Meta представила масштабное обновление систем подбора и ранжирования рекламы в Facebook и Instagram. Новые алгоритмы Andromeda, GEM и GenRecs используют искусственный интеллект для более точного прогнозирования интересов пользователей. По данным компании, усовершенствование рекламных алгоритмов уже обеспечило рост конверсий в Facebook на 15,7%.
Meta обновила алгоритмы рекламы Facebook и Instagram. Иллюстрация: сгенерировано с помощью ИИ / Marketer.ua
28 октября 2026 года Meta раскрыла технические детали обновления рекламной инфраструктуры. Компания развивает модель, в которой значительная часть решений о показе объявлений принимается алгоритмами машинного обучения, а не настройками аудиторий со стороны рекламодателей.
По итогам второго квартала 2026 года усовершенствование систем ранжирования, по оценке Meta, обеспечило на 8,3% больше кликов и на 15,7% больше конверсий в Facebook. Это общие результаты технологических изменений, а не гарантированное повышение эффективности каждой рекламной кампании.
Три технологии, которые меняют рекламные алгоритмы Meta
Обновление охватывает три взаимосвязанные системы, отвечающие за поиск релевантных объявлений, прогнозирование реакции пользователей и окончательный выбор рекламы.
1. Andromeda — более быстрый и точный отбор рекламы
Andromeda работает на первом этапе рекламного аукциона. Она анализирует огромное количество доступных объявлений и отбирает те, которые потенциально в наибольшей степени соответствуют интересам конкретного пользователя.
Благодаря обновленной архитектуре и сотрудничеству с NVIDIA система способна оценивать более миллиарда рекламных объявлений в секунду. Это примерно в 100 раз больше, чем у предыдущей версии 2024 года.
По данным Meta, развитие Andromeda обеспечило рост конверсий в Facebook на 2,4% с 2025 года.
2. GEM — прогнозирование поведения пользователей
GEM — базовая модель машинного обучения, которая помогает рекламным алгоритмам прогнозировать вероятность взаимодействия пользователя с объявлением.
Обновленная система анализирует вдвое более длительную историю активности пользователей, что позволяет точнее определять их интересы. Модель использует данные из различных рекламных сред Meta, в частности Facebook, Instagram и Reels.
Это особенно важно для рекламных кампаний с небольшим количеством конверсий: алгоритмы могут использовать более широкие поведенческие сигналы для прогнозирования результата.
3. GenRecs — понимание содержания рекламных объявлений
GenRecs использует большие языковые модели (LLM) для анализа текстов и изображений рекламы.
Вместо того чтобы ориентироваться исключительно на историю взаимодействий, система определяет содержание объявления: категорию товара, характеристики, стиль и другие признаки.
Например, новую модель кроссовок алгоритм может рекомендовать пользователям, которые ранее интересовались похожими товарами, даже если у этого объявления ещё нет статистики.
Такой подход помогает сократить начальный этап обучения рекламных кампаний, хотя и не устраняет полностью необходимость в тестировании.
Что изменится для рекламодателей
Главная тенденция — постепенное уменьшение роли ручной настройки аудиторий. Алгоритмы Meta всё лучше определяют, кому и какую рекламу показывать, используя поведенческие сигналы и содержание креативов.
Для рекламодателей это означает несколько практических изменений:
- Качество креативов становится все важнее. Алгоритмы анализируют не только статистику объявлений, но и содержание рекламных сообщений, изображений и видео.
- Широкие аудитории получают больше возможностей. Машинное обучение может самостоятельно находить перспективные сегменты без чрезмерной детализации таргетинга.
- Новым объявлениям потенциально легче запуститься. GenRecs использует информацию о похожих товарах и рекламных материалах.
- Роль маркетолога смещается в сторону стратегии. Формирование оффера, креативная концепция, аналитика и оценка рентабельности остаются в сфере ответственности рекламодателя.
При этом Meta отмечает, что обновления применяются автоматически. Рекламодателям не нужно активировать новые функции или изменять настройки кампаний, чтобы получить доступ к усовершенствованным алгоритмам.
Станет ли реклама дешевле?
Повышение точности прогнозирования может улучшить результативность рекламных кампаний, однако не гарантирует снижения стоимости клика или привлечения клиента.
Фактическая эффективность зависит от конкуренции в рекламном аукционе, качества предложения, креативов, целевой страницы и спроса на продукт.
Поэтому рекламодателям следует оценивать не только CTR и CPC, но прежде всего стоимость привлечения клиента (CAC), конверсии и рентабельность рекламных затрат (ROAS).
Вывод
Обновление Meta демонстрирует изменение роли таргетолога: от ручного управления аудиториями к управлению рекламной стратегией, креативами и экономикой кампаний.
Для бизнеса практический вывод прост: вместо постоянного усложнения настроек таргетинга целесообразнее инвестировать в тестирование различных рекламных концепций, качественные данные о конверсиях и анализ реального финансового результата.
Автоматизация может улучшить доставку рекламы нужной аудитории, но не способна компенсировать слабый продукт, неконкурентное предложение или неэффективную бизнес-модель.
