Meta setzt zunehmend auf künstliche Intelligenz, um die Performance seiner Werbeplattformen zu verbessern. Im Mittelpunkt stehen vier neue Technologien, die das Ranking und die Personalisierung von Anzeigen optimieren sollen. Dabei kombiniert Meta hochmoderne Machine-Learning-Ansätze mit effizienterer Infrastruktur, um sowohl Werbetreibenden als auch Nutzern bessere Ergebnisse zu liefern. Erste Testergebnisse zeigen deutliche Verbesserungen bei der Anzeigenqualität und bei Konversionsraten.
Meta GEM: Der Superhirn-Ansatz für präzisere Empfehlungen
Das Generative Ads Recommendation Model, kurz GEM, ist eines der jüngsten KI-Modelle, das Meta entwickelt hat. Trainiert auf Tausenden von GPUs, verarbeitet GEM gigantische Datenmengen innerhalb kürzester Zeit. Ziel ist es, Anzeigen noch passgenauer auf die Interessen und das Verhalten einzelner Nutzer abzustimmen.
GEM analysiert dabei nicht nur das aktuelle Nutzerverhalten, sondern erkennt komplexe Zusammenhänge und Muster in den Aktivitäten der Nutzer. Dadurch werden Anzeigen relevanter und die Wahrscheinlichkeit einer Interaktion steigt. Nach ersten Tests innerhalb von Meta Reels konnte GEM die Anzeigenkonversionen um bis zu 5 % steigern. Mit der breiteren Einführung von GEM in weiteren Meta-Diensten erwartet das Unternehmen zusätzliche Effizienzgewinne.
Kurzfristig Experten benötigt? Hier die passenden Freelancer auf Fiverr
Meta Lattice: Von vielen Einzelmodellen zur umfassenden Plattform
Mit Meta Lattice verfolgt das Unternehmen einen Paradigmenwechsel im Bereich der Anzeigenarchitektur. Während bisher zahlreiche kleinere Modelle für spezifische Werbeziele und Plattformen genutzt wurden, vereint Lattice diese Funktionen in einem einzigen, umfassenden Modell.
Diese Bündelung ermöglicht es, Wissen aus verschiedenen Kampagnenzielen und Nutzeroberflächen zu verallgemeinern und effektiv zu nutzen. Lattice bildet dadurch vollständige Kaufprozesse besser ab und kann subtilere Nutzerabsichten erkennen. Die Resultate sprechen für sich: Seit der Einführung ist die Anzeigenqualität um fast 12 % gestiegen, die Konversionsraten verbesserten sich um bis zu 6 %. Für Meta bedeutet Lattice zudem eine deutliche Effizienzsteigerung bei der Modellpflege und -weiterentwicklung.
Meta Andromeda: Hochleistungsinfrastruktur für tiefere Personalisierung
Hinter dem System Meta Andromeda steht eine neuartige Kombination aus speziell entwickelter Hardware und Software. Die Plattform basiert unter anderem auf dem Meta Training and Inference Accelerator (MTIA) sowie dem NVIDIA Grace Hopper Superchip. Diese Infrastruktur erlaubt eine 10.000-fache Steigerung der Komplexität bei den Modellen für die Anzeigenvorauswahl.
Durch diese enorm gestiegene Rechenkapazität kann Meta deutlich komplexere und feinere Prognosemodelle einsetzen. Dadurch wird nicht nur die Anzeigeauswahl präziser, sondern auch die Auswahl des passenden Creatives aus einer großen Anzahl möglicher Varianten verbessert. Meta berichtet, dass durch Andromeda die Qualität der Anzeigen um 8 % gestiegen ist und insbesondere Automatisierungstools wie Advantage+ sowie kreative GenAI-Werkzeuge von den Fortschritten profitieren.
Sequence Learning: Nutzerinteraktionen besser verstehen
Ein weiterer Innovationsbaustein ist das sogenannte Sequence Learning. Diese Methode des maschinellen Lernens ermöglicht es, nicht nur einzelne Nutzeraktionen zu bewerten, sondern deren Abfolge besser zu verstehen. So kann Meta beispielsweise ableiten, welche Anzeigen sinnvollerweise aufeinander folgen sollten, um den Kaufprozess optimal zu unterstützen.
Früher war es üblich, Nutzern weiterhin Anzeigen für ein Produkt zu zeigen, das sie bereits gekauft hatten. Dank Sequence Learning verschieben sich die Anzeigen nun entlang der tatsächlichen Customer Journey: Nach dem Kauf einer Übernachtung in einem Skigebiet folgen nun Anzeigen für passende Ausrüstung oder Skipässe. Seit Einführung dieser Technik verzeichnete Meta eine Konversionssteigerung um 3 % in ausgewählten Testsegmenten.
