-1.png)
Meta продовжує перебудовувати свою рекламну систему навколо штучного інтелекту. У березні 2026 компанія представила нову систему ранжування реклами — Adaptive Ranking Model, яка вже використовується в Instagram.
Головна ідея — Meta почала використовувати для підбору реклами моделі такого ж масштабу і складності, як сучасні AI-моделі. Це означає, що алгоритми тепер аналізують значно більше сигналів і можуть краще розуміти інтереси та наміри користувачів, що напряму впливає на ефективність реклами.
Adheart — Meta Ads Ad Intelligence Tool, що дозволяє бачити та аналізувати рекламу будь-якого рекламодавця чи конкурента
Це одна з найважливіших змін у рекламних алгоритмах Meta за останні роки, тому що вона змінює сам принцип того, як система обирає, яку рекламу показати користувачу.
Розібралися, що це означає.
Як працює підбір реклами в Meta
Кожного разу, коли користувач відкриває Instagram або Facebook, система повинна дуже швидко вирішити:
- яку рекламу показати,
- у якому порядку,
- від якого рекламодавця,
- з якою ставкою,
І все це — менш ніж за секунду.
Цей процес виглядає приблизно так: користувач заходить у стрічку → система аналізує його поведінку: кліки, покупки, взаємодію з контентом, інтереси → формується список потенційних рекламних оголошень → система ранжує ці оголошення за ймовірністю кліку або конверсії ідбувається аукціон → показується реклама.
Adheart.png)
Саме етап ранжування реклами і був повністю перебудований у новій системі Adaptive Ranking Model.
Чому Meta довелося змінювати систему
Meta пише, що вони зіткнулися з фундаментальною проблемою, яку вони називають inference trilemma — трикутник компромісу між складністю моделі, швидкістю відповіді та вартістю обчислень.
Чим складніша модель — тим краще вона розуміє користувача і тим точніше підбирає рекламу. Але чим складніша модель — тим більше обчислень, дорожче інфраструктура і повільніше відповідь.
Для рекламної системи це критично, тому що:
- рекламу потрібно підібрати за частки секунди;
- система працює для мільярдів користувачів;
- і обчислення не можуть коштувати занадто дорого, інакше реклама стане нерентабельною.
Тому Meta потрібно було знайти спосіб використовувати дуже складні моделі, але без втрати швидкості і без різкого росту вартості інфраструктури.
Що таке Adaptive Ranking Model
Adaptive Ranking Model — це система, яка вирішує цю проблему.
Головна ідея — відмовитися від підходу «одна модель для всіх» і використовувати різні моделі залежно від ситуації.
Раніше система використовувала приблизно однакову модель для всіх запитів. Тепер Meta використовує динамічний роутинг запитів — тобто система вирішує, яку саме модель використати для кожного конкретного користувача і кожної конкретної ситуації.
Система аналізує контекст запиту: поведінку користувача, складність ситуації, кількість сигналів, ймовірність конверсії — і вирішує, яку саме модель використати, простішу або складнішу.
Це називається intelligent request routing — розумне маршрутизування запитів.
Простими словами, система автоматично обирає оптимальний варіант:
- якщо ситуація проста — використовується легша і швидша модель;
- якщо ситуація складна — використовується більш складна і точна модель;
Таким чином Meta може використовувати LLM-рівень складності моделей, але не запускати їх для кожного запиту, а тільки там, де це дійсно потрібно.
Adheart.png)
Це дозволяє одночасно:
- покращити точність підбору реклами,
- зберегти швидкість,
- і не збільшувати сильно витрати на обчислення.
Перехід до LLM-scale моделей
Головна новина 2026 року — Meta змогла масштабувати систему рекомендації реклами до LLM-scale & complexity.
Тобто тепер моделі ранжування реклами:
- мають значно більше параметрів,
- використовують довші послідовності поведінки користувача,
- краще розуміють інтереси та наміри,
- можуть працювати з дуже великою кількістю сигналів.
При цьому система все ще працює в реальному часі і підбирає рекламу за частки секунди.
Meta пише, що їх система може працювати з моделями масштабу трильйонів параметрів, що раніше було неможливо для систем рекомендацій у реальному часі.
