Meta Andromeda 2025

Резюме: краят на тактическия маркетинг и възходът на сигналното инженерство

Защо 90% от съветите в интернет са погрешни

В интернет ще намерите стотици статии за “Andromeda Update”. Повечето повтарят едно и също: “Използвайте broad targeting, качете повече креативи, консолидирайте кампаниите.”

Този съвет не е грешен — той е непълен. А в новата алгоритмична реалност, непълният съвет е по-опасен от липсата на такъв.

През 2025 година дигиталната рекламна индустрия претърпява най-фундаменталната си трансформация от въвеждането на алгоритмичния новинарски поток (News Feed) преди десетилетие. Въвеждането на Andromeda (системата за извличане/retrieval) и GEM (Generative Ads Model – системата за класиране/ranking) бележи края на епохата, в която медийното купуване се основаваше на ръчно управление на аудитории, демографско сегментиране и хипотетични тестове.

Настоящият доклад, базиран на вътрешната документация на Meta Engineering и стратегическите анализи на Prisma Digital, има за цел да деконструира техническата реалност зад тези промени. Основната теза на този труд е, че традиционните съвети за “таргетиране” вече не са просто подоптимални, а активно вредни за ефективността на кампаниите, тъй като противоречат на физическата архитектура на новия хардуер (NVIDIA Grace Hopper Superchips) и математическите принципи на HNSW графите.

В тази нова среда, ролята на рекламодателя се трансформира от “управител на аудитории” в “инженер на сигнали”. Успехът вече не зависи от намирането на правилната настройка в Ads Manager, а от способността да се подават правилни семантични входове (чрез криейтив, анализиран от DINOv2) и валидирани данни за конверсии (чрез CAPI), които да насочват автономните системи на Meta.

Част 1: Какво всъщност е Andromeda

(И защо повечето обяснения са погрешни)

Официална терминология — не маркетингов жаргон

Първо, нека изясним нещо важно: Andromeda” е официално име, потвърдено от Meta Engineering Blog на 2 декември 2024 г. Това не е термин, измислен от маркетингови агенции — това е вътрешното кодово име на Meta за новата система за извличане на реклами (retrieval system).

Същото важи за GEM (Generative Ads Model) — официално обявен през ноември 2025 г. като “най-големият основен модел за рекламни препоръки в индустрията”.

Двустепенната система: Andromeda + GEM

Тук е първата грешка, която повечето статии правят — те третират Andromeda като “цялата система”. Всъщност това е сложен процес, в който двустепенният AI двигател (Andromeda + GEM) захранва финалния аукцион. Ето как изглежда пълният път:

Етап	Система	Функция
1. Извличане	Andromeda	Филтрира милиони реклами до 500-1000 кандидата
2. Класиране	GEM	Оценява кандидатите, предвижда конверсии
3. Аукцион	Auction System	Определя победителя, показва рекламата

Защо това е важно? Защото Andromeda определя кои реклами въобще имат шанс да се покажат. Ако вашата реклама не премине Andromeda филтъра, тя никога няма да достигне до аукцион — независимо колко висок е бюджетът ви.

Хардуерната революция зад промяната (Grace Hopper и MTIA)

Причината “Broad” таргетирането да работи сега, а да не работеше преди 3 години, не е софтуерна, а хардуерна. Meta инвестира милиарди в изграждането на специализирана инфраструктура, и не просто обнови софтуера — те създадоха изцяло нова хардуерна инфраструктура:

• MTIA (Meta Training and Inference Accelerator) — специализиран чип, оптимизиран за рекламни препоръки
• NVIDIA Grace Hopper Superchip — за паралелни изчисления
• Резултат: 10,000x увеличение на сложността на моделите в сравнение с предишната система

GEM: Генеративният модел

Втората част на уравнението е GEM (Generative Ads Model). Стартиран официално в края на 2025 г., GEM представлява преход към “Генеративни” модели, базирани на Transformer архитектура. GEM не просто прогнозира статичен резултат; той моделира последователности (sequences). Той разглежда поведението на потребителя като изречение, където всяко действие е дума, и се опитва да предскаже “следващата дума” (следващото действие).

Тази хардуерна база позволява на Andromeda да сканира цялата потребителска база за милисекунди. Именно затова broad targeting вече работи — системата вече не се нуждае от ръчни филтри, за да намери правилните хора.

