Andromeda من Meta: آخر تحديثات إعلانات فيسبوك في 2026

ماذا لو أصبح إعلانك قادر على العثور على جمهوره بنفسه؟ هذا السؤال يلخص جوهر Andromeda، التحديث الذي يمثل واحدة من أكبر القفزات التقنية في تاريخ إعلانات Meta.

ما هو تحديث Andromeda؟

تحديث اندروميدا فيسبوك هو نظام ذكاء اصطناعي طورته Meta.ai لإعادة تصميم طريقة اختيار الإعلانات وعرضها للمستخدمين. والأهم من ذلك أنه قام بتغيير مفهوم الاستهداف التقليدي، وهو ما سنستكشفه بالتفصيل في الفقرات التالية.

كيف كانت إعلانات Meta تعمل قبل Andromeda؟

قبل ظهور Andromeda، كانت منظومة إعلانات Meta تعتمد على نموذج واضح يقوم على “من أنت؟” أكثر مما يقوم على “ما الذي تعرضه؟”. كان الاستهداف هو نقطة البداية، ثم تأتي باقي المراحل لاحقا لبناء القرار الإعلاني.

نموذج الاستهداف التقليدي

كان المعلن يحدد الجمهور يدويا اعتمادا على عدة طبقات:

• الاهتمامات: مثل الرياضة، التسوق، التكنولوجيا، أو السفر، حيث يتم ربط المستخدمين بناء على الصفحات والمحتوى الذي يتفاعلون معه.
• السلوكيات: مثل عمليات الشراء السابقة، استخدام الأجهزة، أو أنماط التصفح داخل وخارج منصات Meta.
• الجماهير المخصصة: وتشمل إعادة استهداف الأشخاص الذين تفاعلوا مع الموقع الإلكتروني، التطبيق، أو المحتوى الإعلاني سابقا.
• الجماهير المشابهة: حيث يتم إنشاء جمهور جديد يشبه في خصائصه جمهور العملاء الحاليين.

هذا النموذج كان يعطي المعلن إحساس كبيرا بالتحكم، لكنه في المقابل كان يعتمد بشكل أساسي على جودة البيانات المتاحة ودقتها.

آلية المزاد الإعلاني القديمة

كانت عملية عرض الإعلان تمر بثلاث مراحل أساسية:

1. مرحلة الاستهداف: تحديد الإعلانات التي “يمكن” أن تظهر للمستخدم بناء على إعدادات الجمهور.
2. مرحلة الاختيار: اختيار مجموعة محدودة من الإعلانات المؤهلة للدخول في المزاد.
3. مرحلة الترتيب: تحديد الإعلان الفائز بناء على عوامل مثل السعر، معدل التفاعل المتوقع، وجودة الإعلان.

هذه العملية كانت تعمل بكفاءة، لكنها كانت تعتمد بشكل كبير على القيود التي يضعها المعلن في البداية، مما يحد أحيانا من فرص الوصول إلى مستخدمين جدد.

أبرز نقاط الضعف في النظام القديم

رغم نجاحه لسنوات، إلا أن هذا النموذج كان يعاني من عدة تحديات واضحة:

• الاعتماد الكبير على بيانات التتبع: أي تغييرات في أنظمة الخصوصية أو سياسات التتبع كانت تؤثر مباشرة على دقة الاستهداف.
• صعوبة التوسع: الحملات غالبا كانت تتطلب تقسيمات معقدة للجماهير للوصول إلى نتائج مستقرة.
• تأثير تحديثات الخصوصية: مثل قيود تتبع المستخدمين على المتصفحات والأجهزة، مما قلل من حجم البيانات المتاحة لبناء الاستهداف.

مع مرور الوقت، أصبحت هذه القيود عائق أمام التطور، وهو ما مهد الطريق لظهور أنظمة أكثر ذكاء ومرونة مثل Andromeda، التي أعادت توزيع دور الاستهداف داخل منظومة الإعلان بالكامل.

