Jak algorytm Meta Ads wybiera reklamy: Andromeda, GEM i GenRecs

Rok temu Meta opisała cztery elementy swojego systemu rankingu reklam. Pod koniec października 2026 opublikowała ciąg dalszy: trzy zmiany w Andromedzie, GEM i GenRecs. Według Mety ulepszenia rankingu dały w II kwartale 2026 o 8,3% więcej kliknięć i o 15,7% więcej konwersji na Facebooku.

Wszystkie trzy zmiany działają już na każdym koncie. Meta pisze, że nie trzeba włączać żadnego ustawienia ani przechodzić na nowy typ kampanii. Efekt zależy jednak od trzech rzeczy: celu, na który optymalizujesz, jakości danych, które przekazujesz (w tym sposobu mierzenia wyników), i tego, ile optymalizacji oddajesz modelom.

Poniżej opisujemy, jak działa każdy z trzech elementów i co z tego wynika dla kreacji, celu kampanii i pomiaru. Liczby pochodzą od Mety. Wnioski praktyczne są nasze i tak je oznaczamy.

Jak Meta wybiera reklamę

Gdy ktoś przewija Facebooka albo Instagrama, system Mety wybiera dla niego reklamę spośród dziesiątek milionów aktywnych. Robi to etapami.

• Selekcja. Andromeda zawęża pulę do krótkiej listy kandydatów dla tej osoby. Według Mety z milionów reklam zostaje kilka tysięcy.
• Ranking. Modele rankingowe przewidują, z jakim prawdopodobieństwem ta osoba kliknie albo dokona konwersji przy każdej reklamie z listy. Te modele uczy GEM, duży model bazowy Mety.
• Rozumienie treści. GenRecs dokłada do systemu opis tego, co jest w reklamie, przygotowany przez model językowy. Dzięki temu system wie, o czym jest reklama, także wtedy, gdy nikt jej jeszcze nie widział.

GenRecs zasila opisem treści reklamy zarówno selekcję, jak i ranking.

Do rankingu trafiają tylko reklamy z krótkiej listy. Dlatego Meta pisze, że lepsza selekcja na starcie przekłada się później na więcej kliknięć i konwersji.

Andromeda: więcej Twoich reklam trafia do selekcji

Andromeda to silnik selekcji reklam, który Meta uruchomiła w 2024 roku. W 2026 roku dostała nową architekturę. Zamiast jednego ogólnego modelu kieruje każdą reklamę do wyspecjalizowanych modeli-ekspertów. Meta pisze, że przez to selekcja ocenia reklamy prawie tak dokładnie jak etap rankingu i ocenia każdą kwalifikującą się reklamę, z szybkością ponad miliarda reklam na sekundę.

Meta opisuje zmianę tak: wcześniej selekcja przeglądała głównie reklamy, które system znał najlepiej. Teraz w tym samym czasie przegląda całą pulę. Dla reklamodawcy oznacza to, że dla każdej osoby system bierze pod uwagę więcej Twoich reklam, wariantów kreacji i produktów.

Wyniki według Mety: od 2025 roku Andromeda dała 2,4% więcej konwersji na Facebooku. W III kwartale 2026 Meta zwiększyła złożoność modelu dziesięciokrotnie bez dodatkowej mocy obliczeniowej. Dało to +1,37% konwersji na Facebooku i +0,24% na Instagram Reels.

Co to znaczy w praktyce (nasza interpretacja). W selekcji oceniane są też reklamy, które system zna słabiej, np. nowsze warianty w zestawie. O tym, czy się wyświetlą, dalej decyduje ranking. Szerszy wybór kreacji i produktów zwiększa szansę, że coś z niego trafi do właściwej osoby.

GEM: model, który uczy pozostałe modele

GEM (Generative Ads Recommendation Model) to model rekomendacji reklam trenowany w skali dużych modeli językowych. Gdy Meta opisywała go w 2025 roku, działał na Feedzie Facebooka i na Instagramie. Dziś jest modelem bazowym rekomendacji reklam na Facebooku, Instagramie i w Reels oraz dla konwersji poza aplikacjami Mety. Obsługuje wszystkie główne cele kampanii, od konwersji na stronie po instalacje aplikacji.