Част 2: Физиката на “Go Broad”

(Защо работи и кога НЕ работи)

HNSW архитектура — опростено обяснение

Andromeda използва структура наречена HNSW (Hierarchical Navigable Small World) граф. Представете си го като многослойна карта:

• Горни Слоеве (Магистрали): Тук точките са свързани с дълги връзки. Алгоритъмът може да направи огромен скок от клъстер “Спорт” към клъстер “Технологии” с една стъпка.   

• Долни Слоеве (Квартални Улици): Тук връзките са гъсти и локални за прецизно търсене.

Всяка реклама и всеки потребител са представени като вектор в многоизмерно пространство. Andromeda търси най-близките “съседи” — реклами, които са математически близки до профила на потребителя.

За да разберем защо ръчното таргетиране (напр. “Жени, 25-34, Интерес: Йога”) е вредно в новата система, трябва да разгледаме структурата на данните, която Andromeda използва: Hierarchical Navigable Small World (HNSW) граф.

Проблемът с “Hard Masks” (Ръчните филтри)

Когато рекламодателят зададе ръчно таргетиране, той прилага т.нар. “Hard Mask” върху графа.

1. Прекъсване на Пътищата (Recall Degradation): Ако идеалният клиент е зад “стената” на вашия филтър (напр. е на 35 г., а вие сте сложили лимит 34 г.), алгоритъмът не може да премине през тази връзка. 

2. Латентност и Timeout: Заобикалянето на тези “изкуствени стени” забавя търсенето, което води до по-малко участие в аукциони.

Защо “Broad” е физически оптимално

“Broad” таргетирането премахва всички изкуствени стени. То позволява на HNSW алгоритъма да следва естествения математически градиент – да се спусне по най-стръмния склон към най-близките вектори (потребители), използвайки най-бързите пътища.

Част 3: GEM и сигналното инженерство

3.1 Sequence Modeling

GEM разглежда събитията като поредица. Моделът знае, че потребител, който е гледал 3 видеоклипа за ремонт на дома в последните 24 часа, е в коренно различно състояние на ума от същия потребител седмица по-рано. GEM автоматично оптимизира времето на показване спрямо тази последователност.

3.2 Wukong Архитектурата

GEM използва архитектура, наречена Wukong, специализирана в откриването на сложни взаимодействия (Feature Interactions). Вместо “Мъжете харесват коли”, Wukong открива: “Мъже с iOS + Гледащи видео на звук + Неделя следобед -> Реагират на сини банери.” Ръчното таргетиране не може да постигне тази дълбочина.

КРИТИЧНО: Кога “Go Broad” НЕ работи

Въпреки че Broad таргетирането е математическият идеал за HNSW графа, съществуват пазарни реалности, които създават “изключения”. Това е най-ценната част от анализа на Prisma Digital, тъй като повечето “гурута” пропускат тези нюанси.

Случай 1: B2B High-Ticket & ниска скорост на данните

Проблемът: GEM се нуждае от “Data Velocity” (Скорост на данните) – минимум 50 конверсии на седмица на ad set, за да се калибрира. В B2B сектора, където една сделка е $10,000, а бюджетът е малък, може да имате само 5 конверсии на месец. Провалът на Broad: Без достатъчно данни, GEM остава в постоянен “Learning Phase”. В Broad режим, той ще започне да търси най-евтините конверсии, което води до нискокачествени лийдове. Решението:

• Хибриден подход: Използвайте Interest Targeting (широки B2B категории) или Lookalike (1-5% от клиенти), за да стесните изкуствено търсенето. Това е “патерица” за алгоритъма, докато събере данни.

• Сигнално Обогатяване: Интеграция на CAPI е задължителна, за да връщате данни за качеството на лийдовете, дори да не оптимизирате директно за тях.

Случай 2: Локални услуги (Географски парадокс)

Проблемът: Andromeda приоритизира семантичната релевантност над географската стриктност. Ако сте зъболекар и таргетирате Broad + 20 км радиус, алгоритъмът може да намери “перфектния пациент” на 25-тия километър. Заради високото семантично съвпадение, той може да реши да покаже рекламата там. Провалът: Потребителят клика (високо CTR), но не запазва час, защото е твърде далеч. Решението:

• Принудителна Плътност: Намалете радиуса драстично (напр. 5-10 км).

