Meta Andromeda: як змінилася робота медіабаєра

Ще кілька років тому сильний Facebook-баєр багато в чому продавав уміння керувати самим Ads Manager: сегментувати аудиторії, будувати десятки ad sets, працювати з lookalike, вручну вибирати плейсменти й постійно втручатися в кампанії. У 2026 році значну частину цієї роботи Meta поступово забирає собі.

Andromeda, Advantage+, нові ranking-моделі та генеративні рекламні інструменти рухають Meta Ads до іншої моделі: рекламодавець задає ціль, бюджет, креативи та якісні conversion signals, а система отримує більше свободи вирішувати, кому, де й яке оголошення показати. Це не прибирає медіабаєра з процесу — але змінює те, за що йому платять.

Key Takeaways

Andromeda — не новий тип кампанії, а ML-система Meta для початкового відбору рекламних оголошень із величезного пулу кандидатів.
Advantage+ автоматизує частину роботи з аудиторіями, бюджетами, плейсментами, ставками та креативами.
Meta прямо розвиває рекламну інфраструктуру під значно більшу кількість креативів і автоматизований matching реклами з користувачем.
У 2025–2026 роках Meta додала до рекламного стеку GEM та інші складні AI-моделі, які ще сильніше персоналізують ranking.
Ручний таргетинг не зник повністю, але його роль у багатьох performance-кампаніях зменшується.
Цінність баєра зміщується до креативної стратегії, економіки офера, якості даних, тест-дизайну та правильної діагностики результатів.

Що насправді робить Andromeda

Навколо Andromeda за останній рік з’явилося багато спрощень. Її називають новим алгоритмом таргетингу, причиною швидкого вигорання креативів або системою, яка повністю скасувала аудиторії. Технічно це не зовсім так.

Andromeda працює на retrieval-етапі рекламної системи Meta. Перед показом оголошення платформа має десятки мільйонів потенційних рекламних кандидатів. Retrieval-система повинна швидко скоротити цей масив до кількох тисяч найбільш релевантних варіантів, які потім передаються складнішим ranking-моделям.

До Andromeda Meta сильніше залежала від окремих model stages і rule-based heuristics. Нова архітектура використовує значно складнішу neural network і краще знаходить приховані зв’язки між користувачем, його поведінкою та рекламними пропозиціями.

За даними Meta, Andromeda збільшила model capacity приблизно у 10 000 разів. Під час розгортання компанія зафіксувала +6% до recall retrieval-системи та +8% до якості реклами на окремих сегментах.

Advantage+ забирає ручні налаштування з іншого боку

Якщо Andromeda змінює внутрішню технологію відбору реклами, Advantage+ змінює те, що бачить і контролює сам рекламодавець.

Meta використовує Advantage+ для автоматизації аудиторій, розподілу бюджету, ставок, плейсментів та роботи з рекламними креативами. У результаті частина рішень, для яких раніше баєр створював окремі ad sets і вручну задавав правила, тепер приймається delivery-системою.

При цьому ручні controls не зникли повністю. Наприклад, для частини кампаній досі доступні manual placements, а Custom Audiences, exclusions та інші обмеження залишаються потрібними в конкретних сценаріях.

Але загальний напрямок очевидний: Meta робить автоматичну модель стандартною, а ручне втручання — інструментом для випадків, де рекламодавцю справді потрібно обмежити систему.

Стара професія баєра будувалася навколо контролю

Раніше значна частина експертизи в Meta Ads була пов’язана зі структурою кампанії. Яку аудиторію винести в окремий ad set, який вік відсікти, як побудувати lookalike, які interests перетнути, де залишити чоловіків або жінок, який плейсмент вимкнути.

Це створювало величезну кількість можливих комбінацій. Відповідно, цінність спеціаліста частково полягала в тому, що він знав, які ручки Ads Manager варто крутити.

Проблема такого підходу — фрагментація даних. Коли одна кампанія розбивається на багато дрібних ad sets, кожен із них отримує менше conversion signals, а системі потрібно окремо навчатися на кожній структурі.

Автоматизація Meta рухається у протилежний бік: більші пули даних, ширший простір для delivery та більше рішень усередині самого алгоритму.

Broad більше не означає «показувати всім підряд»

Через це змінився і сенс broad targeting. Відсутність десятків вручну вибраних interests не означає, що Meta випадково розподіляє покази серед усієї доступної аудиторії.

Навпаки, рекламна система використовує власні сигнали для персоналізації. Andromeda відбирає релевантних рекламних кандидатів, після чого інші ranking-моделі прогнозують цінність конкретного показу для користувача та рекламодавця.

У 2026 році Meta продовжує ускладнювати цю систему. Hierarchical Interest Representation, наприклад, розробляється для кращого зіставлення latent interests користувачів із продуктами та послугами рекламодавців.