GEM przekazuje to, czego się nauczył, mniejszym modelom, które w czasie rzeczywistym ustalają ranking na każdej powierzchni i dla każdego celu. Ulepszenie GEM trafia więc na wszystkie powierzchnie naraz. Nowa wersja analizuje dwa razy dłuższą historię interakcji użytkownika z reklamami, a sam model jest 2,5 raza bardziej złożony.

Dla reklamodawcy najważniejsze jest jedno zdanie z ogłoszenia. Kampanie z małą liczbą konwersji korzystają z tego, czego GEM nauczył się na danych o kliknięciach z innych kampanii. Meta pisze, że zyskują na tym reklamodawcy, którzy optymalizują na zdarzenia głęboko w lejku, np. zakup.

Wyniki według Mety: od 2025 roku GEM dał do 18,9% więcej konwersji i 12% wyższy CTR na powierzchniach i celach Mety. W wybranych grupach użytkowników dał +5,8% konwersji na Facebooku, +4,1% na Instagramie i +1,6% w konwersjach poza Metą.

GenRecs: model językowy czyta Twoją reklamę

GenRecs (Generative Recommender) dokłada do systemu rekomendacji duże modele językowe z wiedzą o świecie i o reklamach. Taki model analizuje jednocześnie treść reklamy i preferencje użytkownika.

Pierwszy element to tokenizacja. Model językowy czyta tekst i obrazy każdej reklamy i opisuje ją zestawem tokenów semantycznych, czyli znaczników najważniejszych cech. Meta podaje przykłady: marka produktu, kolor, krój i styl. Tokeny tworzą wspólny słownik całego systemu. Dzięki niemu nowa reklama bez historii wyświetleń od razu ląduje obok podobnych reklam i produktów, o których system wie dużo.

Drugi element to selekcja generatywna. Dla konkretnej osoby GenRecs określa w tych samych tokenach, jak wyglądałaby idealna dla niej reklama. Potem szuka najbliższych reklam dostępnych w systemie. Ten mechanizm wzmacnia Andromedę na etapie selekcji.

Meta wymienia dwa skutki dla reklamodawcy:

• Nowe reklamy, odświeżone kreacje i nowe produkty szybciej zaczynają działać, bo system rozumie je przez podobieństwo do tego, co już zna.
• System może dotrzeć do osoby, która szuka tego, co sprzedajesz, nawet jeśli nic w jej dotychczasowych kliknięciach nie przypomina Twojej reklamy.

Wyniki według Mety: w III kwartale 2026 selekcja generatywna na Feedzie Facebooka dała prawie 2% więcej konwersji w wybranych segmentach. Sama tokenizacja, w połączeniu z GEM i modelem Adaptive Ranking, dała +0,35% konwersji na wszystkich powierzchniach.

Liczby podane przez Metę i jak je czytać

Wszystkie liczby pochodzą z ogłoszenia Mety i nie mają opisu metodologii. Część to wartości „do”, część dotyczy wybranych segmentów użytkowników. Traktuj je jako opis kierunku zmian w systemie. Wynik Twojego konta zależy od celu, danych i kreacji.

Tych procentów nie da się sumować, bo dotyczą różnych okresów, powierzchni i grup. Stan danych: październik 2026. Tabelę aktualizujemy, gdy Meta poda nowe liczby. Ile te zmiany dają na Twoim koncie, sprawdzisz tylko testem inkrementalności (więcej w części o pomiarze).

Co zmienić w kreacjach

Meta nie daje w ogłoszeniu zaleceń kreatywnych. Poniższe wnioski wyprowadzamy z opisu działania GenRecs i Andromedy.

Pokaż produkt i jego cechy tak, żeby dało się je odczytać. Model językowy opisuje reklamę na podstawie tekstu i obrazu. Gdy na kreacji widać produkt, a tekst mówi, co to jest i dla kogo, model ma z czego zbudować opis. Kreacja nastrojowa, z której trudno odczytać, co sprzedajesz, daje mu mniej materiału. W usługach i B2B tę rolę pełni nazwa usługi, problem klienta i branża, do której mówisz.

