但从数据上看，这种强烈的反应或许非常合情合理。Meta 目前旗下全球全平台的独立活跃用户高达 34.3 亿，其广告体系仅仅在今年第二季度就创造了 475 亿美元营收（较去年增长 22%），如此体量的Meta，无疑是广告行业发展方向的精准风向标。
多年来，Meta 一直在致力于打造一套广告体系，如今这套体系已十分接近实现全流程自动化，从广告创意概念生成，到确定最终广告触达的目标受众，均能自主完成。其当前的技术能力，足以让大多数广告创意从业者感到焦虑不安。但对广告主而言，情况却恰恰相反。
随着 Meta 持续推出新技术与新功能，当下正是营销人员直面 Meta 如何看待自身与创意从业者、广告代理公司及品牌方关系的绝佳时机。
下文将详细解读 Meta 对自身在广告领域角色的定位，以及品牌方、广告代理公司乃至消费者可采取哪些措施，为即将到来的变化做好更充分的准备。
就在本月早些时间，Meta为其人工智能驱动的广告平台推出了一系列新功能，包括虚拟试穿技术、面向广告主的 AI 生成视频，以及可替代常规 “立即购买” 按钮的「生成式行动召唤call to action」贴纸。但要理解这些新工具的重要性，我们有必要暂时跳出这些最终呈现形式，深入探究支撑 Meta 广告体系的底层技术基础。
过去几年间，Meta 围绕人工智能对其整个广告底层进行了系统性重建。每一项创新都建立在技术发展的基础之上， AI为其平台广告效果的提升带来了复利式改善。 部分品牌在使用 Meta 生成式 AI 广告创意功能后，其产品购买量较采用常规营销活动策略与创意时增长了 18%。
这种将营销工具整合于同一平台的模式，在为广告主减轻运营负担的同时，也加深了他们对 Meta 广告系统的依赖，从而将更多的营销预算留在了平台内，Meta 的目标是尽可能深度融入品牌的整体营销运营流程中。
Meta 副总裁马特・斯坦纳表示，支撑 Meta AI 广告平台的核心技术突破主要有五项。这些突破的核心方向是从实现广告全流程各环节的自动化，到优化从创意生成，再到受众定向，最终到效果评估的过程。其中包括：
「Advantage Plus Shopping Campaigns 」：自动化广告管理工具
以往，广告主需组建庞大团队，持续监控广告、分析电子表格，并手动判断何时增加或减少投放预算，即广告投手团队，而 Meta 于 2022 年推出的「Advantage Plus」功能，借助机器学习模型承担了这些繁重工作，该 AI 会 24 小时不间断监控哪些广告系列与受众表现良好，并自动调整预算分配、优化出价策略，以实现效果最大化。斯坦纳表示：“我认为推动这项功能的核心创新点在于，机器学习模型不会感到疲劳。”
他指出，在苹果公司针对 iPhone 用户推出反追踪政策调整后，这项技术对 Meta 的广告业务起到了关键作用。过去，Meta 能够追踪用户在其平台上看到广告后，是否最终在其他渠道完成购买，而苹果反追踪调整切断了 Meta 获取这类关键信息的途径。为此，Meta 通过「transfer learning」技术，将自身应用数据与广告主提供的「用户访问其网站并完成购买」的自有数据相结合，成功绕过了这一限制。
「Meta Lattice」：完整的广告模型训练体系
「Meta Lattice」是Meta 推出的一项深度机器学习技术，可实现不同 AI 模型之间的知识互通。此前，Meta 用于预测用户不同行为的 AI 模型是相互独立的，例如，一个模型预测哪些用户会点击广告，另一个模型则预测哪些用户会实际完成购买。2023 年推出的「Lattice」借助迁移学习技术，让这些模型能够共享知识。迁移学习的核心逻辑是：一个经训练可完成某项任务的机器学习模型，可被进一步训练以执行第二项任务，且在训练执行第二项任务的过程中，该模型完成第一项任务的性能也会随之提升。
「Generative AI for Ads Creative」：自动化广告设计工具
这套工具最初于 2024 年 5 月推出，能够根据提示词自动生成品牌广告内容的具体修改，涵盖文本、图片背景的调整等，还可从零开始创作全新广告图片。
随后，AI 会对这些内容进行优化，确保其在Meta平台上既具备良好视觉呈现效果，又能实现优异的投放表现，而对广告主而言，该工具大幅提升了广告投放的效率，相比传统人工团队，AI 能更快地测试并分析出消费者对哪些内容有反馈。
人类最擅长的是提出新颖创意。但要想出“购买”或“促销”这类词汇的所有表述，人类并不擅长，而且没人会对做这种事感兴趣。因此，借助机器学习模型将这类工作自动化后，人类可以把时间投入到只有人类才能胜任的事情上，比如构思新创意、深入理解某个广告系列为何能引发用户共鸣等，这些都是目前无法被AI 替代的工作。
Meta 所有广告业务的核心目标，都是在用户最有可能点击的时机，为其匹配到合适品牌的广告。得益于过去一年推出的全新 AI 广告工具，Meta 系统内的可用广告数量激增。2024 年其首批 AI 工具上线后仅一个月，就有超过 100 万广告主使用 Meta 的生成式 AI 工具创建了逾 1500 万条广告。这一现象本质上造成了系统 “拥堵”，使得 Meta 在海量广告中筛选出与特定用户相关的少数广告时，难度加大、速度变慢。
2023 年 12 月，Meta 推出了「Andromeda」，这是对其后端基础设施的重大技术与硬件升级，可为系统带来最高 1 万倍的算力提升。该系统由 Meta 自研的训练与推理加速器及英伟达的 Grace Hopper 超级芯片联合设计，能够支撑 Meta 系统应对因生成式 AI 工具创作广告而产生的海量算力需求。
据Meta官方数据，截至目前，该系统已使 Facebook 移动端动态消息（Feed）与短视频（Reels）的广告转化率提升了 4%。
2024 年4月推出的生成式广告推荐模型（GEM），是一套全新的 AI 模型架构，核心功能是通过预测用户未来行为来决定向其展示哪条广告。正如大型语言模型会通过序列学习预测序列中符合逻辑的下一个内容，GEM 也采用了相同逻辑来实现广告推荐。
不同于仅预测用户是否会点击下一条单一广告，GEM 会追踪用户完整的广告互动与购买历史。这一能力使模型能够识别出：用户可能同时处于多个并行的 “购买行为” 中，并据此调整广告推荐策略。
Meta 表示，在 2024 年第二季度，这些优化已使 Instagram 的广告转化率提升约 5%，Facebook 动态消息与短视频的广告转化率提升 3%。
基于上述几个核心技术方向支撑下所呈现的Meta 广告体系，也代表了未来信息流广告的发展方向，在很大程度上提升广告公司及品牌方广告投流的效率及转化，就像上文提到的，人类最擅长的是提出创意以及使用工具，借助AI将一些耗时繁琐的工作自动化，同时参考AI工具提供的数据模型，让创作者可以把更多时间投入到内容创意上，尤其是对创意内容体系的构建等，或许将是未来广告从业者需要去思考和适应的角色。
