先说结论
Andromeda 负责检索相关广告,后续模型对候选进行排序;GEM 通过知识迁移增强推荐模型。对广告主而言,可执行的工作是提供有差异、有说服力的素材,配合合适的商品优惠与可靠的转化信号。
01 / 一条广告如何到达用户
Meta 将检索定义为多阶段推荐系统的第一步。Andromeda 从数千万候选广告中缩小到数千条相关广告,后续更复杂的模型继续预测价值与相关性。

- 符合条件的广告构成候选池。创意是输入之一,还包括投放设置与其他信号。
- Andromeda 检索与当前用户及情境相关的候选。
- 排序与竞价环节继续评估候选,再决定展示。
- 互动和转化信号为后续学习提供信息。GEM 通过知识迁移支持推荐模型,不是一个投放开关,也不是 Andromeda 后必经的独立步骤。
02 / 官方研究到底说了什么
创意很重要,但官方论文没有说受众、出价、数据回传或商品优惠从此不重要,也没有确立“创意贡献 70%”或“每个账户必须上固定条数素材”的通用规则。
| 官方资料 | 说明了什么 | 如何用于实际工作 |
|---|---|---|
| Andromeda · 2024 年 12 月 | 在素材规模增大时,实现更个性化、可扩展的广告检索。 | 针对不同购买需求,准备不同表达和演示方式。 |
| GEM · 2025 年 11 月 | 基础模型向其他广告推荐模型传递学习成果。 | 让素材内容、商品优惠和转化衡量保持一致。 |
| GEM 训练 · 2026 年 8 月 | 以更大的训练规模学习广告内容与互动信息。 | 把它理解为底层技术进展,不当作统一的预算或定向规则。 |
03 / 测试不同的购买理由
创意多样性最有用的地方,是测试不同的理由、场景或演示方式。换字幕颜色也是一种变化,但它本身不等于新的购买理由。以下是 RemakeAds 的测试示例,不是 Meta 的硬性要求。
| 同一件商品 | 不同的创意假设 |
|---|---|
| 问题 → 演示 | 清洁刷深入难清理的缝隙,让效果立即可见。 |
| 日常 → 便利 | 展示商品如何融入日常清洁流程。 |
| 疑虑 → 证据 | 用真实、准确的演示解答一个购买疑虑。 |
资料依据[5]
04 / 一套可落地的素材测试流程
- 先定义商业结果。电商投放应明确购买事件、目标获客成本和利润空间,再评价素材。
- 核对衡量链路。检查 Pixel 事件;使用 Conversions API 时检查去重,并统一币种、购买金额和报告窗口。
- 选一组预算能够支持的不同创意假设,用清晰命名标识每个角度。
- 在适合目标与账户能力的地方使用 Advantage+ 自动化,同时明确市场、地域及业务限制。
- 避免同时改动优惠、落地页、受众和素材;需要受控比较时,使用 Meta 的实验工具。
- 给测试足够的投放量,并考虑业务的转化延迟。先用购买、CPA 和归因收入评价结果,再用观看和点击指标诊断原因。
资料依据[5]
05 / 先看完整转化链路,再判断视频
这些是诊断问题,不是自动停投或扩量指令。单一指标通常不足以确定原因。
| 观察到的现象 | 下一步检查 |
|---|---|
| 有人看,少有人点 | 商品是否清楚、购买动机是否成立、行动提示是否明确。 |
| 有人点,少有人买 | 落地页速度、商品与优惠一致性、运费、结账流程及事件记录。 |
| 有购买,但利润弱 | 获客成本、毛利、退货以及归因窗口。 |
| 原本有效的素材开始下降 | 先检查流量结构、竞争、季节性与素材疲劳,再决定下一项测试。 |
把下一条创意,做成视频。
Discover在 Discover 选参考,按需选择商品,点击 Remake。
常见问题
Andromeda 和 Advantage+ 是一回事吗?
不是。Andromeda 属于推荐基础设施,Advantage+ 是面向广告主的自动化产品套件。你配置广告计划,不需要单独打开一个 Andromeda 开关。
TikTok 上有效的视频,在 Meta 上也会自动有效吗?
不会自动成立。成交逻辑可以参考,但用户情境、版位、优惠和落地路径不同,需要适配并用 Meta 的实际投放数据检验。
资料来源
官方事实、厂商功能说明和社区工具分别注明来源;投放方法中的例子是 RemakeAds 的编辑建议。
继续阅读 Facebook Ads把重复投放工作,交给合适的 Skills。