Тому broad сьогодні правильніше сприймати не як відсутність таргетингу, а як передачу більшої частини таргетингу моделям Meta.

Після Andromeda з’явився ще й GEM

Andromeda — лише одна частина рекламного AI-стеку Meta. У 2025 році компанія представила Generative Ads Recommendation Model — GEM, foundation model для рекламних рекомендацій, побудовану за принципами, близькими до LLM.

GEM навчається на тисячах GPU та передає отримані закономірності іншим моделям рекламної системи. Meta повідомляла, що після запуску GEM дала 5% приросту рекламних конверсій в Instagram та 3% у Facebook Feed у другому кварталі 2025 року.

Розвиток продовжився і цього року. У серпні 2026-го Meta повідомила, що за 12 місяців збільшила training FLOPs GEM у чотири рази та приблизно вдвічі підвищила end-to-end efficiency її навчання.

Тобто зміна, яку баєр бачить як «Meta сама все більше вирішує», має цілком конкретний технічний фундамент. Компанія вкладається не просто в новий інтерфейс Ads Manager, а в дедалі складніші recommendation models.

Головним важелем стає креатив

Коли рекламодавець віддає системі більше свободи в роботі з аудиторією та delivery, йому потрібно надати алгоритму інші способи знаходити різних користувачів. Один із головних — креатив.

Meta прямо пов’язує розвиток Andromeda зі зростанням кількості рекламних креативів через Advantage+ і генеративний AI. Ще під час першої презентації системи компанія повідомляла, що понад мільйон рекламодавців за один місяць використали GenAI-інструменти Meta для створення понад 15 млн оголошень.

Для алгоритму різні креативні концепції стають додатковим простором для matching. Один меседж може краще працювати з користувачем, який реагує на ціну, інший — із тим, кого цікавить конкретний pain point, третій — із людиною, якій потрібен social proof.

Саме тому creative diversification не дорівнює завантаженню двадцяти майже однакових банерів. UAGEEK уже розбирав роботу креативів після Andromeda: новий колір кнопки або інший CTA можуть бути корисними тестами, але не замінюють принципово нового angle, формату або способу подачі продукту.

Робота баєра зміщується від таргетингу до тест-дизайну

Якщо алгоритм краще вирішує, кому показати рекламу, завдання людини зміщується на рівень вище: що саме система повинна перевірити.

Наприклад, замість п’яти ad sets із різними interest-аудиторіями команда може перевіряти п’ять різних припущень про мотивацію користувача. Це вже не тест налаштування Ads Manager, а тест маркетингової гіпотези.

Хороший баєр у такій системі повинен розуміти, чому тестується конкретний angle, який результат буде доказом його працездатності, скільки даних потрібно для висновку і що змінювати в наступній ітерації.

Кнопок стає менше, але вимоги до інтерпретації результату від цього не знижуються.

Другий великий важіль — якість conversion data

Автоматизація працює настільки добре, наскільки хорошу ціль вона отримує. Якщо кампанія оптимізується під сигнал, який слабко пов’язаний із реальною цінністю для бізнесу, алгоритм може дуже ефективно знаходити саме неправильний результат.

Для leadgen це особливо помітно. Дешевий lead ще не означає якісного клієнта. Якщо Meta бачить тільки форму, але не отримує інформацію про кваліфікацію, продаж або подальшу цінність користувача, delivery оптимізується на неповній картині.

Тому технічна робота з Pixel, Conversions API, CRM та offline events стає частиною performance-стратегії, а не просто задачею інтегратора.

Ба́єр усе менше керує плейсментами вручну

Та сама логіка поступово поширюється на placements. Advantage+ placements дозволяє Meta розподіляти покази між Facebook, Instagram, Messenger та Audience Network залежно від прогнозованого результату.

У 2026 році Meta почала ще сильніше скорочувати частину manual controls. В Ads Manager з’явилися попередження про майбутнє відключення окремих можливостей виключати плейсменти, платформи, типи пристроїв та операційні системи на рівні ad set.

UAGEEK уже писав про скорочення ручного вибору плейсментів. Це добре показує загальний принцип: Meta не просто рекомендує автоматизацію, а поступово перебудовує Ads Manager так, щоб ручних точок втручання ставало менше.

Але «нічого не чіпати» — теж погана стратегія

З усього цього легко зробити неправильний висновок: достатньо запустити broad, увімкнути Advantage+ і більше не відкривати Ads Manager.

Автоматизація не знає економіку бізнесу краще за команду. Вона оптимізується під доступні їй сигнали та задану ціль, але не завжди бачить якість ліда, повернення, апрув, депозит, LTV або інші показники, які знаходяться нижче рекламної конверсії.

