7 步破解 Meta 广告 Andromeda 算法

如何用 7 步破解 Meta Ads 的 Andromeda 算法 July 21, 2026 · 10 min read · View source ↗ Advertising Meta Ads AI UGC 如果你的 meta ads 在过去一年里突然停止转化、变得更贵、你验证过的系统不再奏效，没人黑你的账户。 meta 更换了决定谁看到你广告的那台引擎。这次更新叫 andromeda。没有邮件、没有 ads manager 里的公告、没有推送通知。整个检索和投放系统，在这个平台上每一个广告主脚下悄然改变了，而大多数运营者仍然像 2023 年那样跑广告。 我每月在 meta ads 上花 $1M+，已经 7 年了。andromeda 是 meta 在这整个时期里做的最大一次基础设施变更。把账户调整到与它对齐的运营者正在印钞。没调整的那些，只能看着自己的 CPL 逐月攀升，却不懂为什么。 下面就是让你的账户与 andromeda 的工作方式对齐的 7 步。 首先：andromeda 到底是什么 把 andromeda 想成拍卖之前守在门口的那个保安。 旧系统：你建一个受众，meta 把你的广告展示给那个受众，拍卖决定哪些广告赢下展示位。 新系统：在你的广告到达拍卖之前，andromeda 扫描几千万条广告，为每一个独立用户挑出一份"可能相关"的创意短名单。这份短名单基于 meta 对那个人拥有的几十万个数据点：他们浏览过什么、互动过什么、他们的朋友在买什么、他们在什么内容上停留、以及什么行为模式能预测某个具体创意类型的转化。 如果你的广告进不了短名单，你的预算、你的出价、你的定向，连机会都没有。拍卖对你不发生。你的钱就那么坐着，你的触达缩水，因为 andromeda 一开始就不认为你的创意跟任何人相关。 这就是为什么创意质量现在决定一切。你广告组里的定向设置，是叠在一套"已经决定你的广告是否值得展示给任何人"的系统之上的次级过滤器。 第 1 步：整合你的账户结构 一个 campaign（广告系列）。一个 objective（目标）。 停止把预算拆到 5 个不同 campaign 里。停止每次上新一批广告就新建一个 campaign。停止为不同受众或不同创意测试跑独立 campaign。 meta 的算法工作起来像 LLM。如果你喂给 claude 一千份文档再问一个问题，它会在信息里搜索、识别相关段落、合成一个答案。信息越有条理，输出越好。 andromeda 也这样工作。它需要理解你的账户结构，才能做出好的检索决策。五个 split 预算的 campaign 意味着五个独立的优化循环，没有一个积累到足够的转化数据来正经学习。 一个 campaign 把 meta 的所有学习集中进一个优化循环。算法得到更清晰的信号，更快退出学习阶段，并做出更好的检索决策，因为数据不再碎片化。 怎么做： - 一个用 leads objective（或 purchase，视你的商业模式而定）的 campaign - 一个测试新创意的测试广告组（ABO，宽泛定向） - 一个给已验证赢家的放量广告组 - 把图片和视频广告组分开，避免混合格式带来的 CPM 偏差 第 2 步：定向全面放宽 关掉你正在跑的每一个兴趣堆叠、每一个 lookalike 受众、每一个分层定向组合。 meta 比你自己更清楚谁该看到你的广告。这不是 meta 的傲慢。这是数学。meta 对每个用户有几十万个数据点。你只有一张假设的电子表格。 旧模型："谁该看到我的广告？"你基于兴趣和人口统计建受众。 新模型："这个人该看到哪条广告？"andromeda 基于实时行为信号，把创意匹配给用户。创意在做定向。广告组限制是障碍，不是过滤器。 为什么宽泛行得通：advantage+ 宽泛定向给 andromeda 最大的受众空间，去发现对你具体创意有反应的行为口袋。受限受众缩小那个空间，逼算法从一个更小、更嘈杂的信号池里学习。 过渡期的不适：从兴趣定向切换到宽泛的头 5-7 天会显得更糟。这是预期中的。算法在探索一个大得多的池子。到第 14-21 天，单条合格线索成本通常低于兴趣定向的基线，且量级显著更高。 如果你想看我们怎么为客户搭宽泛定向过渡的完整走法，私信我"META"，我把周度框架发你。 第 3 步：为你撑得起的、最深的转化事件做优化 停止为"lead（线索）"优化。那是在让 meta 去找填表的人。填表的人不是买家。 为你的量级能支撑的最深标准事件优化： - "schedule"（预约到店） - "complete registration"（完成申请） - "submit application"（提交申请＝合格线索） 事件越深，meta 收到的"谁真正转化了"的信号质量就越高。算法不再为那些点按钮的人优化，而是开始为那些约了电话并到场的人优化。 量级要求：meta 需要每个广告组每周 50 个转化事件才能退出学习阶段。如果你为"合格线索"优化、却每周只拿到 8-10 个，算法还是在猜。 修法：如果你的量级撑不起最深事件，就从上一级开始。为"booked call（预约了电话）"而不是"qualified booked call（合格的预约电话）"优化。随着量级上升，再把优化事件往下推深。 关键区分：把所有数据都送回 pixel，让 meta 有完整可见度。但把"哪些事件算作可优化转化"限制成只有合格的那些。这就是你如何在不饿死它数据的情况下，喂给算法干净信号。 第 4 步：每批构建 25-30 个创意角度 这是 andromeda 下大多数运营者栽跟头的地方。 一个创意概念，就是给算法的一个信号。如果你跑 5 个创意，全是不同钩子的 talking head（口播），andromeda 会把它们归进一个容器，当成一个信号。你在检索引擎里拿到的不是 5 次机会。是一次。 