• Bid Caps: Използвайте лимити на наддаването, за да не позволите на алгоритъма да харчи скъпо за далечни потребители. Принципът е “Плътност над Обхват”.

Случай 3: Луксозни и нишови продукти

Проблемът: “Addressable Market” (Адресируемият пазар) е микроскопичен процент от населението (напр. хора, купуващи чанти за 5000 лв.). Провалът на Broad: В Broad режим, алгоритъмът започва “Random Exploration” (Случайно изследване). При толкова малка целева група, бюджетът може да свърши преди алгоритъмът да намери първия клъстер от купувачи (“Needle in a haystack” проблем). Решението:

• Detailed Targeting като Скале: Използвайте филтри за доходи (където е позволено) или интереси към конкретни луксозни брандове, за да елиминирате долните 90% от покупателната способност. Тук “Hard Mask” е необходим, за да се предотврати финансовото изкървяване по време на фазата на проучване.

Обобщение по вертикали

Вертикал	Препоръка	Learning Phase
E-commerce (висок обем)	Full Broad	3-4 дни
B2B High-Ticket	Хибрид + CAPI	7-14 дни
Локални услуги	Тесен гео + висока оферта	5-7 дни
Луксозни/Нишови	Detailed targeting	2-3 седмици

Част 4: “Креативът е таргетирането”

Най-често повтаряната фраза в маркетинга за 2025 г. е “Creative is Targeting”. Това не е метафора, а буквално техническо описание на начина, по който DINOv2 (компютърното зрение на Meta) обработва рекламните криейтиви.

DINOv2: Как системата “чете” креативите

4.1 Как DINOv2 “Вижда” рекламата

Когато качите изображение или видео в Ads Manager, DINOv2 (Self-supervised Vision Transformer) го анализира. За разлика от старите модели, които търсеха етикети (напр. “котка”, “куче”), DINOv2 създава Dense Vector Embedding – математическо представяне на семантичното значение на изображението.

• Този вектор съдържа информация за стила, композицията, цветовете, обектите, текста и “настроението”.

• Andromeda след това търси потребители, чиито вектори на предпочитания са косинусово подобни (Cosine Similarity) на вектора на рекламата.

Ключово: Като качвате креатив, вие автоматично таргетирате определен потребителски клъстер. Промяната на креатива променя вектора, което променя целевата аудитория.

4.2 Защо “Смяната на фона” не е Тест

Ръководството на Prisma Digital идентифицира една от най-големите грешки на рекламодателите: тестването на козметични промени.  

• Сценарий: Рекламодател пуска една снимка на продукт с червен фон и същата снимка със син фон.

• Анализ на DINOv2: За Vision Transformer-а, тези две изображения са семантично 99% идентични. Те имат почти еднакъв вектор.

• Резултат: И двете реклами ще бъдат насочени към абсолютно еднакъв клъстер от потребители (User Nodes) в HNSW графа. Това не е тестване на таргетирането; това е тестване на незначителна вариация в рамките на едно и също таргетиране.

Какво СЕ брои за разнообразие:

• UGC видео на потребител пред камера
• 3D рендер с висок контраст на продукта
• Text-heavy сравнителна таблица
•  Видео с препоръка

P.D.A. Framework за систематично разнообразие – Алгоритмичен протокол за разнообразие

За да “хакнете” HNSW индекса и да принудите Andromeda да търси в нови клъстери, трябва да промените семантичния вектор на рекламата радикално. Prisma Digital дефинира трите променливи, които изменят вектора достатъчно, за да достигне до нова аудитория: P.D.A. (Persona x Desire x Awareness).  

1. P – Persona (Персона)

Това е визуалната идентичност на субекта в рекламата. DINOv2 разпознава обекти и сцени с висока точност.

• Технически ефект: Смяната на “Мъж в офис” (Вектор А) с “Жена във фитнес” (Вектор Б) принуждава алгоритъма да скача в напълно различна част на графа, достигайки до нови демографски групи без да сте задали ръчно таргетиране.

