizar y amortizar ciertos gastos de investigación y desarrollo a efectos del impuesto sobre la renta de EE. UU.

7
Ganancias diluidas por acción

$3.88
$3.67
$3.61

$3.30
$3.22

$2.71 $2.72
$2.46

$1.64

3T'20⁽¹⁾ Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

(1) Refleja un beneficio impositivo por única vez de $913 millones relacionado con los efectos de una elección fiscal para capitalizar y amortizar ciertos gastos de investigación y desarrollo a efectos del impuesto sobre la renta de EE. UU. Excluyendo este beneficio fiscal, nuestro EPS diluido habría sido $0.31 más bajo.

8
Los gastos de capital
En millones

$22,813

$13,703

$9,518

$4,544

Q3'21 Q3'22 Hasta la fecha 2021 Hasta la fecha 2022

Trimestral el último año

Los gastos de capital para los períodos presentados se relacionaron con compras de propiedad y equipo, pagos netos y de capital en arrendamientos financieros.

9
 Familia Personas Activas Diarias (DAP)
en miles de millones

2.82 2.87 2.88 2.93

2.76 2.81
2.72
2.54 2.60

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

DAP/MAPA
3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22
79% 79% 79% 79% 78% 79% 79% 79% 79%
Definimos una persona activa diaria (DAP) como un usuario registrado y conectado de Facebook, Instagram, Messenger y/o WhatsApp (colectivamente, nuestra "Familia" de productos) que visitó al menos uno de estos productos de la Familia a través de un aplicación de dispositivo móvil o utilizando un navegador web o móvil en un día determinado.

Los números de DAP no incluyen a los usuarios de nuestros otros productos, a menos que califiquen como DAP en función de sus otras actividades en nuestros productos de la familia.

No requerimos que las personas usen un identificador común o vinculen sus cuentas para usar múltiples productos en nuestra Familia y, por lo tanto, debemos buscar atribuir múltiples cuentas de usuario dentro y entre productos a personas individuales. Nuestros cálculos de DAP se basan en técnicas complejas, algoritmos y modelos de aprendizaje automático que buscan estimar la cantidad subyacente de personas únicas que usan uno o más de estos productos, incluso mediante la comparación de cuentas de usuario dentro de un producto individual y en múltiples productos cuando crea que son atribuibles a una sola persona, y contando dicho grupo de cuentas como una sola persona. Dado que estas

técnicas y modelos requieren un juicio significativo, se desarrollan en base a revisiones internas de muestras limitadas de cuentas de usuarios y se calibran con datos de encuestas de usuarios. necesariamente hay algún margen de error en nuestras estimaciones. Vemos DA P y DAP como un porcentaje de MAP, como medidas de compromiso en todos nuestros productos. Para obtener información adicional, consulte "Limitaciones de métricas clave y otros datos" que se encuentra en el Apéndice de esta presentación. En el primer trimestre de 2021, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y

estimamos que dicha actualización contribuyó con un total de aproximadamente 60 millones de DAP a nuestro DAP mundial informado en marzo de 2021. En el tercer trimestre de 2022, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 30 millones de DAP a nuestro DAP mundial informado en septiembre de 2022. Vemos DA P y DAP como un porcentaje de MAP, como medidas de compromiso en todos nuestros productos. Para obtener información adicional, consulte "Limitaciones de métricas clave y otros datos" que se

encuentra en el Apéndice de esta presentación. En el primer trimestre de 2021, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 60 millones de DAP a nuestro DAP mundial informado en marzo de 2021. En el tercer trimestre de 2022, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 30 millones de DAP a nuestro DAP mundial informado en

septiembre de 2022. Vemos DA P y DAP como un porcentaje de MAP, como medidas de compromiso en todos nuestros productos. Para obtener información adicional, consulte "Limitaciones de métricas clave y otros datos" que se encuentra en el Apéndice de esta presentación. En el primer trimestre de 2021, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 60 millones de DAP a nuestro DAP mundial informado en marzo de 2021. En el tercer trimestre de 2022, actualizamos nuestros cálculos de métricas familiares para

