[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-meta-ad-serving-tweak-instagram-results-zh":3,"tags-meta-ad-serving-tweak-instagram-results-zh":33,"related-lang-meta-ad-serving-tweak-instagram-results-zh":46,"related-posts-meta-ad-serving-tweak-instagram-results-zh":50,"series-industry-c1e4ba92-7c9b-4afe-b45e-3b19d50d7b7a":87},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":21,"translated_content":10,"views":22,"is_premium":23,"created_at":24,"updated_at":24,"cover_image":11,"published_at":25,"rewrite_status":26,"rewrite_error":10,"rewritten_from_id":27,"slug":28,"category":29,"related_article_id":30,"status":31,"google_indexed_at":32,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":23},"c1e4ba92-7c9b-4afe-b45e-3b19d50d7b7a","Meta 調整廣告排序，Instagram 成效上升","\u003Cp>Meta 說，Instagram 廣告最近有感變好。\u003Ca href=\"https:\u002F\u002Fabout.fb.com\u002Fnews\u002F\" target=\"_blank\" rel=\"noopener\">Meta\u003C\u002Fa> 的廣告投放調整後，轉換率提升 3%，點擊率增加 5%。這不是創意換新圖，也不是受眾大改。核心是新的 \u003Ca href=\"https:\u002F\u002Fabout.fb.com\u002Fnews\u002F2026\u002F03\u002Fadaptive-ranking-model-instagram-ads\u002F\" target=\"_blank\" rel=\"noopener\">Adaptive Ranking Model\u003C\u002Fa>，它用即時訊號重新排序廣告。\u003C\u002Fp>\u003Cp>講白了，這種改動很 Meta。不是把廣告做得更花，而是把誰先看到哪則廣告算得更準。對廣告主來說，3% 和 5% 看起來不大，但放到大規模投放，就是很真實的錢。\u003C\u002Fp>\u003Cp>更有意思的是，Meta 還說這套模型更省算力。這代表它不是只追準確率。它也在意伺服器成本、延遲，還有整體投放效率。這才是大平台會在意的地方。\u003C\u002Fp>\u003Ch2>Meta 這次到底改了什麼\u003C\u002Fh2>\u003Cp>這次更新的重點在 ranking。以前可能只看一部分訊號。現在則是把更多互動資料拉進來，並且即時調整排序。使用者今天點什麼、停多久、滑多快，這些訊號都會影響下一次廣告決策。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775131973718-ft0t.png\" alt=\"Meta 調整廣告排序，Instagram 成效上升\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>對 Instagram 這種內容流很快的產品，這招很合理。因為人的意圖變很快。你剛看完球鞋，下一秒就想看旅遊。廣告系統如果還用慢半拍的規則，投放自然容易歪掉。\u003C\u002Fp>\u003Cp>Meta 也提到，這套設計會降低運算負擔。這點很重要。因為一個模型如果每次都要吃很多資源，效益再好也不一定能大規模上線。Meta 這種等級的流量，省一點算力就是省很多錢。\u003C\u002Fp>\u003Cul>\u003Cli>即時處理更多互動訊號\u003C\u002Fli>\u003Cli>依特徵稀疏度調整 embedding 配置\u003C\u002Fli>\u003Cli>清掉沒用到的 embeddings\u003C\u002Fli>\u003Cli>依上下文分流請求，減少不必要運算\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這幾個動作放在一起看，很明顯是效率導向。Meta 想要的是更準的排序，不是更重的系統。這種思路很像資料工程師會做的事：先把浪費砍掉，再談模型效果。\u003C\u002Fp>\u003Ch2>3% 和 5% 為什麼不能小看\u003C\u002Fh2>\u003Cp>3% 的轉換率提升，乍看很普通。可是在 Meta 的廣告規模下，這可能直接改變 ROAS。尤其是電商、App 下載、訂閱服務，這種差一點就差很多的產業，3% 常常不是小數字。\u003C\u002Fp>\u003Cp>5% 的點擊率提升也一樣。CTR 先上去，後面才有更多人進漏斗。就算最後轉換沒等比例成長，前面流量增加也會讓系統有更多可學的資料。這對演算法來說很補。\u003C\u002Fp>\u003Cp>我覺得這裡最有意思的地方，不是數字本身，而是它代表投放邏輯在變。廣告主以前常盯素材、受眾、版位。現在平台自己的排序模型，可能就吃掉一部分成果差異。你沒改 campaign，結果成效還是變了。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>轉換率：\u003C\u002Fstrong> +3%\u003C\u002Fli>\u003Cli>\u003Cstrong>點擊率：\u003C\u002Fstrong> +5%\u003C\u002Fli>\u003Cli>\u003Cstrong>影響範圍：\u003C\u002Fstrong> Instagram 廣告\u003C\u002Fli>\u003Cli>\u003Cstrong>效果來源：\u003C\u002Fstrong> 平台端排序模型更新\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這也提醒投放人員一件事。不要只看總成效。要拆 p\u003Ca href=\"\u002Fnews\u002Fsolana-ai-agents-onchain-transactions-99-percent-zh\">la\u003C\u002Fa>cem\u003Ca href=\"\u002Fnews\u002Fcrewform-agents-act-like-mcp-tools-zh\">ent\u003C\u002Fa>，看週期，看素材，看受眾。