Andromeda в Meta Ads: как работает алгоритм в 2026

С конца 2024 года Meta поэтапно перевела рекламную систему на новую архитектуру. Внешне кабинет почти не изменился: те же цели, группы объявлений, бюджеты. Внутри поменялась сама логика: как система решает, кому показать ваше объявление, как распределяет бюджет между креативами и на какие сигналы опирается при выборе.

Рекламодатели заметили перемены по симптомам. Схемы запуска, которые годами держали цену заявки, начали вести себя иначе: дробление кампаний по аудиториям перестало давать контроль, дубли с мелкими правками - быстрый рост частоты вместо охвата. В профессиональных чатах всплыло слово «Andromeda», и на него стали списывать любые проблемы - от роста CPM до блокировки кабинета.

В этой статье разберу новую архитектуру доставки рекламы Meta с нуля: что такое Andromeda на самом деле, какие еще системы работают рядом с ней, что поменялось в логике показов и какая настройка кампаний - от структуры до креативов - дает стабильный результат в 2026 году. Статья большая - это карта всей системы, а не заметка про одно обновление.

Что такое Andromeda

Andromeda - система отбора рекламных кандидатов в Meta Ads. Ее задача - за доли секунды сузить миллионы активных объявлений до нескольких тысяч, у которых есть шанс попасть в показ конкретному человеку. Meta анонсировала систему 2 декабря 2024 года в инженерном блоге, и в течение 2025 года она поэтапно дошла до всех рекламных кабинетов - включая те, что работают на Казахстан, Узбекистан и другие рынки СНГ.

Зачем Meta понадобилась новая система отбора. Объем креативов в аукционе вырос взрывообразно: Advantage+ и генеративные инструменты штампуют варианты объявлений в промышленных масштабах. По данным Meta, больше миллиона рекламодателей создали свыше 15 миллионов объявлений за один месяц с помощью AI-инструментов. Прежняя ступень отбора с таким потоком не справлялась: она опиралась на признаки, которые инженеры собирали вручную, и считала их на обычных процессорах.

Andromeda построена иначе. Это глубокая нейросеть, которая работает на чипах NVIDIA Grace Hopper и собственных ускорителях Meta MTIA. Цифры из инженерного блога Meta:

• емкость моделей на ступени отбора выросла до 10 000 раз;
• скорость обработки признаков выросла в 100 раз;
• полнота отбора (recall) поднялась на 6%, качество рекламы на отдельных сегментах - на 8%.

Если убрать инженерный язык: система видит на порядки больше связей между человеком и объявлением и перебирает на порядки больше кандидатов за то же время. Раньше отбор работал по грубым группам «похожих» пользователей, теперь - по индивидуальной истории каждого человека.

Главное заблуждение, которое стоит снять сразу: Andromeda не выбирает финальное объявление для показа. Она формирует короткий список кандидатов и передает его дальше. Финальное решение принимают другие системы - о них ниже. Когда рекламодатель говорит «Andromeda убила мои результаты», чаще всего речь о совокупном эффекте нескольких обновлений 2025-2026 годов, а не об одной ступени отбора.

Делюсь практикой и разборами по performance‑маркетингу
подписаться → @marataxanov

Почему Meta перестроила доставку рекламы

Чтобы понять логику изменений, нужен короткий шаг назад.

В апреле 2021 года Apple включила App Tracking Transparency: приложения обязаны спрашивать разрешение на отслеживание, и большая часть пользователей iOS его не дает. Meta потеряла заметную долю сигнала о действиях людей за пределами своих приложений - того сигнала, на котором держался точный ручной таргетинг. Реклама подорожала, точность аудиторий упала, и каждый специалист, который работал в 2021-2022 годах, помнит этот период по расползающимся отчетам.

Ответом Meta стала ставка на собственные прогнозы вместо чужих данных: раз нельзя отслеживать человека по всему интернету, нужно научиться предсказывать его поведение по сигналам внутри платформы. Так вырос приоритет машинного обучения в доставке, так появились Advantage+ и автоматизация настроек. Параллельно генеративные инструменты сняли барьер производства креативов - и количество объявлений в аукционе умножилось.

