متا جزئیات مدل تبلیغاتی GEM را منتشر کرد | تحول هدف‌گیری تبلیغات با هوش مصنوعی در Meta

🚀 متا جزئیات جدیدی از فرآیند هدف‌گیری تبلیغاتی مبتنی بر هوش مصنوعی خود منتشر کرد

شرکت Meta (مالک فیس‌بوک و اینستاگرام) اطلاعات تازه‌ای درباره‌ی سیستم‌های در حال تکامل هدف‌گیری تبلیغاتی خود منتشر کرده است و نشان داده که چگونه افزایش ظرفیت پردازش هوش مصنوعی (AI) در این شرکت، باعث بهبود نتایج تبلیغات از طریق تطبیق دقیق‌تر علایق کاربران شده است.

به گفته‌ی متا، تبلیغ‌دهندگان این بهبود را به‌وضوح احساس کرده‌اند. تعداد زیادی از شرکای تبلیغاتی متا گزارش داده‌اند که عملکرد تبلیغات آن‌ها بهتر شده است، زیرا هوش مصنوعی در پیدا کردن مشتریانی که پیش‌تر شناسایی نمی‌شدند، نقش مهمی ایفا کرده است.

در گزارش جدید خود، متا توضیح داده است که سیستم هدف‌گیری تبلیغاتی‌اش چگونه کار می‌کند و چگونه این بهبود مداوم باعث ارتقای کلی عملکرد تبلیغات در تمامی محصولات متا شده است.

💡 مدل جدید GEM: قلب هوش مصنوعی تبلیغاتی متا

به گفته‌ی متا:

«مدل Generative Ads Recommendation Model (به اختصار GEM) پیشرفته‌ترین مدل پایه‌ای تبلیغاتی متا است که بر اساس یک الگوی الهام‌گرفته از مدل‌های زبانی بزرگ (LLM) ساخته شده و با استفاده از هزاران GPU آموزش دیده است. این مدل، بزرگ‌ترین سیستم پایه برای سیستم‌های پیشنهاددهنده (RecSys) در صنعت تبلیغات محسوب می‌شود.»

در واقع، متا سال‌هاست که از سیستم‌های هدف‌گیری هوشمند پیشرفته استفاده می‌کند. این شرکت با تکیه بر حجم عظیمی از داده‌های علایق و رفتار کاربران، می‌تواند تبلیغاتی بسیار دقیق‌تر و مرتبط‌تر نمایش دهد.

حتی پیش از موج اخیر ابزارهای هوش مصنوعی، متا از همین رویکرد مبتنی بر مدل‌های زبانی بزرگ برای هدف‌گیری تبلیغاتی استفاده می‌کرد. تنها تفاوت این است که اکنون مفهوم «هوش مصنوعی» به شکلی گسترده‌تر بازتعریف شده و درک عمومی از آن تغییر کرده است. [ هوش مصنوعی چیست ؟ ]

🎯 از انتقاد تا برتری رقابتی

در گذشته، متا به دلیل هدف‌گیری روان‌شناختی (Psychographic Targeting) مورد انتقاد قرار گرفته بود؛ زیرا این شرکت بر اساس داده‌های مربوط به بیش از ۳ میلیارد کاربر خود — شامل صفحات لایک‌شده، ارتباطات، علایق و ویژگی‌های رفتاری — تبلیغات شخصی‌سازی‌شده نمایش می‌داد.

اما حالا، همان روش تحت عنوان هوش مصنوعی (AI) نه‌تنها قابل‌قبول، بلکه به عنوان مزیت رقابتی بزرگ متا شناخته می‌شود.
با این تغییر دیدگاه، درک می‌شود که چرا مارک زاکربرگ تا این حد مشتاق است عنوان «رهبر عرصه‌ی هوش مصنوعی» را به متا نسبت دهد.

⚙️ نوآوری‌های کلیدی مدل GEM

متا می‌گوید مدل جدید GEM پیشرفت چشمگیری در سیستم هدف‌گیری تبلیغاتی این شرکت ایجاد کرده است. این مدل از موارد زیر بهره می‌برد:

• مقیاس‌پذیری با معماری پیشرفته

• تکنیک‌های پس از آموزش برای انتقال دانش (Knowledge Transfer)

• زیرساخت آموزشی بهبود‌یافته برای پشتیبانی از مقیاس بالا

به گفته‌ی متا:

«این نوآوری‌ها عملکرد تبلیغات را بهینه می‌کنند، اشتراک دانش بین مدل‌های مختلف را تسهیل می‌نمایند و از هزاران GPU به‌صورت مؤثر برای آموزش استفاده می‌کنند. GEM موجب تحول بنیادی در سیستم‌های پیشنهاددهنده‌ی تبلیغاتی (RecSys) شده و عملکرد تبلیغات را در تمامی مراحل قیف فروش — آگاهی، تعامل و تبدیل — از طریق بهینه‌سازی هم‌زمان اهداف کاربران و تبلیغ‌دهندگان ارتقا داده است.»