因為平台一改規則，整個帳戶的表現可能一起晃。你如果只看總表，很容易誤判。\u003C\u002Fp>\u003Ch2>跟 Google 的廣告系統比起來呢\u003C\u002Fh2>\u003Cp>Meta 這次的方向，其實跟 Google 很像。兩邊都知道，廣告系統不是只靠關鍵字或受眾標籤。真正有價值的是即時訊號。使用者的行為，才是最有用的資料。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775131968741-h30m.png\" alt=\"Meta 調整廣告排序，Instagram 成效上升\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>Google 很早就把自動出價和機器學習做成核心。Meta 現在強調的，是更貼近當下情境的排序。差別在於，Instagram 的 feed 更吃瞬間興趣。你剛停留 2 秒，系統就要決定下一則廣告要不要塞進來。\u003C\u002Fp>\u003Cp>這裡有一個真實的提醒，來自 \u003Ca href=\"https:\u002F\u002Fwww.goodreads.com\u002Fauthor\u002Fquotes\u002F35378.Jaron_Lanier\" target=\"_blank\" rel=\"noopener\">Jaron Lanier\u003C\u002Fa>：\u003C\u002Fp>\u003Cblockquote>“The biggest risk is not that computers will get too smart, but that humans will believe they are smarter than they are.”\u003C\u002Fblockquote>\u003Cp>這句話放在廣告系統上很貼切。平台說模型變好了，沒錯。可是廣告主還是要問：到底是模型變準，還是 auction 結構變了？到底是訊號更好，還是報表看起來比較漂亮？\u003C\u002Fp>\u003Cp>說真的，平台端的更新常常會影響很多東西。包含歸因、受眾重疊、出價節奏。你不看 account-level data，很容易把平台的功勞全吃下來，結果其實只是 delivery 調整。\u003C\u002Fp>\u003Ch2>這跟其他廣告平台差在哪\u003C\u002Fh2>\u003Cp>如果把 Meta 放到整個廣告技術市場看，重點就很清楚了。大家都在做 ranking。差別只是誰的訊號更多，誰的延遲更低，誰的成本更能壓住。這次 Meta 的說法，是它把準確率和效率一起拉上來。\u003C\u002Fp>\u003Cp>這種更新很像雲端服務常做的優化。不是只讓模型更聰明，而是讓它更便宜、更快。對大規模投放平台來說，這才是真的本事。因為每一次廣告曝光，背後都是大量即時計算。\u003C\u002Fp>\u003Cp>如果拿實務面來比，Meta 這次的數字算是漂亮，但也不誇張。它不是把成效翻倍。它是把原本就很大的盤子，再往上挪一點點。可是在廣告世界，一點點就夠大了。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Meta Instagram ads：\u003C\u002Fstrong> 轉換率 +3%，CTR +5%\u003C\u002Fli>\u003Cli>\u003Cstrong>一般帳戶優化：\u003C\u002Fstrong> 常見單週改善多在個位數百分比\u003C\u002Fli>\u003Cli>\u003Cstrong>平台級排序更新：\u003C\u002Fstrong> 會影響所有符合條件的曝光\u003C\u002Fli>\u003Cli>\u003Cstrong>手動調整受眾：\u003C\u002Fstrong> 通常只改到部分流量\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這也解釋了為什麼平台更新值得盯。你自己調素材，可能只影響一小段流量。平台改 ranking，卻可能直接碰到整個 auction。兩者不是同一個量級。\u003C\u002Fp>\u003Ch2>背後是廣告系統的老問題\u003C\u002Fh2>\u003Cp>廣告排序一直有三個老問題。第一是準不準。第二是快不快。第三是貴不貴。模型如果很準，但算得慢，還是不能用。模型如果很快，但訊號太少，效果也有限。\u003C\u002Fp>\u003Cp>Meta 這次的做法，就是把這三件事一起處理。它不只看更多資料，也讓系統更會分配 embedding，還會把沒用的部分清掉。這種做法很工程。也很實際。\u003C\u002Fp>\u003Cp>我覺得這代表一個趨勢。大型平台不再只拼模型分數。它們更在意整體系統表現。因為在真實世界，模型分數高，不代表廣告主真的賺錢。要能穩定跑，才算數。\u003C\u002Fp>\u003Cp>如果你是廣告主，接下來最好觀察三件事。第一，Instagram 版位是否持續優於其他版位。第二，成效變化是不是集中在某些品類。第三，轉換提升有沒有跟著流量品質一起變好。這些都比單看總 CTR 更有用。\u003C\u002Fp>\u003Cp>如果你是做產品或資料的人，這則消息也很有啟發。它提醒你，排序系統不是只看模型。資料清理、特徵稀疏度、記憶體配置、請求路由，這些都會直接影響結果。很多時候，成效差 3%，問題根本不在模型本身。\u003C\u002Fp>\u003Ch2>接下來該盯什麼\u003C\u002Fh2>\u003Cp>我會先看 Meta 會不會把這套 ranking 思路擴到更多版位。Instagram 只是第一站。只要這套方法能穩住成效，又不把算力成本拉爆，其他廣告產品很可能也會跟上。\u003C\u002Fp>\u003Cp>對廣告主來說，現在最實際的做法很簡單。把報表拆細。看 placem\u003Ca href=\"\u002Fnews\u002Fopencode-mcp-servers-oauth-support-zh\">en\u003C\u002Fa>t。看週別。看素材。再看受眾。不要只看整體 ROAS。因為平台端一改，整體數字常常會騙人。\u003C\u002Fp>\u003Cp>我的判斷是，最吃香的會是資料乾淨、轉換量夠的帳戶。這種帳戶更容易讓模型學到東西。反過來說，訊號太少的品牌，就算平台變聰明，也不一定吃得到便宜。\u003C\u002Fp>\u003Cp>所以真正要問的不是「AI 有沒有變強」。而是「你的資料能不能證明它變強」。如果不能，那你看到的可能只是平台自己變得更會講故事。\u003C\u002Fp>","Meta 調整 Instagram 廣告排序模型後，轉換率提升 3%，點擊率增加 5%。