К 2024 году у Meta сошлись две задачи: прогнозировать поведение точнее без стороннего сигнала и обрабатывать вал креативов, который платформа сама же спровоцировала. Старая архитектура не решала ни одной. Andromeda, GEM, Lattice и Adaptive Ranking - ответ на обе: больше вычислений, крупнее модели, индивидуальный прогноз вместо сегментов.

Главный вывод для рекламодателя: автоматизация - направление платформы на годы вперед, и возврата к ручному таргетингу образца 2019 года не будет.

Путь одного показа: как алгоритм выбирает объявление

Каждый раз, когда человек открывает ленту Facebook или Instagram, система за миллисекунды проходит цепочку решений. Понимание этой цепочки снимает половину вопросов о «странном» поведении кампаний.

Три ступени цепочки.

Отбор кандидатов. Andromeda отсеивает миллионы объявлений до нескольких тысяч. На этой ступени система оценивает соответствие в общих чертах: история взаимодействий человека, содержание и тематика объявлений, прогноз интереса. Задача - не пропустить перспективных кандидатов, точным отсевом займутся следующие ступени.

Ранжирование (ranking). Модели ранжирования оценивают каждого кандидата подробно: вероятность клика, вероятность целевого действия, соответствие цели кампании, прогноз реакции на формат. За эту ступень отвечают GEM и Lattice - системы, которые часто путают с Andromeda.

Аукцион. Финалисты соревнуются по общей ценности (Total Value): ставка, умноженная на прогноз действия, плюс качество объявления. Формула аукциона при переходе на новую архитектуру не поменялась - выросла точность прогнозов внутри нее. Высокая ставка сама по себе победы не дает: выигрывает лучшая комбинация ставки, релевантности и качества.

Для рекламодателя сдвиг такой: на каждой ступени система теперь опирается на содержание объявления и индивидуальную историю человека. Настройки стали подсказкой, контент - сигналом.

Четыре системы алгоритма: кто за что отвечает

В обсуждениях 2025-2026 годов четыре разные системы слиплись в одно слово «Andromeda». Из-за этого советы «как настроить кампании под Andromeda» часто описывают эффекты совсем других обновлений. Разберем стек по частям.

Andromeda - входная ступень

Роль описана выше: отбор кандидатов. Andromeda решает, попадет ли ваше объявление в число рассматриваемых, и делает это на основе содержания креатива и текста. Если объявление не дает системе внятного сигнала «для кого это», оно проигрывает еще до аукциона.

GEM - модель-учитель

GEM (Generative Ads Recommendation Model) - самая крупная рекомендательная модель Meta для рекламы, анонсированная весной 2025 года. Она построена по принципам, близким к большим языковым моделям: учится на последовательностях действий людей - что человек смотрел, на что кликал, что купил и в каком порядке.

GEM слишком тяжелая, чтобы обслуживать показы напрямую. Meta использует ее как учителя: через дистилляцию (knowledge distillation) знания переходят рабочим моделям, и уже те отвечают на запросы за миллисекунды. По данным Meta, GEM дает в 4 раза больший прирост показателей рекламы, чем прежние рекомендательные модели.

Практическое следствие для рекламодателя: система оценивает путь человека целиком, отдельный клик для нее - точка на этом пути. GEM распознает, на какой стадии находится человек - присматривается, сравнивает или готов купить, - и подбирает объявление под стадию. Поэтому креативы под разные стадии осведомленности стали работать внутри одной группы объявлений.

Lattice - финальное ранжирование

Lattice - архитектура, которая объединила десятки отдельных моделей ранжирования в одну. Раньше у Meta была отдельная модель почти под каждую связку поверхности и цели: лента Facebook, Reels, клики, конверсии. Каждая училась на своем куске данных и не делилась выводами с соседями.

Lattice учится на всем потоке сразу: закономерности из Reels улучшают ранжирование в ленте, данные о кликах уточняют прогноз конверсий. По данным Meta, консолидация моделей подняла качество рекламы примерно на 10% и конверсии до 6%. Финальное решение «какое объявление выиграло этот показ» принимает Lattice, а не Andromeda, которой его приписывают в обсуждениях.

