Negli ultimi mesi, Meta ha introdotto una nuova generazione di sistemi di intelligenza artificiale che stanno trasformando il modo in cui gli annunci vengono mostrati, classificati e ottimizzati.
Molti la chiamano “nuovo algoritmo Andromeda”, ma in realtà Andromeda è solo uno dei quattro sistemi AI che compongono la nuova infrastruttura pubblicitaria di Meta.
Insieme a Meta GEM, Meta Lattice e Sequence Learning, forma una rete neurale avanzata che rende la pubblicità più intelligente, predittiva e contestuale.
In questo articolo ti spieghiamo come funzionano questi quattro sistemi, perché stanno cambiando la logica dell’advertising e come gli eCommerce possono adattarsi a questa nuova fase in cui l’AI decide cosa mostrare, a chi e quando.
Meta GEM: il nuovo cervello generativo che anticipa il comportamento degli utenti
Meta GEM (Generative AI Model) è il motore cognitivo che alimenta tutto il nuovo sistema pubblicitario.
Meta lo descrive come un modello di intelligenza artificiale generativa capace di creare rappresentazioni più accurate di persone, annunci e contenuti, collegando miliardi di segnali diversi in tempo reale.
In pratica, GEM permette a Meta di comprendere il contesto dietro le azioni degli utenti: non si limita a registrare un clic o una visualizzazione, ma cerca di capire perché l’utente lo ha fatto e cosa potrebbe voler fare subito dopo.
Esempio: immagina un utente che guarda video di look estivi, salva un post su una località balneare e apre il sito di un brand di costumi. Con GEM, Meta capisce che quella persona sta organizzando una vacanza e inizia a mostrargli prodotti coerenti con quell’intenzione: valigie, occhiali da sole, sandali, accessori da viaggio.
In sostanza, Meta non reagisce più alle azioni: le anticipa.
E questo apre agli eCommerce nuove possibilità per intercettare il desiderio prima che diventi ricerca, migliorando la pertinenza e le performance delle campagne.
Meta Lattice: l’intelligenza che collega tutte le superfici di Meta
In passato, Meta gestiva ambienti come Feed, Reels, Stories e Shop come ecosistemi separati.
Con Meta Lattice, tutto questo è cambiato: oggi il sistema unifica i dati provenienti da ogni superficie per creare una visione unica e coerente del comportamento dell’utente.
Meta descrive Lattice come una rete neurale capace di identificare relazioni profonde tra segnali diversi (organici, paid e comportamentali) per migliorare la precisione del ranking.
Esempio: un utente guarda un tuo Reel su Instagram, mette “mi piace” a un post nel Feed e poi visita il tuo eCommerce. Prima, erano tre eventi separati. Ora, grazie a Lattice, Meta li riconosce come parte dello stesso percorso e ottimizza la delivery degli annunci di conseguenza.
Il vantaggio per gli eCommerce?
Questo approccio permette a Meta di collegare ogni interazione a un intento d’acquisto e di servire annunci più coerenti in ogni fase.
Per un brand, significa campagne più fluide, percorsi più logici e un uso più efficiente del budget pubblicitario.
Meta Andromeda: il motore di ranking che personalizza ogni annuncio
Meta Andromeda è il nuovo sistema di ranking che determina quale annuncio mostrare a chi e quando.
Non è “l’intero algoritmo”, ma il cuore operativo della nuova infrastruttura AI di Meta.
Secondo l’articolo ufficiale di Meta, Andromeda ha mille volte la capacità di calcolo dei modelli precedenti, grazie a un’architettura AI più profonda e a una migliore comprensione delle relazioni tra utenti, contenuti e inserzioni.
Come valuta la personalizzazione?
Andromeda valuta milioni di combinazioni di creatività, contesto, audience e momento, scegliendo l’annuncio più rilevante per ogni singolo utente in tempo reale.
Esempio: se un utente ha guardato un video di outfit estivi, visitato una pagina di sandali e salvato una foto di spiaggia, Andromeda può mostrargli le tue infradito rosse nel momento esatto in cui sta immaginando la vacanza.
Implicazioni per chi fa advertising?
Per un eCommerce, questo significa che la qualità e la varietà delle creatività diventano fondamentali.
Andromeda non si “ottimizza” con un unico annuncio: ha bisogno di più asset dinamici e varianti contestuali per adattarsi in tempo reale ai diversi micro-momenti dell’utente.
Chi fornirà al sistema creatività diversificate, copy coerenti e segnali di qualità, otterrà risultati migliori in meno tempo.
Sequence Learning: Meta impara a capire la logica delle azioni
Il quarto pilastro della nuova architettura è Sequence Learning, il modello che consente a Meta di capire la logica temporale delle azioni degli utenti.
Non analizza solo cosa è successo, ma in che ordine.
Questo permette alla piattaforma di prevedere il passo successivo nel percorso d’acquisto, aprendo nuove opportunità di upsell, cross-sell e retention.
Esempio: se un utente prenota un hotel in montagna, Meta può capire che il prossimo step logico è l’acquisto di attrezzatura da sci, abbigliamento tecnico o borse da viaggio. Di conseguenza, gli mostrerà annunci coerenti con quella sequenza.
Perchè è importante per gli eCommerce?
Sequence Learning consente di spostare il focus dalla conversione istantanea alla costruzione del valore per cliente.
Per un brand, questo significa poter sfruttare strategie pubblicitarie predittive, dove ogni interazione diventa un segnale per la fase successiva del funnel.
Da piattaforma pubblicitaria a motore predittivo
L’unione di GEM, Lattice, Andromeda e Sequence Learning trasforma Meta in un motore di previsione comportamentale.
Non si limita più a mostrare annunci, ma interpreta contesto, intenzione e sequenza per prevedere cosa farà l’utente successivamente.
Per chi gestisce un eCommerce, questo cambia tutto:
- serve integrare correttamente i dati (Conversion API, eventi server-side);
- serve fornire creatività differenziate e coerenti con il brand;
- e serve costruire funnel che Meta possa “capire” in termini logici, non solo di clic.
Esempio: un brand di cosmetici che collega i propri dati CRM e utilizza creatività dinamiche potrà permettere a Meta di mostrare automaticamente un prodotto complementare (come un siero dopo una crema) nel momento perfetto.
Chi riuscirà a fornire al sistema dati di qualità e segnali coerenti, aumenterà esponenzialmente la performance.
Chi invece continuerà a basarsi su pubblici manuali e metriche superficiali, rischierà di perdere visibilità e competitività.
Conclusione
Meta non sta semplicemente aggiornando il proprio algoritmo.
Sta costruendo una piattaforma pubblicitaria predittiva, capace di interpretare il contesto e imparare in modo autonomo.
Per gli eCommerce, questo significa ripensare la strategia pubblicitaria in chiave data-driven: più dati strutturati, funnel coerenti, asset dinamici e un approccio che aiuti Meta a “imparare” dal tuo business.
Chi capirà questa logica oggi, domani avrà un vantaggio competitivo enorme.
Perché in un mondo dove la pubblicità diventa predittiva, non vince chi spende di più, ma chi insegna meglio al sistema come vendere.