10
mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 30 millones de DAP a nuestro DAP mundial informado en septiembre de 2022. como medidas de participación en nuestros productos. Para obtener información adicional, consulte "Limitaciones de métricas clave y otros datos" que se encuentra en el Apéndice de esta presentación. En el primer trimestre de 2021, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 60 millones de DAP a nuestro DAP
 Familia Personas Activas Mensuales (MAP)
en miles de millones

3.64 3.65 3.71

3.58 3.59
3.45 3.51
3.21 3.30

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Definimos una persona activa mensual (MAP) como un usuario registrado e iniciado sesión de uno o más productos familiares que visitó al menos uno de estos productos familiares a través de una aplicación de dispositivo móvil o utilizando un navegador web o móvil en los últimos 30 días como de la fecha de medición. Los números de MAP no incluyen a los usuarios de
nuestros otros productos a menos que califiquen como MAP en función de sus otras actividades en nuestros productos de la familia.

No requerimos que las personas usen un identificador común o vinculen sus cuentas para usar múltiples productos en nuestra Familia y, por lo tanto, debemos buscar atribuir múltiples cuentas de usuario dentro y entre productos a personas individuales. Nuestros cálculos de MAP se basan en técnicas complejas, algoritmos y modelos de aprendizaje automático que buscan estimar la cantidad subyacente de personas únicas que usan uno o más de estos productos, incluso mediante la comparación de cuentas de usuario dentro de un producto individual y en múltiples productos cuando crea que son atribuibles a una sola persona, y contando dicho grupo de cuentas como una sola persona. Dado que estas

técnicas y modelos requieren un juicio significativo, se desarrollan en base a revisiones internas de muestras limitadas de cuentas de usuarios y se calibran con datos de encuestas de usuarios. necesariamente hay algún margen de error en nuestras estimaciones. Vemos a MAP como una medida del tamaño de nuestra comunidad global activa de personas que usan nuestros productos. Para obtener información adicional, consulte "Limitaciones de métricas clave y otros datos" que se encuentra en el Apéndice de esta presentación. En el primer trimestre de 2021, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios

recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 70 millones de MAP a nuestro MAP mundial informado en marzo de 2021. En el tercer trimestre de 2022, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 40 millones de MAP a nuestro MAP mundial informado en septiembre de 2022. Vemos a MAP como una medida del tamaño de nuestra comunidad global activa de personas que usan nuestros productos. Para obtener información adicional, consulte "Limitaciones de métricas

clave y otros datos" que se encuentra en el Apéndice de esta presentación. En el primer trimestre de 2021, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 70 millones de MAP a nuestro MAP mundial informado en marzo de 2021. En el tercer trimestre de 2022, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 40 millones de MAP a

nuestro MAP mundial informado en septiembre de 2022. Vemos a MAP como una medida del tamaño de nuestra comunidad global activa de personas que usan nuestros productos. Para obtener información adicional, consulte "Limitaciones de métricas clave y otros datos" que se encuentra en el Apéndice de esta presentación. En el primer trimestre de 2021, actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 70 millones de MAP a nuestro MAP mundial informado en marzo de 2021. En el tercer trimestre de 2022,

actualizamos nuestros cálculos de métricas familiares para mantener la calibración de nuestros modelos con los datos de encuestas de usuarios recientes, y estimamos que dicha actualización contribuyó con un total de aproximadamente 40 millones de MAP a nuestro MAP mundial informado en septiembre de 2022.

11
 Ingreso Promedio Familiar por Persona (ARPP)

$9.39

$8.62
$8.36 $8.18
$7.75 $7.72 $7.91
$7.53

$6.76

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Definimos el ingreso promedio por persona (ARPP) como nuestro ingreso total durante un trimestre determinado, dividido por el promedio de la cantidad de MAP al principio y al final del trimestre. Si bien ARPP incluye todas las fuentes de ingresos, la cantidad de MAP utilizada en este cálculo solo incluye a los usuarios de
nuestros productos de la Familia, como se describe en la definición de MAP en la diapositiva anterior.

