仙女座(Andromeda)算法在近期被很多人关注到是因为据传其模型会影响转化效果，导致成本上升。
说实话，我这边的感知很小，所以压根儿没注意到这个事情。后来聊的人多了，我就收集了一些内外部包括同行的反馈，发现了受影响比较大的群体的两个比较明显的特征：（样本量有限，欢迎补充）
极度依赖精准定向来做转化的用户，就像电商、小说这种
有一部分老素材很能打，素材万年不变的产品类型，现在跑不太动了
（如有其他特征欢迎补充）
结合仙女座(Andromeda)算法的特性，其实也就说得通了
要聊仙女座，我们就不能只聊仙女座，因为它不是孤立的，就像上文提到的，仙女座Andromeda和Lattice，GEM共同构成了 Meta 广告系统 AI 化的底层逻辑，同样的。
因为模型的概念确实复杂，这里再举个简单的例子方便大家理解：
看到这里，想必大家应该能get到前面聊到的为什么成本偏高的现象发生在一些精准定向和老素材跑量的产品类型上了（注，以下内容为作者结合经验与算法官方披露部分的结合推论）
首先，算法的理解单位，从“人群标签”变成“语义行为”
旧逻辑（标签驱动）
以前系统主要靠广告主手动设置定向（兴趣、年龄、地域等）+ 历史点击样本。
你告诉系统要“喜欢穿搭”“18-35岁女性”，它就按标签检索广告。
于是那些懂选标签、懂写“特征词”的投手，就能拿到精准流量。
新逻辑（语义驱动）
但 Andromeda + GEM 的体系下，系统不再依赖这些“标签”。
它直接看用户最近的语义行为，比如：
用户看了某类视频、停留在某图文内容上、上次点击的广告落地页主题
这些信号被转化为向量，在语义空间里与广告素材匹配。
这意味着：
手动定向的重要性在下降；
系统更关注广告内容本身能否与用户语义匹配。
强依赖定向的广告投放方法，在逐渐失灵了。
“老素材不灵了”的深层原因
其实Meta实验室在去年年底就公布过相关内容，其中有提到：“大量的优化和创新来扩展模型复杂性，以实现更好的个性化” 这是我以下推测的主要依据，原文链接附在结尾了
原因1：语义的新鲜度权重上升
Lattice + Andromeda 共同让广告召回更关注“当下的行为意图”，而不是历史CTR。
那些“老素材”虽然历史表现强，但它的语义特征（标题、图像、文案结构）有可能被系统判定为“低信息增量”。
系统觉得你“没提供新信号”，于是优先召回更新鲜、更贴合用户最近兴趣的广告。
原因2：行为路径模型识别出“疲劳”
GEM 模型能判断用户对同类素材的“兴趣衰减曲线”。
比如：同样的小说封面、相似的标题结构、重复的句式（“他没想到那晚…”）会被识别为相似行为序列，
当系统发现这些素材已多次触达用户但无转化，就会自动降权。
以下是大胆预测算法更新后有可能会带来的其他衍生问题
老账户创意复用失效，过去一个爆款素材能跑半年，现在三天就衰退。
兴趣包的逻辑被算法打散
学习期变长、量级不稳定，Andromeda需要更高信号密度来训练（更像大模型训练逻辑）
跨地域、跨语言账户掉量。同样素材，在美国跑得好，换印度/印尼立刻不行，这个目前我这边看还不明显，纯纯预测，因为前面提到的Andromeda基于多模态embedding（语言、语义、视觉），在不同语境下匹配差异极大，所以本地适配做的不好可能会让效果大打折扣
说完了问题，再聊聊机会点吧，毕竟危机与机遇总是伴生的，并且在旧范式注定被新范式取代的前提下，抱怨算法是毫无意义的。
毋庸置疑，新素材的获量能力和潜力会比以前更大。配合 Lattice 的多目标优化，可以同时预测点击、互动和转化等多指标，素材和预算分配会更加科学。
很大一部分新素材、新创意的转化率明显是有上升的；
精细定向的效果相对弱化，而与之相对的则是宽投策略配合系统的智能匹配，ROI 反而更稳定；
长期趋势是整体转化效率更稳健，但单条素材的生命周期会缩短。
其原因在于 GEM 模型能够理解用户行为路径，更精准识别“决策期”的用户，避免重复投放低效素材。同时，这也让高契合度的素材更难被抄袭，产品影响渠道效果，渠道带来的用户反过来又影响产品形态，最后二者生态绑定极深，这也是为什么同样的素材你抄过去效果也不一定好的原因。
创意将成为核心竞争力
阿让今年在中长线工具产品的投放中深有感触：一条真正匹配用户需求的好素材，真的能将整个产品的规模提升一个台阶。
这对于拥有自主的创意能力，并且产运增打通的团队是具有很强的复利效应的，最起码从我的角度来看，后面的卷素材基建，不能再用重复扒素材体力劳动填充。而是要在充分理解产品、挖掘用户核心需求的基础上，通过素材的多元化呈现、来尽可能清晰地告诉系统，你想找的用户，是谁。
如果觉得本篇内容有帮助，请点点下方的赞和推荐，谢谢大家
https://engineering.fb.com/2024/12/02/production-engineering/meta-andromeda-advantage-automation-next-gen-personalized-ads-retrieval-engine/
Meta官方