• Стратегия: Не ползвайте само един тип модел или UGC създател. Сменяйте възрастта, пола и най-вече обкръжаващата среда (Contextual Background).

2. D – Desire (Желание/Мотивация)

Това е емоционалният “кук” (hook). GEM класифицира потребителите не само по интереси, а и по емоционални тригери (Sentiment Embeddings).

• Технически ефект: Потребител, който реагира на “Страх” (напр. Застраховка = Сигурност за семейството), има различен вектор на поведение от потребител, реагиращ на “Статус” (напр. Застраховка = Престиж/VIP обслужване).

• Вариации: Статус, Сигурност, Спестяване на време, Печалба, Любопитство, Страх от пропускане (FOMO).

3. A – Awareness (Осъзнатост)

Това отговаря на етапа от потребителската пътека (Sequence Position).

• Технически ефект: Благодарение на Sequence Learning, GEM знае дали потребителят е в началото на своето проучване (t=0) или е готов за покупка (t=10). Рекламата трябва да съвпада с този времеви маркер.

• Unaware: “Защо ме боли гърбът?” (Образователно съдържание/Viral).

• Solution Aware: “Топ 5 матрака за болки в гърба” (Сравнение/Us vs Them).

• Most Aware: “20% отстъпка до петък” (Директна оферта).

P.D.A. Матрицата (пример: продажба на ергономични матраци)

Вместо да тествате 10 почти еднакви реклами, използвайте тази матрица, за да създадете 3 коренно различни вектора, които покриват целия пазар:

Вектор (Ads)	Persona (Кой?)	Desire (Защо?)	Awareness (Какво?)	Цел в HNSW Графа
V1	Млада двойка в нов дом	Комфорт/Романтика (Емоция)	Solution Aware (Видео разопаковане)	Таргетира млади семейства и новодомци
V2	Бизнесмен 45+ с лаптоп	Продуктивност (Логика)	Problem Aware (Текст: “Спи по-добре, работи повече”)	Таргетира професионалисти и предприемачи
V3	Възрастна дама	Здраве/Болка (Нужда)	Most Aware (Директна оферта/Гаранция)	Таргетира здравно-ориентирани потребители

Резултат: Чрез пускането на тези 3 вектора в една широка (Broad) кампания, вие позволявате на GEM да “опипа” три различни пазарни сегмента едновременно, намирайки най-ефективния път за вашия бюджет, без да фрагментирате данните в отделни Ad Sets.

Минимум креативи: 10-15 наистина различни концепции. Meta препоръчва тестване на 20 креатива седмично.

Част 5: технически нюанси и отстраняване на неизправности (Troubleshooting)

Внедряването на новата система води до специфични технически аномалии, които трябва да се разпознават.

5.1 “Ghost Approval” (Призрачно Одобрение)

Симптом: Рекламата е “Active”, но има 0 импресии и 0 похарчен бюджет.
Диагноза: Провал във фазата на Andromeda (Retrieval). Векторът на рекламата е оценен като ирелевантен за текущите потребителски заявки, или прогнозираният eCPM е под прага на аукциона.
Лечение:

• Не чакайте. Ако до 48 часа няма импресии, спрете рекламата.

• Пуснете нов криейтив с коренно различна визия (нов вектор).

• Използвайте стратегия “Cost Cap” с изкуствено завишена цена, за да “форсирате” влизането в аукциона и да натрупате първоначални данни.

5.2 Creative Similarity Penalties (Наказания за сходство)

Симптом: Кампания с 50 активни реклами работи по-зле от кампания с 5 реклами.
Диагноза: Ниска ентропия. Ако имате 50 подобни реклами, те се състезават помежду си (Internal Auction Overlap) и фрагментират данните. Системата не може да натрупа статистическа значимост за нито един вектор.
Лечение: Консолидация. Целете се в 3-5 активни криейтива на ad set, които са семантично различни. Максимизирайте вариацията, не обема.

5.3 Single-Product Cliff (Пропастта на единия продукт)

Симптом: CPA скача драстично след като даден потребител купи.
Диагноза: GEM Sequence Learning знае, че след покупка на матрак, вероятността за втора покупка на матрак е 0.
Лечение:

• Изключвайте купувачите (Purchasers 180 days) при Broad кампании за единични продукти.