12
Usuarios activos diarios de Facebook (DAU)
En millones

1,960 1,968 1,984

1,908 1,930 1,929
1,845 1,878
1,820

622 619 629 631 638

598 613 618
593

744 760 788 805 806 827 836 845

727
Resto del mundo

Asia-Pacífico

305 308 309 307 308 309 307 303 303 Europa

196 195 195 195 196 195 196 197 197 Estados Unidos y Canadá

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

DAU/MAU
3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22
66% 66% 66% 66% 66% 66% 67% 67% 67%

Consulte el informe trimestral o anual más reciente de Meta presentado ante la SEC para conocer las definiciones de la actividad del usuario que se utilizan para determinar el número de nuestras DAU y MAU de Facebook. Los números de DAU y MAU no incluyen a los usuarios de Instagram, WhatsApp o nuestros
otros productos, a menos que califiquen como DAU o MAU, respectivamente, según sus otras actividades en Facebook.

13
Usuarios activos mensuales de Facebook (MAU)
En millones

2,910 2,912 2,936 2,934 2,958

2,853 2,895
2,740 2,797

951 949 945 957 959 971

921 940
906

1,199 1,230 1,265 1,278 1,278 1,297 1,305 1,312

1,166
Resto del mundo

Asia-Pacífico

413 419 423 420 423 427 418 407 408 Europa

255 258 259 259 261 262 263 264 266 Estados Unidos y Canadá

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Consulte el informe trimestral o anual más reciente de Meta presentado ante la SEC para conocer las definiciones de la actividad del usuario que se utilizan para determinar el número de nuestras DAU y MAU de Facebook. Los números de DAU y MAU no incluyen a los usuarios de Instagram, WhatsApp o nuestros
otros productos, a menos que califiquen como DAU o MAU, respectivamente, según sus otras actividades en Facebook.

14
Ingreso promedio de Facebook por usuario (ARPU)
$60.57
$52.34 $49.13
$48.29 $50.25
$19.68
$16.50 $15.64
$15.35 $14.23
$11.57
$10.00 $9.54 $9.82 $9.41

Q3'21 Q4'21 Q1'22 2T'22 Q3'22 Q3'21 Q4'21 Q1'22 2T'22 Q3'22 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Mundial Estados Unidos y Canadá Europa

$4.89
$4.30 $4.47 $4.54 $4.42
$3.14 $3.43 $3.35 $3.21
$3.14

Q3'21 Q4'21 Q1'22 2T'22 Q3'22 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Asia-Pacífico Resto del mundo

Definimos el ARPU como nuestros ingresos totales en una zona geográfica determinada durante un trimestre determinado, dividido por el promedio de la cantidad de MAU en la zona geográfica al principio y al final del trimestre. Si bien ARPU incluye todas las fuentes de ingresos, la cantidad de MAU utilizadas en este
cálculo solo incluye a los usuarios de Facebook y Messenger como se describe en la definición de MAU en la diapositiva anterior.

Nuestros ingresos por ubicación geográfica del usuario se distribuyen geográficamente en función de nuestra estimación de la ubicación geográfica de nuestros usuarios cuando realizan una actividad generadora de ingresos. Esta asignación difiere de nuestros ingresos desglosados por ubicación geográfica en nuestros

estados financieros consolidados condensados, donde los ingresos se distribuyen geográficamente en función de las direcciones de nuestros clientes.

