Почему неочевидные связки ловят хороший зацеп, а другие нет: разбираемся в алгоритмах Meta

Привет! Это Uragan Team и сегодня мы не будем говорить о том, как работает аукцион Facebook, потому что об этом уже написано тонна цифровой макулатуры. Лучше обратим внимание на свежий материал от самой Meta и проанализируем эту информацию с точки зрения медиабаера. В целом рекомендуем кушать информацию именно так и сразу примерять на себя. Итак. Давайте ближе к теме. Ниже разберем 4 AI от Meta, от которых зависит — заработаешь ты или сольешь бюджет в молоко. Гоу!

Дисклеймер! Некоторые выводы могут быть спорными, не осуждайте 🙂

Meta GEM — супермозг рекламных рекомендаций

Meta GEM (Generative Ads Recommendation Model) обучена на гигантском количестве данных и способна в реальном времени анализировать поведение пользователей, чтобы показывать им ту рекламу, которая действительно будет уместной и интересной.

Если провести аналогию, что это собственный ИИ-библиотекарь Facebook, который моментально перечитывает всю библиотеку, знает, кто что искал, где задерживался, что смотрел — и подбирает объявление, максимально подходящее к текущему моменту.

Зачем это Meta? Чтобы пользователи не проматывали рекламу, а кликали и взаимодействовали. Система лучше понимает контекст и может даже “вытянуть” слабый креатив, если он попал в точку по интересам.

Какой можем сделать для нас вывод: если у тебя нет идеального креатива, GEM может бустануть тебе открут, если крео хорошо попадает в поведенческий паттерн нужной аудитории. 

Другими словами, можно не нужно делать абстрактные ролики “для всех”, а максимально точно попадать в интересы и мотивации своей ЦА: нужен сторителлинг, понятный месседж и визуал. Да, ты это и так делаешь (или пытаешься), но если нет результатов — значит не попал в поведенческий паттерн/интересы. GEM усиливает рекламу, которая кажется уместной и понятной.

Небольшая наглядная схема работы GEM от Meta

Meta Lattice — единый мозг для всех целей

Раньше Meta использовала множество отдельных AI-моделей для разных задач: одни — под трафик, другие — под конверсии, третьи — под Reels или Feed. Это работало, но каждая модель училась в своей “песочнице”, без обмена знаниями между собой. Теперь это все объединили в одну большую модель.

Теперь не важно, на какую цель ты запускаешь кампанию — трафик, инсталлы, конверсии — все это учитывается в общей системе обучения. Алгоритм видит поведение пользователя в разных точках и строит общее понимание его пути, вне зависимости от формата.

Другими словами: раньше ты имел 10 маленьких библиотек, каждая со своей темой. Теперь у тебя одна огромная библиотека, где все связано — и можно искать любые взаимосвязи между действиями пользователя. Результат — рост качества рекламы на 12%, конверсий до 6% (ну так говорит FB, не мы)

Что это значит для нас? Да ничего. Lattice усиливает кампании, у которых есть стабильная логика и цель. Чем дольше ты льешь в рамках одной стратегии, тем выше шанс, что алгоритм “поймет” твоего юзера и начнет пушить трафик в плюс. Осталось только научится спендить дольше в рамках одной РК, при этом оффер не должен быть нишевым. 

Попытка визуализировать свою хитрую систему со стороны Meta

Meta Andromeda — персональный консьерж по креативам

В 2024 году Meta выкатили Andromeda на суперчипах от NVIDIA, что позволило использовать в 10 000 раз более сложные модели при выборе, какие креативы показывать юзерам.

Проще говоря: если раньше алгоритм знал, что человек “любит обувь”, то теперь он понимает, какие именно кроссовки тебе нравятся. То же с рекламой — алгоритм точно подбирает креатив под вкусы и контекст пользователя. Что это дало Meta? +8% к качеству рекламы и резкий буст эффективности Advantage+ и GenAI-креативов (ну они так говорят опять же, и как бы звучит логично)

А что это значит для нас?

• Одного крео мало. Алгоритм работает эффективнее, когда у него есть выбор. Чем больше разных вариантов креативов — тем выше шанс попасть в интерес пользователя.
• Вариативность — must have. Разные углы, тексты, эмоции, персонажи, локации — все это система миксует и подбирает под каждого.
• Нужно отдавать предпочтение автоматизации. Advantage+ creatives, DCO, ручная нарезка + upload пачек визуалов — все это работает лучше, если есть база для комбинаций.
  

Ну и, конечно, при этом ты льешь белое с огромными бюджетами. Для большинства вебмастеров рекомендации выше — это слив оборотки. 

В общем Andromeda звучит хорошо, но для нас слабо применима

Sequence Learning — как реклама запоминает путь пользователя

Sequence Learning — алгоритм учитывает не только сам факт конверсии, но и все, что было до и после показа рекламы. Он анализирует поведенческую цепочку, чтобы лучше понимать, на каком этапе сейчас пользователь и что ему нужно показать.

То есть если раньше человек бронировал отель в Альпах, то он и продолжал видеть рекламу других отелей. А теперь он увидит рекламу снаряги, ски-пассов и зимней одежды. То есть система думает, как человек, и старается вести его по логичной воронке. Другими словами Meta завезли персонализированный ретаргетинг.

Что это значит для нас? Ничего. Это крутая штука для длинных воронок с возможностью “догонять” юзеров. Условно для алгоритма ценится не только финальный лид, а клики, лайки, регистрации без депа — все теперь учитывается, но нам же важен именно деп!  

Заключение

Meta активно перестраивает рекламную экосистему вокруг ИИ, делая ставку на масштабируемые и умные решения. Новые модели — от GEM до Sequence Learning — при правильной их интерпретации могут дать ощутимый прирост по ключевым метрикам: выше конверсии, точнее таргетинг, лучше пользовательский опыт.

Да, хочется работать по старинке, но все движется к тому, чтобы автоматизировано будет все. Свежие обновы с Advantage+ тому подтверждение. Рекламодатель все меньше вовлечен в “ручную настройку” — все больше делает система. Вывод: понимай, как работает ИИ Meta — и используй это себе в плюс.

На этом у нас все, надеемся вам было интересно! Подписывайтесь на наш Telegram-канал и пишите фидбэк в комментариях ниже, если есть что сказать по теме. Всем профита!