• Развийте Cross-sell/Upsell продукти, които имат различни вектори и могат да продължат секвенцията (напр. възглавници след матрака).

5.4 Праг на Скоростта на данните ($50/day капан)

Симптом: Малки акаунти не могат да излязат от Learning Phase.
Диагноза: При $50/ден и $25 CPA, имате 2 конверсии дневно. Това е недостатъчно за GEM да конвергира.
Лечение:

• Консолидирайте всичко в една кампания (CBO).

• Оптимизирайте за по-горно събитие във фунията (напр. Add to Cart вместо Purchase), само ако корелацията е доказана, за да увеличите обема на сигналите.

5.5 CPA Inversion (Инверсия на цената)

Симптом: Спирате реклама с “висок CPA” и резултатите на цялата кампания се влошават.
Диагноза: Andromeda оптимизира на ниво Ad Set, а не на ниво Ad. “Скъпата” реклама може да е тази, която инициира пътеката (First Touch), довеждайки потребителя в “басейна” за ремаркетинг, където друга (“евтина”) реклама обира лаврите.
Лечение: Оценявайте представянето холистично (Blended ROAS/CPA). Не спирайте реклами твърде агресивно, ако общият Ad Set работи добре.

5.6 The “Clicky” Lead Trap (Капанът на лесния лийд)

Симптом: Получавате много лийдове на ниска цена, но никой не вдига телефона или не купува.
Диагноза: GEM е “превъртял играта”. GEM оптимизира за сигнала, който му подавате. Ако сигналът е “Lead Form Submission”, GEM намира потребителите с най-висока склонност да попълват форми — често low-intent users.
Лечение: Интегрирайте CAPI и подавайте събития от дълбоката фуния (Qualified Lead, Deal Closed), за да пренасочите GEM към качество, а не количество.

Решение: Интегрирайте CAPI с deep funnel events (Qualified Lead, Deal Closed).

Част 6: Практически Checklist за имплементация

Използвайте този списък, за да подготвите акаунта си за Andromeda/GEM ерата.

Структура на кампаниите

Действие	Защо е важно
✅ Консолидирайте до 1-2 кампании на цел	Постигане на прага за скорост на данните (Data Velocity).
✅ Активирайте CBO (Advantage+ Budget)	Позволява на GEM автоматично да прелива бюджета към най-добрия вектор.
✅ Активирайте Advantage+ Placements	Осигурява оптимален placement mix за HNSW графа.
✅ Бюджет минимум 3x целеви CPA	Намалява волатилността и осигурява стабилност на Learning Phase.

Креативна оптимизация

Действие	Защо е важно
✅ 10-15+ семантично различни концепции	Creative diversity Е таргетирането (P.D.A. Framework).
✅ Миксирайте формати (Видео/Статик/Карусел)	Различни потребители консумират различно съдържание в различни часове.
✅ Опреснявайте на всеки 7-14 дни	Съкратен жизнен цикъл на криейтива (Creative Lifecycle) в новата среда.

Tracking инфраструктура

Действие	Защо е важно
✅ Верифицирайте Meta Pixel events	Точни данни за първоначално обучение на модела.
✅ Имплементирайте CAPI (Server-side)	Заобикаляне на браузърните ограничения и по-точен сигнал.
✅ За B2B: CAPI + CRM интеграция	Подаване на Deep Funnel Events за избягване на “Clicky Lead” проблема.

Изтеглете: Интерактивен Google Docs Checklist

Заключение

Andromeda актуализацията не е просто “нов алгоритъм”. Тя е фундаментална промяна — от audience management към signal engineering. В новата система креативът Е таргетирането. Vector embeddings от DINOv2 определят кой вижда рекламата ви.

Философията на Prisma Digital: Andromeda доказва, че фрагментираният подход към дигиталния маркетинг е обречен на провал. SEO, сайт, реклами и съдържание трябва да работят като интегрирана система. “Не продаваме услуги. Градим системи.”

Следващи стъпки:

• DIY подход: Използвайте checklist-а. Очаквайте 4-8 седмици за пълна адаптация и имплементация. Линк към чеклист за оптимизация за Meta Andromeda

• Системен подход: Свържете се с нас, ако търсите партньор за изграждане на цялостната екосистема.

КОНТАКТ: prismadigital.pro/контакти