15
Apéndice
Conciliación de flujo de caja libre
En millones

3T'20 Q4'20 Q1'21 2T'21 Q3'21 Q4'21 Q1'22 2T'22 Q3'22

Efectivo neto provisto por las actividades de

$ 9,828 $ 14,040 $ 12,242 $ 13,246 $ 14,091 $ 18,104 $ 14,076 $ 12,197 $ 9,691
explotación

Menos: Compras de propiedad y

3,689 4,613 4,272 4,612 4,313 5,370 5,315 7,528 9,355
equipo, neto

Menos: Pagos de principal por

189 205 151 123 231 172 233 219 163
arrendamientos financieros

Flujo de caja libre $ 5,950 $ 9,222 $ 7,819 $ 8,511 $ 9,547 $ 12,562 $ 8,528 $ 4,450 $ 173

El flujo de caja libre (FCF, por sus siglas en inglés) es una medida financiera no GAAP que tiene limitaciones como herramienta analítica, y no debe considerarla de forma aislada o como sustituto del análisis de otras medidas financieras GAAP, como el efectivo neto proporcionado por las actividades operativas. . FCF no

pretende representar nuestro flujo de efectivo residual disponible para gastos discrecionales. Algunas de las limitaciones de FCF son: (i) FCF no refleja nuestros compromisos contractuales futuros, y (ii) otras compañías en nuestra industria presentan medidas con títulos similares de manera diferente a la nuestra, lo que

limita su utilidad como medidas comparativas.

17
Limitaciones de métricas clave y otros datos
Los números de nuestras métricas clave se calculan utilizando datos internos de la empresa en función de la actividad de las cuentas de los usuarios. Históricamente, hemos informado los números de nuestros usuarios activos diarios (DAU), usuarios
activos mensuales (MAU) e ingresos promedio por usuario (ARPU) (colectivamente, nuestras "métricas de Facebook") en función de la actividad del usuario solo en Facebook y Messenger y no en nuestros otros productos. A partir de nuestra presentación
de ganancias del cuarto trimestre de 2019, también informamos nuestras estimaciones de la cantidad de personas activas diarias (DAP), personas activas mensuales (MAP) e ingresos promedio por persona (ARPP) (colectivamente, nuestras "métricas
familiares"). basado en la actividad de los usuarios que visitaron al menos uno de Facebook, Instagram, Messenger y WhatsApp (colectivamente, nuestra "Familia" de productos) durante el período de medición aplicable. Creemos que nuestras métricas
familiares reflejan mejor el tamaño de nuestra comunidad y el hecho de que muchas personas están usando más de uno de nuestros productos. Como resultado, con el tiempo tenemos la intención de informar nuestras métricas familiares como métricas
clave en lugar de DAU, MAU y ARPU.

Si bien estos números se basan en lo que creemos que son estimaciones razonables de nuestra base de usuarios para el período de medición aplicable, existen desafíos inherentes al medir el uso de nuestros productos en grandes poblaciones
en línea y móviles en todo el mundo. Las metodologías utilizadas para medir estas métricas requieren un juicio significativo y también son susceptibles a errores de algoritmo u otros errores técnicos. Además, buscamos continuamente mejorar
nuestras estimaciones de nuestra base de usuarios, y dichas estimaciones pueden cambiar debido a mejoras o cambios en nuestra metodología. Revisamos regularmente nuestros procesos para calcular estas métricas y, de vez en cuando,
descubrimos imprecisiones en nuestras métricas o hacemos ajustes para mejorar su precisión, lo que puede resultar en ajustes a nuestras métricas históricas. Nuestra capacidad para recalcular nuestras métricas históricas puede verse afectada
por limitaciones de datos u otros factores que nos obligan a aplicar diferentes metodologías para dichos ajustes. Por lo general, no tenemos la intención de actualizar las métricas de la familia divulgadas anteriormente para detectar
inexactitudes o ajustes que se encuentren dentro de los márgenes de error que se describen a continuación.

Además, nuestras estimaciones de métricas familiares y métricas de Facebook diferirán de las estimaciones publicadas por terceros debido a las diferencias en la metodología.

