Este audio se genera automáticamente. Por favor, háganos saber si tiene algún comentario.
Meta ha compartido algunos conocimientos nuevos sobre la evolución de sus sistemas de orientación de anuncios y cómo su creciente capacidad de procesamiento de IA está generando mejores resultados para los anunciantes a través de una mejor coincidencia de intereses.
Y los anunciantes se han dado cuenta. Cada vez más socios meta publicitarios han informado de un rendimiento mejorado, y la segmentación por IA ayuda a encontrar clientes que de otro modo habrían pasado por alto.
En su nueva descripción general, Meta proporciona más información sobre cómo funciona su sistema y cómo está impulsando mejoras de rendimiento más amplias en todas las ofertas publicitarias de Meta a través de mejoras continuas.
Como lo explica Meta:
“El Modelo de recomendación de anuncios generativos (GEM) es el modelo básico de anuncios más avanzado de Meta, construido sobre un paradigma inspirado en LLM y entrenado en miles de GPU. Es el modelo básico más grande para sistemas de recomendación (RecSys) en la industria, entrenado a escala de modelos de lenguaje grandes”.
Para ser claros, Meta ha estado utilizando la segmentación automática avanzada para anuncios durante años, con su gran cantidad de datos de interés y participación de la audiencia que le permiten a Meta identificar con mayor precisión los intereses de los usuarios y mostrar anuncios relevantes en consecuencia.
De hecho, antes de que la última ola de herramientas de IA llegara al mercado, Meta ya había estado utilizando este mismo enfoque basado en LLM para la focalización durante muchos años, pero el replanteamiento del procesamiento de datos a escala ya que la “IA” ha cambiado el paradigma sobre cómo se percibe esto.
Esencialmente, Meta solía ser criticado por facilitar la orientación psicográfica, basándose en los datos que tiene sobre sus 3 mil millones de usuarios, incluidas las páginas que les gustan, las personas con las que están conectados, los intereses, los rasgos, etc.
Pero ahora, todo esto no sólo es una práctica aceptable, bajo el lema de “IA”, sino que los datos de Meta también se consideran una gran ventaja. Y con esto en mente, después de soportar todo ese retroceso, puedes ver por qué Zuckerberg está tan interesado en reclamar el título de líder en el espacio de la IA.
Meta dice que su último modelo GEM presenta un avance significativo en sus sistemas de focalización, mediante el uso de “escalado de modelos con arquitectura avanzada, técnicas posteriores a la capacitación para la transferencia de conocimientos e infraestructura de capacitación mejorada para respaldar la escalabilidad”.
“Estas innovaciones aumentan de manera eficiente el rendimiento de los anuncios, permiten compartir conocimientos de manera efectiva en toda la flota de modelos de anuncios y optimizan el uso de miles de GPU para la capacitación. GEM ha impulsado un cambio de paradigma en los anuncios RecSys, transformando el rendimiento de los anuncios en todo el embudo (conocimiento, participación y conversión) a través de la optimización conjunta de los objetivos del usuario y del anunciante.“
En resumen: más personas hacen clic en los anuncios, más clientes de anuncios venden cosas.
En términos de detalles de rendimiento, Meta dice que su sistema actualizado ahora es:
- 4 veces más eficiente a la hora de impulsar mejoras en el rendimiento de los anuncios para una determinada cantidad de datos y cálculos que sus modelos de clasificación de recomendaciones de anuncios originales.
- 2 veces más eficaz en la transferencia de conocimientos, lo que ayuda a optimizar el rendimiento publicitario en general.
- Más rápido y eficaz gracias a una mayor capacidad informática, lo que permite un escalado más eficaz de los resultados de los anuncios.
“GEM está capacitado en contenido publicitario y datos de participación del usuario tanto de anuncios como de interacciones orgánicas. A partir de estos datos, derivamos características que clasificamos en dos grupos: características de secuencia (como el historial de actividad) y características no secuenciales (como atributos de usuario y anuncio, por ejemplo, edad, ubicación, formato de anuncio y representación creativa). Se aplican mecanismos de atención personalizados a cada grupo de forma independiente, al mismo tiempo que permiten el aprendizaje entre funciones. Este diseño mejora la precisión y escala tanto la profundidad como la amplitud de cada bloque de atención, ofreciendo 4 veces la eficiencia de nuestra generación anterior de modelos.“
Por lo tanto, el sistema publicitario de Meta ahora tiene una capacidad más sistemática, lo que le permite procesar más información y encontrar más signos de datos correlacionados, lo que lleva a un mejor rendimiento de los anuncios.
Lo cual también se refleja en los datos de rendimiento.
Meta ha compartido anteriormente que los anunciantes que utilizan sus diversas opciones de orientación de anuncios impulsadas por IA han visto un rendimiento publicitario notablemente mejorado, mientras que también ha revelado planes para eventualmente automatizar todo el proceso de creación de anuncios, utilizando estos sistemas en evolución para esencialmente crear su anuncio, optimizar su orientación y administrar su presupuesto, sin que tenga que hacer nada más que ingresar la URL de su producto.
Esa es la confianza que Meta tiene en sus sistemas publicitarios para impulsar un mejor rendimiento con el tiempo.
El sistema GEM de Meta funciona en conjunto con la arquitectura “Lattice” de Meta y sus modelos “Andrómeda”, los cuales desempeñan su propio papel en la optimización de la orientación de sus anuncios Meta.
- Lattice es lo que Meta llama su “biblioteca de anuncios”, que impulsa la clasificación de los anuncios y garantiza una ubicación óptima para cada campaña.
- Andromeda es el modelo de personalización de Meta, que garantiza la relevancia de los anuncios en función del historial de participación y los intereses de cada usuario.
En combinación, estos sistemas garantizan una mayor relevancia de los anuncios, utilizando la tecnología en constante crecimiento de Meta para aprender más sobre las preferencias de cada usuario y mejorar la orientación en consecuencia.
Lo que, nuevamente, a la escala de Meta, significa procesar una gran cantidad de puntos de datos, lo que puede conducir a resultados publicitarios muy precisos y valiosos.
Quiero decir, en 2015, los informes sugirieron que Facebook ya tenía suficientes datos para inferir prácticamente todo sobre ti, en función de tu actividad en la aplicación.
Esa capacidad ha sido potenciada por los últimos modelos de IA, lo que ha llevado a un mejor rendimiento de los anuncios en todos los ámbitos.
Es interesante considerar la capacidad de Meta a este respecto, y podría valer la pena probar las opciones publicitarias en evolución impulsadas por IA de Meta, a través de Advantage+, para ver qué resultados se obtienen.