Adaptive Ranking - ступень скорости

Самое свежее звено стека. Meta опубликовала описание в марте 2026 года, на Instagram система работает с конца 2025-го. Это инженерное решение проблемы задержек: модели масштаба GEM физически не успевали бы отвечать на каждом показе. Adaptive Ranking ужимает вычисления - меняет точность математики там, где это не портит прогноз, и распределяет расчет по группам ускорителей. По данным Meta, на Instagram это добавило 3% к конверсиям и 5% к CTR. В течение 2026 года систему разворачивают на ленту Facebook и Reels.

Рекламодателю Adaptive Ranking не виден, но он объясняет, почему Meta может и дальше наращивать сложность моделей без деградации скорости показа. Потолок сложности поднялся - значит, поведение алгоритма продолжит меняться и после 2026 года.

Четыре системы в одной таблице

Что поменялось в доставке рекламы

Теперь к практике: чем новое поведение системы отличается от привычного и как это выглядит в кабинете.

Бюджет распределяется ровнее

Прежняя система быстро находила в группе два-три сильных объявления и отдавала им почти весь бюджет. Остальные оставались без показов - алгоритм фактически выключал их нулевым охватом, и рекламодатель видел в отчете явных победителей и явных аутсайдеров.

Новая система подбирает разные объявления разным людям, поэтому расход распределяется заметно ровнее. У этого есть обратная сторона: слабые объявления больше не останавливаются сами. Они продолжают получать показы и тратить бюджет. Контроль вернулся к специалисту - смотреть на цену результата по каждому объявлению и отключать слабые вручную.

Объявление стало таргетингом

Andromeda извлекает сигнал таргетинга из самого объявления: заголовок, основной текст, изображение или видео, посадочная страница. Система читает все это и решает, каким людям контент подходит - примерно так же, как поисковик понимает, по каким запросам показывать страницу.

Практический вывод: пишите объявление так, чтобы из него однозначно считывалось, для кого продукт. «Доставка корма для собак крупных пород по Алматы за 2 часа» дает системе точный сигнал. «Лучшие цены, заходите» - не дает никакого. Размытый креатив «для всех» получает размытую аудиторию и среднюю цену результата.

Аудитория разбита на карманы

Широкую аудиторию система раскладывает на множество небольших сегментов - удобно думать о них как о карманах. Каждое объявление со своим сообщением попадает в подходящий карман и постепенно вырабатывает его объем. Когда карман выработан, объявлению нужен новый, а для нового кармана нужен другой смысл - другой креатив, другой аргумент, другой герой.

Отсюда типичная ловушка: вариации одного креатива с мелкими правками попадают в один и тот же карман и конкурируют между собой за одних людей. Частота поднимается, охват не расширяется, цена результата растет. Десять версий одного объявления - это не десять объявлений. Это одно объявление, размноженное десять раз.

Система сама ведет человека по воронке

Алгоритм научился распознавать стадию: кому-то нужен прогревающий ролик, кто-то готов к продуктовому предложению со скидкой. Раньше под стадии строили отдельные кампании и вручную настраивали показы теплым сегментам в каждой следующей. Теперь объявления под разные стадии можно держать в одной группе - система сама выберет, кому что показать и в каком порядке. Ручной теплый таргетинг по собранным сегментам остается рабочим инструментом, но обязательной лестницы из трех кампаний больше нет.

Результат стабильнее, обучение дольше

Наблюдение из моей практики на проектах в Казахстане, Узбекистане и Юго-Восточной Азии: после перехода кабинетов на новую архитектуру кампании стали приносить результат ровнее. Резкие скачки цены заявки день ото дня, которые раньше были нормой, почти ушли - система держит коридор стабильнее.

Обратная сторона - этап обучения занимает больше времени. Системе нужно накопить больше данных, чтобы разложить ваши объявления по карманам и построить прогнозы. Новому кабинету я закладываю 10-14 дней до первых выводов, обученному - 3-4 дня. Дергать кампанию правками в первые дни - значит каждый раз обнулять накопленное и запускать обучение заново.