Métricas familiares

Muchas personas en nuestra comunidad tienen cuentas de usuario en más de uno de nuestros productos y algunas personas tienen varias cuentas de usuario dentro de un producto individual. En consecuencia, para nuestras métricas familiares,
no buscamos contar el número total de cuentas de usuario en nuestros productos porque creemos que eso no reflejaría el tamaño real de nuestra comunidad. Más bien, nuestras métricas familiares representan nuestras estimaciones de la
cantidad de personas únicas que usan al menos uno de Facebook, Instagram, Messenger y WhatsApp. No requerimos que las personas usen un identificador común o vinculen sus cuentas para usar múltiples productos en nuestra Familia y, por lo
tanto, debemos buscar atribuir múltiples cuentas de usuario dentro y entre productos a personas individuales. Para calcular estas métricas, nos basamos en técnicas complejas, algoritmos y modelos de aprendizaje automático que buscan contar
a las personas individuales detrás de las cuentas de usuario, incluso haciendo coincidir varias cuentas de usuario dentro de un producto individual y en múltiples productos cuando creemos que son atribuibles a una sola persona, y contando
dicho grupo de cuentas como una sola persona . Estas técnicas y modelos requieren un juicio significativo, están sujetos a datos y otras limitaciones que se analizan a continuación, e inherentemente están sujetos a variaciones e incertidumbres
estadísticas. Estimamos el error potencial en nuestras métricas familiares principalmente en función de los datos de encuestas de usuarios, que también están sujetos a errores. Si bien esperamos que el margen de error de nuestras métricas
familiares varíe de un período a otro, estimamos que dicho margen generalmente será aproximadamente el 3 % de nuestro MAP mundial. A nuestra escala, es muy difícil atribuir múltiples cuentas de usuario dentro y entre productos a personas
individuales, y es posible que el número real de personas únicas que usan nuestros productos varíe significativamente de nuestras estimaciones, potencialmente más allá de nuestros márgenes de error estimados. Como resultado, también es
posible que nuestras métricas familiares indiquen cambios o tendencias en el número de usuarios que no coincidan con los cambios o tendencias reales.

18
Limitaciones de métricas clave y otros datos
Para calcular nuestras estimaciones de Family DAP y MAP, actualmente usamos una serie de modelos de aprendizaje automático que se desarrollan en base a revisiones internas de muestras limitadas de cuentas de usuario y se calibran con datos de encuestas de usuarios. Aplicamos un juicio significativo al diseñar estos modelos y calcular estas estimaciones. Por ejemplo, para hacer coincidir cuentas de usuario dentro de productos individuales y entre múltiples productos, usamos señales

de datos tales como información de dispositivos similares, direcciones IP y nombres de usuario. También calibramos nuestros modelos con datos de encuestas periódicas de usuarios de diferentes tamaños y frecuencias en nuestros productos, que están inherentemente sujetos a errores. El momento y los resultados de tales encuestas de usuarios han contribuido en el pasado, y pueden contribuir en el futuro, a cambios en nuestras métricas familiares informadas de un período a otro.

Además, nuestras limitaciones de datos pueden afectar nuestra comprensión de ciertos detalles de nuestro negocio y aumentar el riesgo de error para nuestras estimaciones de métricas familiares. Nuestras técnicas y modelos se basan en una variedad de señales de datos de diferentes productos, y confiamos en señales de datos más limitadas para algunos productos en comparación con otros. Por ejemplo, como resultado de la visibilidad limitada de los productos cifrados, tenemos

menos señales de datos de las cuentas de usuario de WhatsApp y dependemos principalmente de los números de teléfono y la información del dispositivo para hacer coincidir las cuentas de usuario de WhatsApp con las cuentas de nuestros otros productos. De manera similar, aunque los usuarios de Messenger Kids están incluidos en nuestras métricas familiares, no buscamos hacer coincidir sus cuentas con cuentas en nuestras otras aplicaciones para calcular DAP y MAP. Cualquier

pérdida de acceso a las señales de datos que usamos en nuestro proceso para calcular las métricas familiares, ya sea como resultado de nuestras propias decisiones sobre productos, acciones de navegadores de terceros o plataformas móviles, requisitos normativos o legislativos u otros factores, también pueden afectar la estabilidad o precisión de nuestras métricas familiares informadas, así como nuestra capacidad para informar estos métricas en absoluto. Nuestras estimaciones de