這次變動靠即時訊號與更省算力的排程，對廣告主和投放策略都很有看頭。","www.optimixed.com","https:\u002F\u002Fwww.optimixed.com\u002Fmeta-highlights-improvements-to-its-ad-serving-program\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775131973718-ft0t.png",[13,14,15,16,17,18,19,20],"Meta","Instagram","廣告投放","Adaptive Ranking Model","CTR","轉換率","機器學習","廣告排序","zh",1,false,"2026-04-02T12:12:32.110171+00:00","2026-04-02T12:12:32.042+00:00","done","f7979ca0-0e71-446f-80be-1edba1dca683","meta-ad-serving-tweak-instagram-results-zh","industry","1a38533d-e56a-414a-9c5f-0dba77a0b7f1","published","2026-04-08T09:00:52.333+00:00",[34,35,36,38,39,40,42,44],{"name":19,"slug":19},{"name":20,"slug":20},{"name":16,"slug":37},"adaptive-ranking-model",{"name":15,"slug":15},{"name":18,"slug":18},{"name":14,"slug":41},"instagram",{"name":17,"slug":43},"ctr",{"name":13,"slug":45},"meta",{"id":30,"slug":47,"title":48,"language":49},"meta-ad-serving-tweak-instagram-results-en","Meta’s ad serving tweak lifts Instagram results","en",[51,57,63,69,75,81],{"id":52,"slug":53,"title":54,"cover_image":55,"image_url":55,"created_at":56,"category":29},"cd078ce9-0a92-485a-b428-2f5523250a19","circles-agent-stack-targets-machine-speed-payments-zh","Circle 推出 Agent Stack，瞄準機器速度支付","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778871663628-uyk5.png","2026-05-15T19:00:44.16849+00:00",{"id":58,"slug":59,"title":60,"cover_image":61,"image_url":61,"created_at":62,"category":29},"96d96399-f674-4269-997a-cddfc34291a0","iren-signs-nvidia-ai-infrastructure-pact-zh","IREN 綁上 Nvidia AI 基建","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778871057561-bukp.png","2026-05-15T18:50:37.57206+00:00",{"id":64,"slug":65,"title":66,"cover_image":67,"image_url":67,"created_at":68,"category":29},"de12a36e-52f9-4bca-8deb-a41cf974ffd9","circle-agent-stack-ai-payments-zh","Circle 推出 Agent Stack 做 AI 付款","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778870462187-t9xv.png","2026-05-15T18:40:30.945394+00:00",{"id":70,"slug":71,"title":72,"cover_image":73,"image_url":73,"created_at":74,"category":29},"e6379f8a-3305-4862-bd15-1192d3247841","why-nebius-ai-pivot-is-more-real-than-hype-zh","為什麼 Nebius 的 AI 轉型比炒作更真實","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778823044520-9mfz.png","2026-05-15T05:30:24.978992+00:00",{"id":76,"slug":77,"title":78,"cover_image":79,"image_url":79,"created_at":80,"category":29},"66c4e357-d84d-43ef-a2e7-120c4609e98e","nvidia-backs-corning-factories-with-billions-zh","Nvidia 出資 Corning 工廠擴產","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778822450270-trdb.png","2026-05-15T05:20:27.701475+00:00",{"id":82,"slug":83,"title":84,"cover_image":85,"image_url":85,"created_at":86,"category":29},"31d8109c-8b0b-46e2-86bc-d274a03269d1","why-anthropic-gates-foundation-ai-public-goods-zh","為什麼 Anthropic 和 Gates Foundation 應該投資 A…","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778796636474-u508.png","2026-05-14T22:10:21.138177+00:00",[88,93,98,103,108,113,118,123,128,133],{"id":89,"slug":90,"title":91,"created_at":92},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":129,"slug":130,"title":131,"created_at":132},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":134,"slug":135,"title":136,"created_at":137},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]