AdExchanger(미디어, 광고데이터)
Meta 광고 랭킹 개편: LLM 기반 GenRecs와 Andromeda, GEM 업그레이드
한마디로
Meta가 광고를 개별 ID가 아닌 개념으로 이해하는 AI로 바꿔서, 새 광고도 빨리 맞는 사람에게 보여주는 거예요
무슨 내용인가
Meta가 광고 랭킹 시스템 3가지를 한꺼번에 개선했다고 발표했습니다. 하나는 LLM을 기반으로 한 생성형 추천 모델 GenRecs인데요, 광고의 텍스트와 이미지를 읽어 브랜드, 색상, 스타일 같은 속성을 시맨틱 토큰으로 표현해서 새 광고나 새 상품의 콜드 스타트 문제를 줄여줍니다. 리트리벌 시스템 Andromeda는 Nvidia와 협력해 광고 정보를 GPU에 더 많이 두도록 바꿨고, 광고를 전문가 모델로 나눠 보내도록 개선했어요. 랭킹 모델을 학습시키는 파운데이션 모델 GEM은 더 커지고 사용자 이력을 2배 길게 읽습니다. Meta에 따르면 랭킹 개선으로 2분기 Facebook에서 클릭이 8.3%, 전환이 15.7% 늘었고, GEM은 지난해 이후 전환이 약 19% 좋아졌습니다.
에디터 노트 | FactStack
GenRecs의 시맨틱 토큰 방식은 신규 소재와 신규 SKU의 콜드 스타트를 줄여서, 소재를 자주 갈아끼우는 운영에 실질적인 이득이 됩니다. 다만 클릭 8.3%, 전환 15.7% 개선은 Meta가 자체 집계해서 발표한 수치라서, 우리 계정의 증분 효과는 holdout이나 Conversion Lift로 직접 재봐야 해요. 타기팅이 덜 중요해진다는 건 곧 소재 다양성과 1st party 데이터 품질이 성과를 가르는 변수가 된다는 뜻이고, 랭킹이 블랙박스로 더 깊어질수록 어떤 소재와 신호가 효과를 냈는지 광고주가 검증하기는 오히려 어려워집니다.
실무 시사점
Meta 부사장이 타기팅의 중요도가 시간이 갈수록 줄어든다고 직접 밝힌 만큼, 광고주는 오디언스 세분화 작업보다 자동화 기능 활용과 전략 설정에 시간을 쓰는 방향으로 운영을 옮길 필요가 있습니다
태그
용어 풀이
- Meta
- Facebook과 Instagram을 운영하는 글로벌 광고 플랫폼 기업
- GenRecs
- LLM을 이용해 광고를 개념 단위로 이해하고 추천하는 Meta의 생성형 추천 모델
- Andromeda
- 수천만 개 광고 중 후보를 먼저 추려내는 Meta의 광고 리트리벌 시스템
- GEM
- Meta의 다른 랭킹 모델들을 학습시키는 대형 파운데이션 모델
이 기사를 근거로 쓴 FactStack 분석
공유