métricas familiares también pueden cambiar a medida que evolucionan nuestras metodologías, incluso a través de la aplicación de nuevas señales de datos o tecnologías, cambios de productos u otras mejoras en nuestras encuestas de usuarios, algoritmos o aprendizaje automático que pueden mejorar nuestra capacidad para hacer coincidir las cuentas dentro de y a través de nuestros productos o de otra manera evaluar la amplia población de nuestros usuarios. Además, dicha evolución

puede permitirnos identificar cuentas infractoras no detectadas previamente (como se define a continuación). las acciones de navegadores de terceros o plataformas móviles, los requisitos reglamentarios o legislativos, u otros factores, también pueden afectar la estabilidad o precisión de nuestras métricas familiares informadas, así como nuestra capacidad para informar estas métricas. Nuestras estimaciones de métricas familiares también pueden cambiar a medida que evolucionan

nuestras metodologías, incluso a través de la aplicación de nuevas señales de datos o tecnologías, cambios de productos u otras mejoras en nuestras encuestas de usuarios, algoritmos o aprendizaje automático que pueden mejorar nuestra capacidad para hacer coincidir las cuentas dentro de y a través de nuestros productos o de otra manera evaluar la amplia población de nuestros usuarios. Además, dicha evolución puede permitirnos identificar cuentas infractoras no detectadas

previamente (como se define a continuación). las acciones de navegadores de terceros o plataformas móviles, los requisitos reglamentarios o legislativos, u otros factores, también pueden afectar la estabilidad o precisión de nuestras métricas familiares informadas, así como nuestra capacidad para informar estas métricas. Nuestras estimaciones de métricas familiares también pueden cambiar a medida que evolucionan nuestras metodologías, incluso a través de la aplicación de nuevas

señales de datos o tecnologías, cambios de productos u otras mejoras en nuestras encuestas de usuarios, algoritmos o aprendizaje automático que pueden mejorar nuestra capacidad para hacer coincidir las cuentas dentro de y a través de nuestros productos o de otra manera evaluar la amplia población de nuestros usuarios. Además, dicha evolución puede permitirnos identificar cuentas infractoras no detectadas previamente (como se define a continuación). también puede afectar la

estabilidad o la precisión de nuestras métricas familiares informadas, así como nuestra capacidad para informar estas métricas. Nuestras estimaciones de métricas familiares también pueden cambiar a medida que evolucionan nuestras metodologías, incluso a través de la aplicación de nuevas señales de datos o tecnologías, cambios de productos u otras mejoras en nuestras encuestas de usuarios, algoritmos o aprendizaje automático que pueden mejorar nuestra capacidad para hacer

coincidir las cuentas dentro de y a través de nuestros productos o de otra manera evaluar la amplia población de nuestros usuarios. Además, dicha evolución puede permitirnos identificar cuentas infractoras no detectadas previamente (como se define a continuación). también puede afectar la estabilidad o la precisión de nuestras métricas familiares informadas, así como nuestra capacidad para informar estas métricas. Nuestras estimaciones de métricas familiares también pueden

cambiar a medida que evolucionan nuestras metodologías, incluso a través de la aplicación de nuevas señales de datos o tecnologías, cambios de productos u otras mejoras en nuestras encuestas de usuarios, algoritmos o aprendizaje automático que pueden mejorar nuestra capacidad para hacer coincidir las cuentas dentro de y a través de nuestros productos o de otra manera evaluar la amplia población de nuestros usuarios. Además, dicha evolución puede permitirnos identificar cuentas infractoras no detectadas previamente (como