كيف يعمل Andromeda من الناحية التقنية؟

لفهم Andromeda بشكل صحيح، لا يكفي النظر إليه كـ “خوارزمية إعلانات”، بل يجب رؤيته كنظام ذكاء اصطناعي يعمل داخل بنية معقدة هدفها الأساسي هو اختيار الإعلان الأكثر ملاءمة في أجزاء من الثانية، وسط مليارات الاحتمالات.

ما المقصود بمرحلة الاسترجاع Ad Retrieval؟

مرحلة Ad Retrieval هي المرحلة الأولى في نظام عرض الإعلانات، وفيها يتم تصفية عدد هائل من الإعلانات النشطة داخل منصة Meta للوصول إلى مجموعة صغيرة فقط قابلة للعرض على مستخدم معين.

بدل أن يتم تقييم كل إعلان في النظام، يتم “استرجاع” آلاف أو مئات من الإعلانات الأكثر احتمالا للملاءمة لهذا المستخدم.

دورها داخل منظومة الإعلانات

هذه المرحلة تعمل كـ “بوابة أولى”:

• تستبعد الإعلانات غير المناسبة بسرعة.
• تقلل حجم البيانات التي يجب معالجتها لاحقا.
• تحدد مجموعة الإعلانات المرشحة للدخول في المزاد الإعلاني.

Andromeda يركز بشكل أساسي على تطوير هذه المرحلة، لأنها الأخطر والأكثر تأثير على جودة النتائج.

الفرق بين Retrieval و Ranking

لفهم دور Andromeda بدقة، يجب التفريق بين مرحلتين أساسيتين:

01- Retrieval (الاسترجاع)

• الهدف: اختيار عدد محدود من الإعلانات من بحر ضخم.
• يعتمد على الذكاء الاصطناعي لفهم العلاقة الأولية بين المستخدم والإعلان.
• يتم بسرعة عالية جدا وبشكل واسع النطاق.

02- Ranking (الترتيب)

• الهدف: ترتيب الإعلانات المختارة مسبقا.
• يأخذ في الاعتبار عوامل مثل: احتمالية النقر، احتمالية التحويل، قيمة الإعلان.
• ينتج عنه الإعلان الفائز النهائي.

أين يتدخل Andromeda؟

Andromeda يركز بشكل أساسي على تحسين مرحلة Retrieval عبر استخدام نماذج ذكاء اصطناعي أعمق قادرة على فهم:

• المستخدم بشكل أكثر دقة.
• الإعلان بشكل أكثر شمولية.
• العلاقة بينهما قبل مرحلة المزاد.

بمعنى آخر، هو لا يختار الفائز مباشرة، لكنه يحدد “من يستحق أن يدخل المنافسة أصلا”.

كيف يعالج مليارات الإشارات يوميا؟

كل مرة يستخدم فيها شخص Facebook أو Instagram، يتم توليد كم هائل من الإشارات التي يدخل جزء منها في قرارات Andromeda، مثل:

1- سلوك المستخدم

• الفيديوهات التي يشاهدها.
• المنشورات التي يتفاعل معها.
• الإعلانات التي يتوقف عندها.

2- التفاعلات السابقة

• عمليات الشراء أو التسجيل.
• النقرات السابقة على الإعلانات.
• تاريخ التفاعل مع أنواع معينة من المحتوى.

3- بيانات الإعلان

• النصوص داخل الإعلان.
• الصور والفيديوهات.
• نوع المنتج أو الخدمة.
• أداء الإعلان مع مستخدمين مشابهين.

من خلال دمج ما سبق مع طبقات أخرى، يقوم Andromeda ببناء نموذج احتمالي دقيق جدا لتحديد أي إعلان يستحق أن يصل إلى المستخدم في تلك اللحظة، مما يجعل عملية اختيار الإعلان أكثر ذكاء وسرعة ومرونة من أي وقت مضى.