به بیان ساده:
✅ کاربران بیشتری روی تبلیغات کلیک می‌کنند
✅ تبلیغ‌دهندگان فروش بیشتری دارند [ استراتژی تبلیغات : تدوین و اجرا ]

📊 آمار عملکرد مدل جدید

متا اعلام کرده است که سیستم به‌روزشده‌ی GEM اکنون:

• ۴ برابر کارآمدتر از مدل‌های قدیمی در بهبود عملکرد تبلیغات برای حجم مشخصی از داده و منابع محاسباتی است.

• ۲ برابر مؤثرتر در انتقال دانش بین مدل‌ها عمل می‌کند و عملکرد کلی تبلیغات را بهینه می‌سازد.

• با ظرفیت پردازش بالاتر و سریع‌تر کار می‌کند، که باعث می‌شود مقیاس‌پذیری نتایج تبلیغات افزایش یابد.

GEM با استفاده از داده‌های محتوای تبلیغات و تعامل کاربران (شامل داده‌های تبلیغاتی و ارگانیک) آموزش دیده است.
از این داده‌ها دو نوع ویژگی استخراج می‌شود:

• ویژگی‌های ترتیبی (Sequence Features): مانند تاریخچه‌ی فعالیت کاربر

• ویژگی‌های غیرترتیبی (Non-sequence Features): مانند سن، موقعیت مکانی، نوع تبلیغ و قالب خلاقانه

برای هر گروه از ویژگی‌ها، مکانیسم‌های توجه سفارشی (Customized Attention Mechanisms) اعمال می‌شود و در عین حال، یادگیری متقابل میان ویژگی‌ها (Cross-feature Learning) نیز انجام می‌گیرد.
این طراحی باعث افزایش دقت و عمق مدل شده و ۴ برابر بازدهی بیشتر نسبت به نسل قبلی فراهم می‌کند. [ آینده بازاریابی هوش مصنوعی ]

🤖 هماهنگی GEM با سایر سیستم‌های هوش مصنوعی متا

سیستم تبلیغاتی متا با همکاری سه بخش هوشمند عمل می‌کند:

1. GEM – مدل توصیه‌گر تبلیغات

2. Lattice – کتابخانه‌ی تبلیغاتی متا که رتبه‌بندی و جای‌گذاری تبلیغات را بهینه می‌کند

3. Andromeda – مدل شخصی‌سازی متا که بر اساس سابقه‌ی تعامل و علایق کاربران، مرتبط‌ترین تبلیغ را نمایش می‌دهد

ترکیب این سه سیستم، باعث می‌شود تبلیغات متا بیش از هر زمان دیگری مرتبط، هدفمند و دقیق باشند.
در مقیاس گسترده‌ی متا، این به معنای پردازش میلیاردها نقطه‌داده است که در نهایت به نتایج تبلیغاتی بسیار ارزشمند و دقیق منجر می‌شود. [ سئو در عصر هوش مصنوعی ]

🔍 از گذشته تا امروز: قدرت داده در متا

جالب است بدانید که حتی در سال ۲۰۱۵، گزارش‌هایی وجود داشت که فیس‌بوک (متا) بر اساس فعالیت کاربران می‌توانست تقریباً هر چیز قابل‌تصوری درباره‌ی آن‌ها را استنتاج کند.

اکنون این توانایی با مدل‌های جدید هوش مصنوعی چندین برابر تقویت شده است و به همین دلیل، عملکرد تبلیغات در سراسر پلتفرم‌های متا (فیس‌بوک، اینستاگرام، تردز و…) به شکل قابل‌توجهی بهبود یافته است. [ فراتحلیل / متا آنالیز : تعریف ، مزایا ، انواع و ویژگی های فرا تحلیل ]

🧭 جمع‌بندی

مدل جدید GEM در متا گامی مهم در جهت خودکارسازی کامل تبلیغات دیجیتال است.
این مدل می‌تواند تبلیغ شما را بسازد، هدف‌گیری را بهینه کند و بودجه را مدیریت نماید — تنها با وارد کردن آدرس محصول!

به‌عبارتی، متا به اندازه‌ای به سیستم‌های هوش مصنوعی خود اعتماد دارد که آینده‌ی تبلیغات دیجیتال را تمام‌خودکار و داده‌محور می‌بیند.