Evaluamos regularmente nuestras métricas familiares para estimar el porcentaje de nuestro MAP que consiste únicamente en cuentas "infractoras". Definimos cuentas "infractoras" como cuentas que creemos que están destinadas a ser utilizadas para fines que violan nuestros términos de servicio, incluidos los bots y el spam. En el cuarto trimestre de 2021, estimamos que aproximadamente el 3 % de nuestro MAP mundial consistía únicamente en cuentas infractoras. Tal estimación se

basa en una revisión interna de una muestra limitada de cuentas, y aplicamos un juicio significativo al hacer esta determinación. Por ejemplo, buscamos información de cuentas y comportamientos asociados con las cuentas de Facebook e Instagram que parecen no ser auténticos para los revisores, pero tenemos una visibilidad limitada de la actividad de los usuarios de WhatsApp debido al cifrado. Además, si creemos que una persona individual tiene una o más cuentas infractoras, no

incluimos a dicha persona en nuestra estimación de cuenta infractora siempre que creamos que tiene una cuenta que no constituye una cuenta infractora. De vez en cuando, inhabilitamos ciertas cuentas de usuario, hacemos cambios en los productos o tomamos otras medidas para reducir la cantidad de cuentas infractoras entre nuestros usuarios, lo que también puede reducir nuestras estimaciones de DAP y MAP en un período en particular. Tenemos la intención de divulgar nuestras

estimaciones del porcentaje de nuestro PAM que consiste únicamente en cuentas violatorias anualmente. Las cuentas infractoras son muy difíciles de medir a nuestra escala, y es posible que el número real de cuentas infractoras varíe significativamente de nuestras estimaciones. no incluimos a dicha persona en nuestra estimación de cuenta infractora siempre que creamos que tiene una cuenta que no constituye una cuenta infractora. De vez en cuando, inhabilitamos ciertas cuentas de

usuario, hacemos cambios en los productos o tomamos otras medidas para reducir la cantidad de cuentas infractoras entre nuestros usuarios, lo que también puede reducir nuestras estimaciones de DAP y MAP en un período en particular. Tenemos la intención de divulgar nuestras estimaciones del porcentaje de nuestro PAM que consiste únicamente en cuentas violatorias anualmente. Las cuentas infractoras son muy difíciles de medir a nuestra escala, y es posible que el número real de

cuentas infractoras varíe significativamente de nuestras estimaciones. no incluimos a dicha persona en nuestra estimación de cuenta infractora siempre que creamos que tiene una cuenta que no constituye una cuenta infractora. De vez en cuando, inhabilitamos ciertas cuentas de usuario, hacemos cambios en los productos o tomamos otras medidas para reducir la cantidad de cuentas infractoras entre nuestros usuarios, lo que también puede reducir nuestras estimaciones de DAP y MAP

en un período en particular. Tenemos la intención de divulgar nuestras estimaciones del porcentaje de nuestro PAM que consiste únicamente en cuentas violatorias anualmente. Las cuentas infractoras son muy difíciles de medir a nuestra escala, y es posible que el número real de cuentas infractoras varíe significativamente de nuestras estimaciones. o tomar otras medidas para reducir la cantidad de cuentas infractoras entre nuestros usuarios, lo que también puede reducir nuestras

estimaciones de DAP y MAP en un período en particular. Tenemos la intención de divulgar nuestras estimaciones del porcentaje de nuestro PAM que consiste únicamente en cuentas violatorias anualmente. Las cuentas infractoras son muy difíciles de medir a nuestra escala, y es posible que el número real de cuentas infractoras varíe significativamente de nuestras estimaciones. o tomar otras medidas para reducir la cantidad de cuentas infractoras entre nuestros usuarios, lo que también puede reducir nuestras estimaciones de DAP y M

Los números de Family DAP y MAP discutidos en esta presentación, así como ARPP, no incluyen a los usuarios de nuestros otros productos, a menos que califiquen como DAP o MAP, respectivamente, según sus
otras actividades en nuestros productos Family.

