A Meta hirdetési ökoszisztémájának legutóbbi bejelentése az Apple iOS 14.5 óta a legjelentősebb infrastrukturális átalakítást hozta el. Az Andromeda és a Gem rendszerek bevezetése nem csupán egyszerű frissítés a hirdetéskezelőben, hanem a Meta technológiai válasza a gépi tanulás és az adatvédelem központú világ kihívásaira. Ez a váltás megerősíti azt a trendet, ami szerint a Facebook és Instagram hirdetések technikai részletei végleg az algoritmusok hatáskörébe kerülnek, miközben a marketingesek feladata a minőségi adatszolgáltatás és a kreatív stratégia lesz.
Andromeda, a hirdetés-előszűrés új generációja
Az Andromeda a Meta hirdetéskiszolgáló motorjának központi agyaként működik. A korábbi rendszer a hirdetések előszűrését (retrieval) egymástól izolált modell-fázisokra és szabályalapú heurisztikákra bízta, ami korlátozta a személyre szabás mélységét. Az Andromeda ezt az elaprózott logikát váltja fel egyetlen, egységes deep learning modellel, amely végponttól végpontig optimalizálva dolgozik. A Meta az Andromeda prototípusait már 2024 elején elkezdte tesztelni belső környezetben, majd 2024 második negyedévében indult el a fokozatos élesítés a hirdetési fiókokban. A teljes globális kiterjesztés 2025 áprilisára fejeződött be, így tavaly nyár óta már minden hirdető ezen az új infrastruktúrán keresztül éri el a közönségét.
Ez a megoldás azért jelent szintlépést a performance marketingben, mert az Andromeda a korábbi modellekhez képest nagyságrendekkel több paramétert és összefüggést képes egyszerre feldolgozni. A rendszer sokkal precízebben látja a kapcsolatot a felhasználói viselkedés és a hirdetési elemek között, aminek köszönhetően a konverziós valószínűség becslése még pontosabbá válik.
A modell már nem csupán az azonnali kattintást vagy vásárlást figyeli, hanem képes a hosszú távú vásárlói érték becslésére is. Azokat a felhasználókat részesíti előnyben, akik hosszú távon is értékes ügyfelei lehetnek a márkának. Ez a gyakorlatban azt jelenti, hogy a rendszer egyre inkább a hirdetés kreatív tartalma alapján dönti el, kinek releváns az adott reklám, ezzel a kreatívot a legfontosabb célzási eszközzé emelve.
A Meta kommunikációja szerint az Andromeda egyik további előnye, hogy kevesebb egyéni felhasználói adatból is képes globális mintázatokat azonosítani, ami elvileg fenntartja a célzás hatékonyságát a szigorodó adatvédelmi környezetben is. Ezt az ígéretet érdemes óvatosan kezelni, ugyanis a rendszer hatékonysága továbbra is nagymértékben függ a kapott adatok minőségétől, és független mérések egyelőre nem támasztják alá, hogy az AI valóban teljes mértékben kompenzálni tudja a csökkenő adatmennyiséget.
GEM, a hirdetésajánlás új alapmodellje
Amíg az Andromeda az előszűrésért (retrieval) felel, a GEM a rangsorolás (ranking) szintjén dolgozik. Ez a Meta legfejlettebb ajánlórendszer-modellje, amely LLM-méretű architektúrán tanulva dönti el, melyik hirdetés a legrelevánsabb egy adott felhasználó számára. A Gem modell bevezetése 2025 második negyedévében kezdődött meg, a Meta mérnöki csapata pedig 2025 novemberében hozta nyilvánosságra az első hivatalos adatokat a rendszer teljesítményéről. A cég belső mérései alapján a Gem bevezetése után az Instagram felületén átlagosan 5 százalékkal, míg a Facebook hírfolyamban 3 százalékkal emelkedett a konverziók száma a korábbi modellekhez képest.