25-30 个真正不同的创意角度，意味着给算法的 25-30 个不同信号。每一个触及一个不同的行为口袋。每一个都给 andromeda 一个不同的匹配机会。 怎么生成 25-30 个购买触发点： 不要从 claude 开始。前 10-15 个购买触发点，你会比任何 AI 想得都好。定一个 30 分钟计时器坐下来，写下每一个有人会买你产品的理由： - 他们正在经历的问题 - 他们想要的结果 - 他们需要看到的证据 - 他们想被解释的过程 - 报价机制（定价、保证、时间线） - 他们还没说出口的异议 - 社会证明场景（他们的同类在做什么） - 他们在逃避的恐惧（不作为的代价） - 向往的身份（他们想成为谁） - 触发事件（刚刚发生了什么让他们去搜解决方案） 前 15 个之后，用 AI 填补剩余缺口：把你的购买触发点跟竞品广告、差评和 ICP 研究数据交叉比对。 格式多样性同样重要： - 创始人 talking head - 客户 testimonial / UGC - AI UGC - 原生格式（iMessage、apple notes、google 搜索结果） - 静态数据可视化 - 屏幕文字 - 绿幕 - 粘土动画 / 定格动画 - 分屏解说 一批 25 条广告、跨 5 种格式类型，给 andromeda 25 个不同信号、跨 5 个不同视觉容器。算法有了最大空间去发现哪些格式-触发组合跟哪些行为口袋共振。 第 5 步：锁死你的信号数据（pixel + 转化 API） pixel 是算法的记忆。转化 API（Conversion API）是保持那份记忆准确的机制。 转化 API 设置：对 page view 更深的所有事件都跑转化 API。对照 web pixel 做去重，避免重复计数。转化 API 把服务器端数据直接发给 meta，绕过浏览器限制和会降级 pixel 数据质量的广告拦截器。 事件匹配质量：查 events manager。你的事件匹配质量分需要在 7.0 以上。低于这个，meta 就无法可靠地把你在送回的事件匹配到真正转化的那些用户。信号嘈杂，优化就退化。 "只算合格"信号规则：把所有数据喂给 pixel，让 meta 对整个漏斗有可见度。但只把合格转化算作你的优化事件。不合格线索、bot 流量、薅羊毛者，都不该训练算法"转化长什么样"。 我们在一些账户上用了一个 AI 资格层：lead 的申请回答按 ICP 标准打分，只有超过阈值的线索才作为转化事件送回。这训练算法去找更多"像合格线索"的人，而不是更多"像每个填表者"的人。 第 6 步：执行 72 小时不动手规则 上线这批。走开 72 小时。 在第 36 小时看起来很贵的 campaign，正在做它该做的。算法在探索模式，测试哪些创意对哪些受众细分表现好。头 72 小时的数据就是学习阶段。在这段时间动 campaign（暂停表现差的、调预算、改定向）会重置学习，逼算法重新开始。 在第 5-7 天评估，不是第 2 天。 第 5-7 天时： - 按"单条合格线索成本"识别头部表现者（不是单次点击成本或单条线索成本） - 把赢家移到放量广告组，每 2-3 天加 20% 预算 - 暂停明确的输家，把它们记进"已测/失败"数据库 - 让中间表现者继续跑到第 14 天，再做最终评估 第 7 步：建立反馈循环 这是把"会改进的运营者"和"会重复的运营者"分开的那一步。 每批之后（2 周循环），按以下聚合表现： - 钩子类别（AUTH、CONT、PAIN、PROOF、MECH、FOMO） - 格式类型（SELF、HEAD、STAT、UGC、NATIVE、CLAY） - 认知阶段（问题无感、问题有感、方案有感） 跨批浮现出的模式，告诉你哪些组合对你的具体报价和 ICP 持续奏效。聚合数据比任何单条创意的表现都更有价值，因为它揭示了你受众的结构性偏好。 把聚合数据喂进下一批的创意 brief。角度 brief 应该优先未测的触发点、在赢的格式-触发组合上加码、并避免重复已经失败的组合。 反馈循环会复利。每一批都比上一批聪明，因为它建立在更多数据之上。到第 3-4 个月，账户已经积累了足够的模式数据，能在上线前预测哪些创意方向会表现好。那就是优势。 复盘：andromeda 下的 3 件工作 这篇文章里的一切，归结为三件工作： 1. 喂它干净信号。带去重的转化 API。只算合格的优化事件。事件匹配质量 7.0 以上。算法只跟你给它的数据一样聪明。 2. 给它真正的创意多样性。每批 25-30 个购买触发点。每批 5+ 种格式类型。每一个真正不同的创意，都是给 andromeda 检索引擎的一个独立信号。更多信号 = 发现更多受众口袋。 3. 别挡它的路。宽泛定向。一个整合的 campaign。上线后 72 小时不动手。那些试图用手动定向和微优化去智胜 andromeda 的运营者，正是看着 CPL 攀升的那批人。 andromeda 不是一个你能拨开的设置。它是决定你的广告到底会不会被看到的引擎。让你的账户跟它的工作方式对齐，结果自然跟上。 如果你想让我们审计你的服务生意，并展示我们会如何重构你的 meta ads 账户、使其与 andromeda 的检索逻辑对齐，私信我"META"，我们把整场重建给你画出来。 （通过 meta ads 漏斗为服务型企业创造了 $10M+，全托管） zack Tags: # X # Advertising # Meta Ads # AI # UGC # Meta # Facebook # Instagram # Claude # Marketing # Growth # Guide Related articles the 5-minute ai song ads taking over meta 1 minute of this "ad" and no product. Advertising AI Meta Ads UGC