19
Limitaciones de métricas clave y otros datos
Métricas de Facebook

Evaluamos regularmente nuestras métricas de Facebook para estimar la cantidad de cuentas "duplicadas" y "falsas" entre nuestras MAU. Una cuenta duplicada es aquella que un usuario mantiene además de su cuenta principal. Dividimos las
cuentas "falsas" en dos categorías: (1) usuarios: cuentas mal clasificadas, donde los usuarios han creado perfiles personales para una empresa, organización o entidad no humana, como una mascota (estas entidades están permitidas en Facebook
usando una página en lugar de que un perfil personal bajo nuestros términos de servicio); y (2) cuentas violatorias, que representan perfiles de usuario que creemos que están destinados a ser utilizados para fines que violan nuestros términos de
servicio, como bots y spam. Las estimaciones de cuentas duplicadas y falsas se basan en una revisión interna de una muestra limitada de cuentas, y aplicamos un juicio significativo al tomar esta determinación. Por ejemplo, para identificar
cuentas duplicadas usamos señales de datos como direcciones IP idénticas y nombres de usuario similares, y para identificar cuentas falsas buscamos nombres que parezcan falsos u otro comportamiento que parezca no auténtico para los
revisores. Cualquier pérdida de acceso a las señales de datos que utilizamos en este proceso, ya sea como resultado de nuestras propias decisiones sobre productos, acciones de navegadores de terceros o plataformas móviles, requisitos
reglamentarios o legislativos u otros factores, también puede afectar la estabilidad o la precisión. de nuestras estimaciones de cuentas duplicadas y falsas. Nuestras estimaciones también pueden cambiar a medida que evolucionan nuestras
metodologías, incluso a través de la aplicación de nuevas señales de datos o tecnologías o cambios de productos que pueden permitirnos identificar cuentas duplicadas o falsas no detectadas anteriormente y pueden mejorar nuestra capacidad
para evaluar una población más amplia de nuestros usuarios. Las cuentas duplicadas y falsas son muy difíciles de medir a nuestra escala, y es posible que la cantidad real de cuentas duplicadas y falsas varíe significativamente de nuestras
estimaciones.

En el cuarto trimestre de 2021, estimamos que las cuentas duplicadas pueden haber representado aproximadamente el 11 % de nuestras M AU en todo el mundo. Creemos que el porcentaje de cuentas duplicadas es significativamente mayor en
los mercados en desarrollo, como Filipinas y Vietnam, en comparación con los mercados más desarrollados. En el cuarto trimestre de 2021, estimamos que las cuentas falsas pueden haber representado aproximadamente el 5 % de nuestras MAU
en todo el mundo. Nuestra estimación de cuentas falsas puede variar como resultado de picos episódicos en la creación de dichas cuentas, que hemos visto que se originan con mayor frecuencia en países específicos como Indonesia, Nigeria y
Vietnam. De vez en cuando, inhabilitamos ciertas cuentas de usuario, hacemos cambios en los productos o tomamos otras medidas para reducir la cantidad de cuentas duplicadas o falsas entre nuestros usuarios. lo que también puede reducir
nuestras estimaciones de DAU y MAU en un período en particular. Tenemos la intención de divulgar nuestras estimaciones de la cantidad de cuentas duplicadas y falsas entre nuestras MAU anualmente.

Los números de DAU y MAU discutidos en esta presentación, así como el ARPU, no incluyen a los usuarios de Instagram, WhatsApp o nuestros otros productos, a menos que califiquen como DAU o MAU,
respectivamente, según sus otras actividades en Facebook.

Geografía del usuario

Nuestros datos con respecto a la ubicación geográfica de nuestros usuarios se estiman en función de una serie de factores, como la dirección IP del usuario y la ubicación autodivulgada. Es posible que estos factores no siempre reflejen con precisión la
ubicación real del usuario. Por ejemplo, puede parecer que un usuario accede a Facebook desde la ubicación del servidor proxy al que se conecta el usuario en lugar de desde la ubicación real del usuario. Las metodologías utilizadas para medir nuestras
métricas también son susceptibles a errores de algoritmo u otros errores técnicos, y nuestras estimaciones de ingresos por ubicación del usuario e ingresos por dispositivo del usuario también se ven afectadas por estos factores.

20
Meta Presentación de Resultados Q3 2022

inversor.fb.com