Что осталось прежним

Паника вокруг обновлений создает впечатление, что поменялось все. Это не так - несколько опор стоят на месте:

• аукцион и формула общей ценности: исход решает комбинация ставки с прогнозом действия и качеством объявления;
• правила рекламной деятельности и модерация: запрещенные тематики и требования к креативам действуют как раньше;
• экономика предложения: слабый продукт и непонятную посадочную страницу не вытянет никакой алгоритм;
• Pixel/Dataset и события конверсий: они остались главным источником обучения - новые модели выжимают из тех же событий больше;
• жесткие рамки гео и возраста: система не покажет рекламу за пределами выбранной страны.

Алгоритм поменял то, как находят людей. Что им показывать и что предлагать после клика - по-прежнему ваша работа.

Структура кампаний: чем проще, тем сильнее

Логика новой архитектуры диктует структуру. Каждая лишняя сущность в кабинете дробит данные: чем больше групп объявлений, тем тоньше поток конверсий в каждой и тем дольше каждая учится. Алгоритму выгоднее получить весь сигнал в одной точке и самому решить, как распределить показы.

Рабочая схема, которую я использую на большинстве проектов: одна кампания, одна группа объявлений, внутри 3-5 объявлений с разным смыслом. Бюджет - на уровне кампании (Advantage+ Budget). При такой структуре реклама откручивается стабильно: системе хватает данных, объявления не воюют друг с другом за одни карманы, отчетность читается за минуту.

Когда оправдана вторая кампания:

• другой продукт с отдельной экономикой;
• другая страна, где нужен отдельный бюджет и язык креативов;
• принципиально другой сегмент - например, B2B и B2C у одного бизнеса;
• кампания на теплую аудиторию с особыми условиями, которую вы хотите контролировать вручную.

Дробить кампании под каждый интерес или плейсмент больше не нужно - эту работу алгоритм делает сам и лучше. Схемы из старых руководств вроде 15 групп по интересам сегодня размазывают данные и удлиняют обучение.

Если вы собираете первую кампанию, пошаговый процесс с настройками разобран в статье про запуск первой кампании в Meta Ads, а про режимы автоматизации - в материале про Advantage+.

Малые бюджеты: сигнал в одну точку

Большинство проектов СНГ работают с бюджетами, где каждая конверсия на счету. Новая архитектура к таким бюджетам требовательнее старой: ей нужен объем данных, чтобы разложить объявления по карманам, а малый бюджет дает мало событий.

Отсюда три следствия для настройки.

Консолидация важнее, чем когда-либо. На малом бюджете дробление на группы растягивает обучение до бесконечности: каждая группа получает поток событий, на котором выводы строить нельзя. Одна кампания и одна группа собирают весь сигнал в одну точку. Ориентир из документации Meta - около 50 событий оптимизации в неделю на группу как условие выхода из этапа обучения.

Меньше объявлений, больше различий. Те же 3-5 объявлений на малом бюджете работают лучше десяти: каждое успевает набрать события. Если бюджет дает группе пару конверсий в день, двадцать объявлений в ней будут учиться месяцами.

Событие оптимизации под объем данных. Если покупок мало, переключитесь на более частое событие, которое еще отражает интерес к деньгам: заявка или начало оформления заказа, для лидгена - квалифицированный лид. Дешевое событие ради объема - клики или просмотры страницы - научит систему приводить любопытных.

Таргетинг: что осталось от настроек аудиторий

Короткий ответ: настройки аудиторий превратились из границ в подсказки. Система может выйти за рамки заданного, если прогнозирует там конверсию.

Широкий таргет стал базой. На большинстве проектов я запускаю кампании на широкую аудиторию - без интересов и поведенческих сужений, только гео и возрастные рамки. Но широкий таргет не означает «в пустоту». Лучший вариант - широкий таргет в кабинете, который уже обучен на ваших данных: загружена клиентская база, накоплены события Pixel/Dataset, подключены подписчики Instagram. Система отталкивается от людей, которых уже знает как ваших клиентов, и ищет похожих сама - без ручной настройки Lookalike.

Custom Audiences сменили роль. Раньше пользовательская аудитория была жесткой границей показа, теперь это источник сигнала. Самые ценные источники - список клиентов с покупками, взаимодействия с профилем Instagram, посетители сайта. Загруженная база говорит алгоритму, как выглядит ваш покупатель, даже когда кампания крутится на широкую аудиторию. Подробно про сбор и форматы - в статье про Custom Audiences.