Три ключові технологічні зміни
Meta описує три основні напрямки, які дозволили це зробити.
1. Inference-efficient model scaling
Система перейшла до request-centric architecture — тепер складні обчислення робляться один раз на запит користувача, а не окремо для кожної реклами.
Раніше система обчислювала сигнали для кожної пари «користувач — реклама». Тепер складні сигнали користувача обчислюються один раз і використовуються для всіх рекламних кандидатів.
Це значно зменшило кількість обчислень.
2. Model / System Co-Design
Meta почала розробляти моделі разом з інфраструктурою та апаратним забезпеченням.
Тобто архітектура моделі, GPU, пам’ять, інфраструктура тепер проєктуються як одна система. Це дозволяє використовувати ресурси набагато ефективніше і запускати дуже великі моделі швидше.
3. Нова інфраструктура для моделей дуже великого масштабу
Meta створила інфраструктуру, яка дозволяє:
- розподіляти моделі між кількома GPU,
- працювати з дуже великими embedding-таблицями,
- масштабувати моделі до трильйонів параметрів,
- автоматично масштабувати інфраструктуру під навантаження.
Це фактично нова інфраструктура для AI-систем Meta.
Який результат це дало
За даними Meta, після запуску Adaptive Ranking Model в Instagram у Q4 2025:
- +3% до конверсій реклами
- +5% до CTR
На рівні Meta це дуже великі цифри, тому що навіть 1% зміни в рекламній системі — це мільярди доларів.
Adheart — Meta Ads Ad Intelligence Tool, що дозволяє бачити та аналізувати рекламу будь-якого рекламодавця чи конкурента
Що це означає для рекламодавців і медіабаєрів
Головний висновок — алгоритми реклами стають все більш складними і все більше переходять від таргетингу до поведінкових сигналів і креативів.
Тобто Meta поступово рухається від моделі таргетинг → аудиторії → інтереси до моделі поведінка користувача → сигнали → алгоритм → креатив.
Кілька важливих трендів:
- алгоритми краще розуміють наміри користувача, а не просто інтереси;
- система сама вирішує, кому показувати рекламу — ручний таргетинг стає менш важливим;
- дані поведінки (кліки, перегляди, взаємодія) стають важливішими за інтереси;
- креатив і офер стають ключовими факторами успіху реклами;
- алгоритм все більше сам оптимізує рекламу без ручного управління.
Meta рухається до системи, де рекламодавець:
- завантажує креативи,
- задає бюджет,
- задає подію оптимізації,
- а все інше робить алгоритм.
Тому в рекламі Meta стає все важливішими стають креатив, офер, поведінкові сигнали, дані конверсій, оптимізація під події, якість трафіку, і все менш важливо детальний таргетинг, ручні аудиторії, інтереси.
Adheart.png)
Висновок
Adaptive Ranking Model — це фактично нове покоління рекламної системи Meta.
Meta починає використовувати LLM-рівень моделей не тільки для чатів і AI-асистентів, а й для підбору реклами, ранжування контенту, рекомендацій та персоналізації стрічки.
І це означає, що реклама в Meta буде ставати:
- більш персоналізованою,
- більш залежною від поведінки користувача,
- більш залежною від креативів,
- і ще більше керованою алгоритмами, а не налаштуваннями таргетингу.
Для рекламодавців це означає одне: розуміння алгоритмів і робота з креативами стають важливішими, ніж ручні налаштування аудиторій.
У таких умовах, коли алгоритми Meta стають усе складнішими і все більше працюють на основі поведінкових сигналів і креативів, рекламодавцям важливо розуміти, які саме креативи і підходи зараз працюють у різних нішах і GEO.
Саме для цього і використовують Adheart — сервіс аналізу реклами в Meta Ads, який дозволяє знаходити рекламу конкурентів, дивитися, які креативи працюють довго, аналізувати воронки, офери та підходи до реклами в різних країнах. Коли алгоритм стає розумнішим, головна перевага рекламодавця — це не таргетинг, а креативи, офери та розуміння ринку.
Adheart — Meta Ads Ad Intelligence Tool, що дозволяє бачити та аналізувати рекламу будь-якого рекламодавця чи конкурента