Advantage+ Creative: A generatív kreatívgyártás
Fontos, hogy a GEM nem egyenlő a kreatívok automatikus generálásával. Ezt a feladatot az Advantage+ Creative eszközök végzik, amelyek a GEM és az Andromeda által biztosított intelligenciára épülnek. Az Advantage+ Creative dinamikusan hoz létre új elemeket, így képes meglévő statikus képekből videókat animálni vagy a felhasználó vizuális preferenciáihoz illeszkedő új háttereket generálni. A rendszer automatikusan illeszt szöveges feliratokat és gombokat a vizuális tartalomra, miközben folyamatosan teszteli a legjobb átkattintási arányt hozó kombinációkat.
Ez a fajta kreatív automatizálás ugyanakkor nem minden hirdető számára jelent egyformán egyszerű átállást. A szigorú arculati kézikönyvvel rendelkező nagyvállalatok esetében az automatikusan generált háttércsere, szövegillesztés vagy videóanimáció könnyen kiléphet a brand book kereteiből. Ezeknek a márkáknak idővel meg kell találniuk az egyensúlyt: vagy rugalmasabbá teszik az arculati előírásaikat, hogy az algoritmus hatékonyabban tesztelhessen, vagy olyan belső jóváhagyási folyamatokat alakítanak ki, amelyek gyorsan szűrik a generált variációkat anélkül, hogy a tesztelés sebességét feláldoznák.
Hogyan változik meg a marketing a gyakorlatban?
A technológia fejlődése nem teszi feleslegessé a szakembert, de alapjaiban írja át a sikeres kampány receptjét. A marketing fókusza a manuális beállításokról a stratégiai bemeneti adatok felé tolódik el.
A jó eredményekért a jövőben az alábbi területeken kell szintet lépni:
Adatminőség és visszacsatolás
Mivel az Andromeda gépi tanulásra épül, a rendszer pontossága a kapott adatoktól függ. A hirdetőknek biztosítaniuk kell a felhasználói hozzájáruláson (consent) alapuló, pontos adatfolyamot. Ennek egyik legfontosabb eszköze a Conversions API (CAPI) és az offline konverziók visszaküldése. Fontos hangsúlyozni, hogy a CAPI etikus használata nem az adatvédelmi beállítások (például a reklámblokkolók) megkerülését célozza, hanem a már meglévő, engedélyezett adatok megbízhatóbb és teljesebb körű eljuttatását a Meta rendszerei felé. Minél tisztább és mélyebb adatokat kap a modell a tényleges, hozzájárulással rendelkező vásárlókról, annál hatékonyabban tudja megtalálni a hasonló profilú, releváns felhasználókat.
Kreatív, mint stratégiai célzóeszköz
A célzás technikai része megszűnik létezni abban a formában, ahogy eddig ismertük. Ma már a kreatív tartalom határozza meg, hogy kit ér el a hirdetés, vagyis az algoritmus a vizuális elemek és a szöveg alapján dönti el, melyik felhasználónak releváns az adott reklám. A szakemberek feladata a diverzifikált kreatív stratégia kialakítása, ahol különböző vizuális irányokat és üzeneteket adnak az AI számára. Az algoritmus ezekből az alapanyagokból építi fel a releváns hirdetést, de a koncepciót és a márkához illeszkedő irányokat továbbra is az embernek kell megadnia.
Ez a mechanizmus azonban kétélű fegyver. Az algoritmus az elköteleződést keresi, de nem mindig tud különbséget tenni a releváns érdeklődés és a felszínes interakció között. Egy humoros, széles közönségnek szóló meme-kreatív például rengeteg lájkot és hozzászólást generálhat, amire a rendszer a hirdetés fokozott terjesztésével reagál. Az eredmény könnyen az lesz, hogy a kampány egy vásárlási szándékkal nem rendelkező közönséget ér el, miközben a szakmailag pontosabb, de kevesebb interakciót kiváltó kreatívokat elnyomja. A marketinges feladata tehát nem csupán a kreatívok diverzifikálása, hanem annak folyamatos vizsgálata is, hogy az elért elköteleződés valódi üzleti eredményekkel párosul-e.