Через це роль баєра зміщується від механічного керування delivery до контролю системи. Потрібно помітити, коли дешевший placement приводить гірших користувачів, коли CPA виглядає добре тільки через проблемну атрибуцію або коли новий креатив канібалізує старий замість залучення нової аудиторії.

Що тепер має вміти сильний медіабаєр

Нова модель Meta Ads не робить професію простішою — вона переносить складність з інтерфейсу на прийняття рішень.

Будувати гіпотези. Розуміти не тільки який креатив запустити, а яку поведінку або мотивацію користувача він перевіряє.
Працювати з creative strategy. Розрізняти новий концепт і косметичну варіацію одного оголошення.
Розуміти unit economics. Дивитися далі CTR, CPC і навіть CPA, якщо бізнес заробляє нижче по воронці.
Контролювати сигнали. Розуміти Pixel, CAPI, attribution та передачу якісних conversion events.
Діагностувати, а не смикати налаштування. Відрізняти creative fatigue від проблеми аукціону, офера, лендингу або tracking.
Будувати production loop. Організувати постійний цикл research → concept → production → test → analysis → next iteration.

Meta вже автоматизує навіть аналіз кампаній

У 2026 році автоматизація пішла ще далі. Meta почала підключати AI безпосередньо до аналізу рекламних кампаній: асистент може працювати з performance-даними, знаходити закономірності та пропонувати зміни.

Паралельно компанія розвиває інтерфейси, через які AI-агенти можуть взаємодіяти з рекламними системами. UAGEEK уже розбирав AI-аналіз кампаній Meta: якщо скласти його разом з Advantage+, генерацією креативів та recommendation models, напрямок стає досить очевидним.

Механічна частина професії стискається з обох боків. Алгоритм дедалі більше займається delivery, а AI-інструменти — частиною аналізу та production.

Ба́єр не зникає — зникає цінність уміння просто крутити Ads Manager

Andromeda не зробила таргетинг непотрібним, а Advantage+ не перетворив Meta Ads на кнопку «зробити ROI». Ручні обмеження, сегментація та окремі структури кампаній залишаються корисними там, де для них є конкретна бізнес-причина.

Але сама точка цінності спеціаліста зміщується. Знання, де в Ads Manager знаходиться потрібний чекбокс, поступово дешевшає, тому що частину цих чекбоксів Meta або автоматизує, або взагалі прибирає.

Натомість дорожчає здатність зрозуміти продукт, знайти новий angle, поставити правильний експеримент, передати алгоритму якісні дані та відрізнити реальний performance-сигнал від шуму.

Тому головна зміна останнього року — не «Meta тепер ллє сама». Meta бере на себе дедалі більше операційних рішень. А баєру залишає складнішу частину роботи: вирішувати, що саме варто тестувати, навіщо і чи справді отриманий результат приносить бізнесу гроші.

Підпишись на ҐікNews – будь попереду конкурентів!

Джерела для перевірки

Engineering at Meta. Першоджерело про Andromeda: роль системи на retrieval-етапі, 10 000× збільшення model capacity, +6% recall, +8% ads quality та зв’язок із Advantage+ і зростанням кількості креативів.
Meta Andromeda: Supercharging Advantage+ automation

Engineering at Meta. Технічний опис GEM — foundation model рекламних рекомендацій Meta; містить дані про приріст конверсій після впровадження моделі у Facebook та Instagram.
Meta’s Generative Ads Model (GEM)

Engineering at Meta. Оновлення GEM у 2026 році: Meta збільшила training FLOPs моделі у чотири рази за 12 місяців і підвищила ефективність її навчання.
GEM Training: How Meta Doubled the Efficiency of Its Ads Foundation Model

Engineering at Meta. Дослідження Hierarchical Interest Representation та подальшого розвитку персоналізації Meta Ads на базі latent interests користувачів.
Hierarchical Interest Representation for Meta Ads

Meta for Business. Офіційна документація Advantage+ placements і creative automation на прикладі Reels Ads; підтверджує автоматизований розподіл показів та збереження manual placements для підтримуваних сценаріїв.
Instagram and Facebook Reels Ads

UAGEEK.MEDIA. Детальний розбір Andromeda, creative fatigue та того, чому різноманітність концептів важливіша за просте збільшення кількості файлів.
Скільки живе креатив у Meta Ads після Andromeda

UAGEEK.MEDIA. Матеріал про подальше скорочення manual controls у Meta Ads і зміни ручного вибору плейсментів.
Meta прибирає ручний вибір плейсментів у рекламі

UAGEEK.MEDIA. Розбір AI-аналізу рекламних кампаній та того, як Meta автоматизує не лише delivery, а й частину роботи з performance-даними.
Meta AI навчився аналізувати рекламні кампанії

Andromeda та Advantage+: як змінилася робота медіабаєра в Meta Ads