Lookalike отходит на второй план. Я почти не использую похожие аудитории: широкий таргет на кабинете с накопленными данными дает тот же эффект без лишней сущности в настройках. Единственный сценарий, где Lookalike еще уместен, - новый кабинет без накопленных данных: похожая аудитория на базе клиентов даст системе стартовую точку. Когда кабинет накопит события, ее можно убрать.

Детальный таргетинг стал рекомендацией. Интересы и демография в режиме Advantage+ Audience работают как пожелание: система начнет с указанного сегмента, но выйдет за его рамки, если увидит вероятные конверсии снаружи. Жесткие сужения оправданы в узких случаях - регулируемые тематики, продукты со строгим возрастным цензом, специфичные ниши.

Что осталось жестким. География, возрастные ограничения 18+ для отдельных категорий и исключения аудиторий. Исключение купивших из кампании на холодный трафик по-прежнему рабочий прием, хотя и здесь система трактует границы мягче, чем раньше: при высоком прогнозе конверсии часть показов может уйти и исключенному сегменту.

Обзор всех типов аудиторий и логики выбора между ними - в статье-навигаторе по аудиториям.

Креативы: главный рычаг управления

Если объявление стало таргетингом, то креативная стратегия заняла место, которое раньше занимала настройка аудиторий. Это главный рычаг, оставшийся в руках специалиста.

Разнообразие вместо вариаций

Системе нужны объявления, которые отличаются по смыслу, а не по оформлению. Тот же ролик с другим цветом фона, та же картинка с переставленным заголовком - для алгоритма это одно и то же объявление: оно попадет в тот же карман аудитории и будет конкурировать само с собой.

Смысловое разнообразие раскладывается на четыре оси:

• герой и адресат: кто в кадре и к кому обращается - владелец бизнеса к владельцам, мама к мамам, мастер к новичкам;
• стадия осведомленности: от «человек не знает о проблеме» до «сравнивает вас с конкурентом»;
• аргумент: что в центре сообщения - цена, скорость, гарантия, статус, безопасность;
• формат: вертикальное видео, статичный баннер, карусель, подборка.

Объявления должны различаться хотя бы по двум осям. Три объявления-противоположности дадут системе больше выбора, чем двадцать вариаций одного.

Стадии осведомленности - в одну группу

Классическая лестница: человек не осознает проблему, осознает проблему, ищет решение, сравнивает варианты, знает ваш бренд. Раньше рекламодатели целились почти всегда в нижние ступени - туда, где аудитория готова купить. Конкуренция за эти ступени самая высокая, и стоят они дороже всего.

Новая система умеет распределять показы по всем ступеням: прогревающий ролик уйдет тем, кто только осознает проблему, продуктовое сравнение - тем, кто выбирает. Разложите объявления по ступеням внутри одной группы - алгоритм найдет людей на каждой и выстроит порядок показов сам.

Сколько объявлений держать в группе

Я держу 3-5 объявлений в группе. Это меньше, чем советуют западные агентства с бюджетами в десятки тысяч долларов в день, и по моему опыту на проектах СНГ и Юго-Восточной Азии этого хватает для стабильной открутки. На скромных бюджетах большее число объявлений размазывает данные: каждое получает слишком мало конверсий, чтобы система успела его понять.

Принцип масштабирования простой: бюджет растет - добавляйте смысловое разнообразие, а не копии. Новое объявление в группе должно открывать новый карман аудитории, иначе оно отъест показы у существующих.

Посадочная страница - часть креатива

Система читает содержимое страницы, на которую ведет объявление, и сверяет его с креативом. Совпадение усиливает сигнал, разрыв - ослабляет. Объявление про доставку за 2 часа, ведущее на общий каталог без слова о доставке, портит само себя.

Разбор форматов и подходов к производству - в статье-навигаторе по креативам и материале про форматы рекламы.

Сигналы: чем кормить алгоритм

Вся описанная архитектура - машина прогнозов, и точность прогнозов упирается в данные, которые вы ей отдаете.