Różnicuj warianty tym, co model zapisze w opisie. Tokeny opisują cechy reklamy i produktu. Dwa warianty z tym samym produktem i nagłówkiem napisanym innymi słowami prawdopodobnie dostaną bardzo podobny opis. Inny produkt, inny odbiorca na zdjęciu albo inny problem w nagłówku to różnica, którą model widzi.

Dodawaj nowe kreacje regularnie. Meta pisze, że nowe reklamy i odświeżone kreacje szybciej zaczynają działać, bo system rozumie je przez podobieństwo do reklam, które już zna. Możesz więc odświeżać kreacje częściej, zamiast czekać, aż stara się wypali.

W e-commerce zadbaj o tytuły, opisy i zdjęcia w katalogu. Meta wymienia nowe produkty obok nowych reklam. Reklamy z katalogu biorą tekst i obraz z feedu produktowego, więc to z feedu model buduje opis produktu. To nasza interpretacja, spójna z tym, jak Meta opisuje tokenizację.

Jeśli potrzebujesz więcej różnych kreacji do testów, zobacz, jak robimy kreacje AI i filmy UGC.

Cel optymalizacji i struktura kampanii

Meta zamyka ogłoszenie zdaniem, że system nadal potrzebuje od Ciebie informacji, jak wygląda wygrana w Twoim biznesie. O strukturze kampanii nie pisze nic. Wnioski poniżej są nasze.

Optymalizuj na zdarzenie, które ma wartość dla firmy. Jeśli zarabiasz na sprzedaży online, celem jest zakup. W lead-genie najlepiej sprawdza się kwalifikowany lead, czyli taki, który dział sprzedaży uznał za wartościowy. Do tej pory mała liczba takich zdarzeń była częstym powodem, żeby optymalizować na płytszy cel, np. samo wysłanie formularza. GEM zmniejsza ten problem, bo kampanie z małą liczbą konwersji korzystają z wiedzy zebranej na innych danych. Sprawdź to testem: uruchom obok obecnej kampanii drugą, optymalizowaną na zdarzenie głębiej w lejku, i porównaj koszt pozyskania klienta.

Zostaw modelom miejsce na optymalizację. To trzecia rzecz z listy Mety: ile optymalizacji oddajesz modelom. W praktyce chodzi o szerokie grupy odbiorców albo Advantage+ audience, automatyczne umiejscowienia i mniej zestawów reklam, z których każdy zbiera więcej danych. Wąskie zainteresowania i ręcznie wybrane umiejscowienia zawężają grono osób, dla których Twoja reklama w ogóle może trafić do selekcji.

Dane i pomiar

Druga rzecz z listy Mety to jakość danych, w tym sposób mierzenia wyników. GEM uczy się na sygnałach z całej platformy i obejmuje też konwersje poza aplikacjami Mety. Im pełniejsze dane o konwersjach z Twojej strony i CRM, tym lepiej model wie, kto kupuje.

Co sprawdzamy na koncie klienta:

• Conversions API działa obok piksela, a zdarzenia z obu źródeł są deduplikowane.
• Zdarzenie zakupu przekazuje wartość zamówienia, żeby system mógł optymalizować na przychód.
• W lead-genie wynik kwalifikacji z CRM wraca do Mety jako osobne zdarzenie.

Conversions API wdrażamy najczęściej przez server-side GTM. Jak działa samo Conversions API i jak je skonfigurować, opisujemy w artykule o Meta CAPI. Czy piksel Meta na Twojej stronie wysyła coś więcej niż odsłony, sprawdzisz bezpłatnie w naszym audycie GA4, który przy okazji czyta też zdarzenia piksela.

Pomiar to osobna sprawa. Liczby z ogłoszenia Meta policzyła sama, a raporty w Menedżerze reklam też pokazują atrybucję Mety. Jeśli chcesz wiedzieć, ile sprzedaży kampanie dają ponad to, co i tak by się wydarzyło, potrzebujesz testu inkrementalności z grupą kontrolną, np. Conversion Lift w Meta Ads. Najlepiej zrobić go przed sezonem, w którym wydajesz najwięcej.

Chcesz, żebyśmy sprawdzili Twoje konto pod tym kątem? Zobacz, jak prowadzimy kampanie Meta Ads, albo napisz do nas.