Az inkrementalitás mérése
Mivel a rendszerek egyre zártabbak és automatizáltabbak, a hagyományos attribúció könnyen félrevezethet. A marketingeseknek meg kell tanulniuk az inkrementalitást mérni, vagyis azt, hogy a hirdetések ténylegesen mennyi plusz bevételt hoztak ahhoz képest, mintha egyáltalán nem futottak volna kampányok. Ilyen módszer például egy lift-teszt (geo-based split test), ahol az egyik, földrajzilag elhatárolt régióban fut a kampány, a másikban pedig nem, és a két régió átlaghoz feletti eladásait hasonlítjuk össze.
A manuális mikro-menedzselés helyett a fókusz végleg az üzleti stratégiára, a minőségi tartalomgyártásra és a rendszerszintű adatintegritásra helyeződik át. Azok a hirdetők lesznek sikeresek, akik nem az algoritmus ellen dolgoznak, hanem megtanulják a legpontosabb üzemanyagot biztosítani az Andromeda és a Gem számára.
Szeretnéd tudni, hogyan készítsd fel a Facebook hirdetési fiókodat erre az új korszakra? Kérj tőlünk egy ingyenes auditot!
Gyakori kérdések a GEM és Andromeda rendszerekről
Az Andromeda a hirdetések előszűréséért (retrieval) felelős motor, míg a Gem a rangsorolásért (ranking) felelős, LLM-alapú ajánlórendszer.
Az Andromeda globális bevezetése 2025 áprilisában fejeződött be, a Gem pedig 2025 második negyedévében vált széles körben elérhetővé.
Külön gomb nincs rájuk, ezek a Meta alapvető infrastruktúrájába épültek be. Az Advantage+ kampánytípusok használatával tudod a leginkább kihasználni a képességeiket.
Mert a korábbi, izolált modell-fázisokra és szabályalapú heurisztikákra épülő rendszer helyett egyetlen, végponttól végpontig optimalizált deep learning modellként működik, amely sokkal mélyebb személyre szabást tesz lehetővé.
A Meta 2025 novemberi, saját belső méréseken alapuló adatai szerint az Instagramon átlagosan 5, a Facebookon pedig 3 százalékkal emelkedett a konverziók száma a bevezetés hatására.
A Meta szerint az Andromeda úgy lett tervezve, hogy kevesebb egyéni adatból is felismerjen mintázatokat, ami segíthet fenntartani a célzás hatékonyságát a szigorodó adatvédelmi környezetben. Ezt az állítást független vizsgálatok egyelőre nem erősítették meg.
Bár a manuális opciók egy része még elérhető, a Meta folyamatosan vezeti ki ezeket, és az AI alapú megoldásokat részesíti előnyben a hirdetési aukciók során.
Azt jelenti, hogy az algoritmus a hirdetés vizuális elemei és szövege alapján dönti el, kinek mutatja meg a reklámot, nem csupán a marketinges által megadott demográfiai adatok alapján. Ez azt is jelenti, hogy ha a kreatív széles, szórakoztató jellegű (például egy mém), az algoritmus szórakozni vágyó, de üzletileg nem feltétlenül releváns közönséget is bevonzhat, még akkor is, ha a célzásban szűk érdeklődési kör van megadva.
Az Advantage+ Creative eszközök képesek statikus képekből videókat készíteni, háttereket cserélni és a szövegeket automatikusan a képre illeszteni a legjobb CTR érdekében. Fontos ugyanakkor, hogy a szigorú arculati kézikönyvvel (brand book) rendelkező márkák esetében az Advantage+ Creative automatikus variációi könnyen ütközhetnek a lefektetett vizuális szabályokkal, ezért ezeknél a hirdetőknél a generált kreatívok felügyelete és szűrése kiemelt feladat marad.
- Auditáld a CAPI implementációdat: Ellenőrizd, hogy minden eseményt helyesen és a felhasználói hozzájárulásnak megfelelően küldesz-e.
- Hozz létre egy kreatív tesztelési tervet: Ne csak egy-egy képet cserélj, hanem legalább 3-5 különböző vizuális koncepciót és üzenetet tesztelj egymás ellen.
- Kezdj el ismerkedni az inkrementalitás mérésével: Olvass utána a Meta saját lift-tesztjeinek vagy a marketing mix modellezésnek.