Pixel/Dataset никуда не делся. Слухи о смерти пикселя после перехода на новую архитектуру не подтвердились: события с сайта остаются основным топливом обучения. Система использует их и для оптимизации, и для понимания вашей аудитории - кто покупает, что смотрит перед покупкой, сколько времени проходит до решения.

Conversions API закрывает потери. Серверная передача событий дублирует браузерный пиксель и возвращает данные, которые теряются из-за блокировщиков и ограничений iOS. Чем полнее поток событий, тем точнее прогнозы и короче обучение. Настройка связки разобрана в статье про пиксель и конверсии.

Качество события важнее количества. Оптимизация на покупку или заявку дает системе сигнал про деньги, оптимизация на клики - сигнал про любопытных. Если конверсий мало, поднимитесь на ступень выше по воронке - но в пределах события, которое отражает интерес к покупке, а не любого касания.

Длинный цикл сделки требует промежуточного события. Система оптимизируется в окне атрибуции до 7 дней. Если от заявки до договора у вас проходит месяц, отдавайте в Meta промежуточное событие - квалифицированный лид из CRM через Conversions API. Тогда алгоритм учится на людях, которые доходят до денег, а не на всех подряд заполнивших форму.

Как новая система выглядит в отчетах

Несколько признаков в отчетах, по которым видно работу новой системы, и точки контроля, которые я проверяю на проектах.

Распределение расхода по объявлениям. Откройте уровень объявлений и посмотрите на доли. Старый паттерн - почти весь бюджет на одном-двух объявлениях, остальные без показов. Новый - расход распределен между всеми, доли меняются день ото дня.

Частота по каждому объявлению. Рост частоты при неизменном охвате - сигнал, что объявление выработало свой карман и конкурирует само с собой или с соседями по группе. Дубль здесь не лечит - нужен креатив с другим смыслом.

Коридор цены результата. Новая система держит цену заявки ровнее. Если день ото дня цена скачет в разы, ищите проблему в данных: мало событий или слишком узкое событие оптимизации; возможно, свежие правки сбили обучение.

Реакция на правки. После изменения бюджета или креативов система заново калибрует прогнозы. Закладывайте несколько дней на стабилизацию и не оценивайте правку по первым суткам.

Дальше про разбор метрик и отчетов - в статье про анализ кампаний.

Частые ошибки при работе с новым алгоритмом

Пересобирать работающие кампании «под Andromeda». Если кампания дает результат - не трогайте ее. Перезапуск обнуляет накопленное обучение, и нет гарантии, что новая версия выйдет на те же показатели. Менять структуру имеет смысл при просадке или масштабировании, а не из-за новостей.

Лечить просадку дублями. Дубль кампании в надежде «поймать удачный запуск» и против старой системы работал только эпизодически. Против новой он не работает совсем: дубль стартует с нуля, без накопленных данных, и конкурирует с оригиналом за те же карманы.

Заливать десятки вариаций одного креатива. Разобрали выше: вариации делят один карман и разгоняют частоту. Признак проблемы в отчете - частота растет, охват стоит, цена результата ползет вверх при тех же объявлениях.

Сужать аудиторию по привычке. Стопка интересов поверх широкого таргета в 2026 году чаще мешает, чем помогает: вы ограничиваете системе пространство поиска, в котором она ориентируется лучше вас.

Делать выводы в первые три дня. Новая архитектура учится дольше. Решения по новой связке раньше 10-14 дней - это решения на случайных колебаниях, а не на данных.

Списывать любую просадку на алгоритм. Сезонность, выгоревший креатив, цена аукциона в высокий сезон, проблемы посадочной страницы - все это никуда не делось. Обновление системы - последняя гипотеза для проверки, а не первая.

Куда движется алгоритм

Направление Meta на ближайшие годы публично озвучено: рекламодатель задает цель, бюджет и ограничения, остальное делает система - от подбора аудитории до генерации креативов. Стек Andromeda, GEM, Lattice и Adaptive Ranking строится под него.

