Meta GEM：广告相关性
Meta GEM（生成式广告推荐模型）基于海量数据集进行训练，并持续实时分析用户行为。其目标是提供及时、情境感知且与用户个人相关的广告。您 可以将其视为 Facebook 内部的 AI 管理员——它可以快速读取整个存档，记住用户搜索了哪些内容、他们在哪里停留以及他们浏览了哪些内容。基于此，它会为每个用户选择最合适的广告。Meta 的目标很明确：最大限度地减少广告跳过，最大限度地提高用户参与度。有趣的是，如果创意效果较差，GEM 甚至可以给予它们第二次机会——前提是它们能够与受众的行为模式产生共鸣。 关键点：您并不一定需要完美无缺的创意。重要的是要与受众的动机和行为保持一致。关注相关性、清晰度和时机。如果效果不佳，很可能是广告没有抓住规律——而不是创意本身质量低劣。
Meta Lattice：跨活动目标的
此前，Meta 使用各自独立的 AI 模型来衡量不同的结果——转化率、应用安装量、Reels 浏览量等等。每个模型都独立运作，依赖各自有限的数据集。Lattice 改变了这一现状。Meta 将所有这些模型整合成一个统一的模型。现在，无论您的广告活动目标是什么，它都会被输入到一个统一的学习系统中。AI 会跨平台、跨格式追踪用户行为，构建用户旅程的全貌。 打个比方：您不再需要几个小型数据库，而是拥有一个互联的系统，可以识别更深层次的行为关联。据 Meta 称，这种架构已使广告效果提升 12%，转化率提升高达 6%。 这对营销人员来说意味着：持续的广告活动收益最大。如果您坚持清晰的方案、结构化的策略和稳定的投放，系统会随着时间的推移不断优化，最终对您有利。Lattice 更看重长期一致性，而非短期实验。
Meta Andromeda：创意匹配
2024年，Meta 部署了 Andromeda 模型——一款基于先进 NVIDIA 芯片运行的模型。此次升级使 Meta 能够使用更先进的算法将广告素材与用户匹配。 简而言之，该系统从理解一般偏好（例如“对运动鞋感兴趣”）发展到识别特定品味（例如“极简主义、白色网眼低帮鞋”）。其结果是，Advantage+ 和 GenAI 等自动化创意工具的广告质量和效率得到了显著提升。这在实践中意味着：
单一的创意素材已远远不够。当算法能够从多种格式、风格和语调中进行选择时，其效果会更佳。信息、视觉效果、角度、情感和结构的变化至关重要。 自动化是您的盟友。利用 Advantage+ 创意素材、动态内容设置，并上传多样化的视觉素材。数据集越广泛，算法的性能就越强。 然而，真正的优势体现在大规模的白帽营销活动中。规模较小或非传统的广告主可能无法从这些模式中获得同样的收益。