تأثير Andromeda على التجارة الإلكترونية

ستلاحظ أن اللعبة تغيرت بشكل واضح مع أنظمة مثل Andromeda. لم يعد النجاح مرتبط فقط بضبط الاستهداف أو اختيار الجمهور الصحيح، بل أصبح مرتبطا بمدى قدرة الإعلان نفسه على “إقناع النظام” قبل أن يقنع العميل.

كيف أصبح النظام أذكى؟

اليوم، خوارزمية الإعلانات لا تنظر إلى إعلانك كعنصر ثابت، بل كحزمة إشارات:

• هل الفيديو يجذب الانتباه في أول ثواني؟
• هل الناس يكملون المشاهدة؟
• هل هناك نقرات فعلية؟
• هل يتحول الاهتمام إلى شراء؟

بمعنى أبسط، النظام لم يعد يسأل: “من هو جمهورك؟” فقط، بل يسأل أيضا: “هل إعلانك يستحق أن يُعرض أصلا وبأي تكلفة؟”

وهذا ما جعل الإعلانات أكثر ذكاء، لكنها أيضا أكثر حساسية لجودة المحتوى.

ماذا يعني ذلك لك كتاجر إلكتروني؟

إذا كنت تبيع مثلا سماعات، ساعات ذكية، أو أي منتج إلكتروني، فالمعادلة تغيرت:

• إعلان قوي = توزيع أوسع + تكلفة أقل
• إعلان ضعيف = تكلفة أعلى + وصول محدود

لم يعد بإمكانك الاعتماد على “جمهور مثالي” لتعويض إعلان ضعيف.

لماذا أصبحت التجربة أهم من أي وقت مضى؟

في السابق، كان المسوق يحاول إيجاد “التركيبة الصحيحة” من الاستهداف بسرعة، ثم يثبت عليها. الآن الوضع مختلف تماما:

• لا توجد نسخة إعلان مثالية من أول مرة.
• كل إعلان يدخل في اختبار مباشر داخل النظام.
• النظام نفسه يتعلم منك ومن النتائج.

لهذا السبب، التجربة المستمرة أصبحت هي الأساس:

• تغيير الزاوية الإعلانية.
• اختبار أكثر من فيديو لنفس المنتج.
• تغيير النصوص والعناوين.
• تجربة أكثر من أسلوب عرض.

كل تجربة ليست خسارة، بل تدريب للنظام على فهم منتجك بشكل أفضل.

كيف تصل إلى حملة مثالية تجمع المبيعات والتكلفة المنخفضة؟

• ركز على الكرييتف (Ad Creative) قبل أي شيء: الإعلان نفسه هو الذي يحدد نجاحك، وليس الجمهور فقط.
• استخدم عدد أكبر من الإعلانات بدل إعلان واحد: النظام يحتاج بيانات ليقرر من يفوز.
• لا تتدخل كثيرا في الاستهداف: اترك مساحة للنظام ليكتشف الجمهور المناسب.
• راقب النتائج مبكرا لكن لا تحكم بسرعة: بعض الإعلانات تحتاج وقت ليجمع النظام بيانات كافية.
• كرر الفكرة الناجحة بدل تغيير كل شيء: إذا إعلان حقق مبيعات، لا تغيره، بل طوره.

الفكرة الأساسية التي يجب أن تفهمها

أنت اليوم لا “تشتري جمهور”، بل تدخل في منافسة داخل نظام ذكي يقرر:

• من يرى إعلانك
• متى يراه
• وبأي تكلفة

ومهمتك ليست التحكم الكامل في النظام، بل تقديم أفضل مادة ممكنة له ليقوم هو بتوسيعها وتحسين توزيعها. كلما فهمت هذا التحول مبكرا، كلما اقتربت أكثر من حملات تجمع بين: مبيعات أعلى + تكلفة أقل + نمو مستمر.