A recomendação de anúncios da Meta é formada por diferentes componentes de recuperação e ranking. Não existe, na documentação oficial consultada, um “funil de cinco IAs” chamado Lerice, Andromeda, Sequence Learning, GE/Gen e Adaptive Hanking. Esses nomes misturam termos corretos com erros de transcrição e ideias que não devem ser apresentadas como uma lista oficial.
Para explicar o sistema com precisão, é melhor usar os componentes que a própria Meta divulgou: Andromeda, sequence learning, GEM e Adaptive Ranking Model. Eles ajudam a entender partes do processo de recomendação, mas não são uma receita de campanha que o anunciante possa ligar ou desligar no Gerenciador de Anúncios. A distinção importa: conhecer a arquitetura dá contexto, mas não revela por si só por que uma campanha específica está cara ou vendendo menos.
Andromeda: recuperação de anúncios
Andromeda atua na etapa de retrieval, ou recuperação de anúncios. Em termos simples, essa etapa reduz um universo amplo de anúncios candidatos para um conjunto menor que seguirá para avaliação. A Meta descreve Andromeda como um sistema de recuperação personalizado para anúncios, com uma arquitetura técnica própria. A explicação detalhada está no texto da empresa sobre Andromeda e a recuperação de anúncios.
Para quem anuncia, isso não significa que exista um botão para “otimizar Andromeda”. O trabalho prático continua sendo criar uma oferta compreensível, representar o produto com precisão, configurar a campanha de acordo com o objetivo e fornecer informações corretas. Se o anúncio não explica a proposta ou apresenta algo diferente do que a página entrega, uma descrição da arquitetura não resolve essa diferença.
Sequence learning: comportamento ao longo do tempo
Os modelos de sequence learning analisam a ordem e o tempo das interações para construir representações de interesses e intenção. A Meta descreve uma abordagem de sequência para recomendações de anúncios, com eventos organizados de modo a considerar atributos e ordem temporal. Em 2026, a empresa também apresentou uma arquitetura multiestágio para ampliar essa capacidade. A publicação técnica explica o conceito de aprendizado de sequência em recomendações personalizadas.
Uma interpretação prática, sem tentar adivinhar o perfil de uma pessoa específica, é que a entrega não depende apenas de uma categoria ampla escolhida pelo anunciante. Por isso, é mais útil formular bem a proposta e observar como as pessoas respondem do que presumir que uma configuração isolada explique todo o desempenho. Essa é uma orientação de análise, não uma promessa de que determinado criativo será mostrado a um público exato.
GEM: modelo fundamental de recomendação
GEM significa Generative Ads Recommendation Model. A Meta o descreve como um modelo fundamental que aprimora outras partes do sistema de recomendação de anúncios. Isso não quer dizer que o anunciante deva produzir peças com aparência de conteúdo gerado por IA, nem que exista uma fórmula criativa chamada “GEM”. O nome se refere a uma tecnologia de recomendação descrita pela empresa.
A publicação da Meta sobre o modelo explica seu papel dentro das recomendações de anúncios: o que a Meta divulgou sobre o GEM. Para a operação, mantenha o foco no que pode ser controlado: a veracidade da mensagem, a compatibilidade entre anúncio e oferta, a qualidade das informações enviadas e o acompanhamento do resultado comercial.
Adaptive Ranking Model
O Adaptive Ranking Model ajusta a complexidade do modelo ao contexto de cada solicitação. A Meta explica que o sistema busca equilibrar modelos mais sofisticados com a baixa latência necessária à entrega de anúncios. A publicação técnica da empresa sobre o Adaptive Ranking Model descreve essa questão do ponto de vista de infraestrutura e recomendação.
Essa descrição não deve virar uma recomendação operacional inventada, como “duplique os conjuntos” ou “suba muitos anúncios para agradar ao modelo”. O artigo técnico trata de componentes internos; a campanha precisa ser avaliada pelos dados disponíveis na conta e pelos objetivos do negócio. Quando uma mudança for feita, registre o que mudou, qual hipótese motivou a alteração e que resultado será observado.
Isso explica sozinho CPM ou CPA altos?
Não. Custos e resultados de uma campanha podem envolver fatores diferentes, como concorrência, sazonalidade, objetivo, criativos, oferta, conversão e qualidade dos dados. A arquitetura interna ajuda a entender como a plataforma organiza recomendações, mas não substitui a análise da conta. Sem olhar o período, a estrutura, as páginas e a mensuração, não é possível atribuir uma variação a um único componente.
Uma verificação inicial pode separar o problema em etapas. Primeiro, confirme se a campanha está buscando a ação que importa para o negócio. Depois, confira se o evento está sendo registrado e se a página mantém a promessa do anúncio. Por fim, examine a mensagem, a oferta e a resposta comercial. Essa sequência não prova a causa sozinha, mas ajuda a evitar que a equipe mude várias partes ao mesmo tempo sem saber o que estava tentando corrigir.
Para aprofundar a parte prática, leia como avaliar o desempenho de campanhas no Meta Ads e o artigo sobre o que mudou nos anúncios da Meta. A Agência X3 trabalha com gestão de Meta Ads e tráfego pago.
Conclusão
Usar os nomes e as funções documentados pela Meta evita diagnósticos baseados em sistemas inexistentes ou em promessas de que uma única mudança vai resolver o desempenho. Andromeda, sequence learning, GEM e Adaptive Ranking Model descrevem componentes técnicos de recomendação. Para o anunciante, a prioridade continua sendo manter informações confiáveis, alinhar objetivo e mensuração, apresentar uma oferta clara e observar o caminho entre o anúncio e o resultado.
Se os custos mudaram ou as conversões caíram, comece pela conta e pelo percurso do cliente: confira a configuração, valide os dados disponíveis e veja se anúncio, página e atendimento continuam coerentes. A explicação técnica serve como contexto para essa análise; não substitui o diagnóstico do que aconteceu na operação.
Sua empresa já anuncia, mas os resultados não estão correspondendo ao investimento? Fale com a Agência X3 para avaliar sua estrutura atual de campanhas de Meta Ads. Entre em contato com a nossa equipe.