Что уже анонсировано и разворачивается:

• Adaptive Ranking в течение 2026 года расширяется с Instagram на ленту Facebook и Reels, поэтому поведение доставки продолжит меняться без уведомлений в кабинете;
• генеративные инструменты движутся от вариаций готовых креативов к созданию изображений и видео по описанию продукта;
• бизнес-агенты на базе AI тестируются в переписке: реклама приводит человека, агент консультирует и доводит до заявки.

Для специалиста это смещение работы: меньше ручных настроек внутри кабинета, больше того, что система не делает - стратегия предложения, качество данных, производство смысловых креативов, экономика воронки. Кто-то увидит в этом угрозу профессии, я вижу фильтр: рутинные настройщики уходят, остаются те, кто отвечает за результат целиком.

Коротко

• Andromeda - ступень отбора кандидатов: с декабря 2024 года она отбирает из миллионов объявлений несколько тысяч под каждого человека;
• финальный выбор объявления делает Lattice, прогнозы поведения строит GEM, за скорость отвечает Adaptive Ranking, поэтому валить все на Andromeda - значит лечить не ту систему;
• объявление стало таргетингом: система читает текст, креатив и посадочную страницу и сама решает, кому их показывать;
• рабочая структура - одна кампания, одна группа и 3-5 объявлений с разным смыслом, без дробления по интересам и без дублей;
• база таргетинга - широкий таргет на обученном кабинете: клиентская база и события пикселя дают системе портрет вашего покупателя, Lookalike нужен в основном новым кабинетам;
• обучение идет дольше, результат держится ровнее: закладывайте 10-14 дней на выводы по новой связке и не дергайте кампании правками.

Частые вопросы

Как понять, что мой кабинет уже работает на новой архитектуре?

Прямого индикатора в интерфейсе нет. Косвенные признаки: настройки аудиторий отображаются как рекомендации (Advantage+ Audience по умолчанию), расход распределяется по объявлениям ровнее, слабые объявления продолжают получать показы вместо отключения. К 2026 году развертывание завершено - кабинеты СНГ работают на новой системе наравне с остальными.

Andromeda отключила таргетинг по интересам?

Нет. Интересы и демография остались в настройках, но работают как подсказка: система начинает поиск с указанного сегмента и выходит за его рамки при хорошем прогнозе. Жесткое сужение оправдано в узких нишах и регулируемых тематиках.

Нужно ли пересобирать старые кампании под новый алгоритм?

Работающие - нет. Перезапуск обнуляет обучение без гарантии повторить результат. Менять структуру стоит при стабильной просадке или при масштабировании: консолидировать группы, убрать дубли, добавить смыслового разнообразия в креативы.

Сколько объявлений ставить в группу?

На бюджетах СНГ-проектов рабочий диапазон - 3-5 объявлений, разных по смыслу. Западные агентства называют цифры до 10-50, но это рецепт для бюджетов совсем другого порядка. Важнее различие по смыслу: герой, аргумент, стадия осведомленности, формат.

Нужно ли поднимать бюджет под новый алгоритм?

Специального «налога на Andromeda» нет, логика прежняя: бюджет должен давать группе объявлений стабильный поток событий оптимизации. Документация Meta называет ориентиром около 50 событий в неделю на группу. Если покупок столько не набирается, выбирайте более частое событие, а не поднимайте бюджет через силу.

Lookalike еще работает?

Работает, но потерял статус обязательного инструмента. На обученном кабинете широкий таргет закрывает ту же задачу автоматически. Lookalike остается полезным стартовым сигналом для нового кабинета без накопленных данных.

Почему после обновления выросла цена заявки?

Сначала проверьте обычные причины: выгоревший креатив, сезонный рост аукциона, проблемы посадочной страницы. Если структура кампаний построена по старой логике - много групп, дубли, вариации одного креатива, - новая система действительно может работать с ней хуже. Консолидация структуры и смысловое разнообразие креативов возвращают показатели в коридор.

Новая архитектура работает в Казахстане и других странах СНГ?

Да, без региональных отличий. Развертывание шло поэтапно в течение 2025 года и закрыло все рынки, где доступна реклама Meta. Кабинеты, работающие на Казахстан, Узбекистан, Грузию и другие страны региона, подчиняются тем же правилам доставки, что и кабинеты США или Европы.