# 重磅！2025年Meta仙女座算法重写Facebook广告规则，转变投放思路
近期，不少外贸老板和投手们纷纷发现一个令人困惑的现象：原本跑得稳定的Facebook广告突然变得不稳定，CPA一夜之间暴涨，老素材不再有效，学习期无限延长。
这些问题背后的根源，并非操作失误或内容质量下降，而是Meta推出了全新的核心算法——仙女座（Andromeda）算法，它正在彻底改写Facebook广告的底层运行方式。
01精准定向为何不再“精准”？
回顾过去，我们投放Facebook广告的典型思路是：挑选兴趣标签、拆分人群、叠加行为数据、设置年龄性别地区，创建一堆“精准标签”。我们告诉系统：“我寻找的是喜欢家居、年龄25-45岁、女性、有购买倾向的人。”而旧系统也会严格按照这些标签去寻找受众。
然而，在仙女座算法下，这些手动标签的重要性正在快速下降。Meta广告后台经历了“底层换血”，2024年底官方公开的Andromeda广告检索系统是Meta十年来最大规模的广告召回系统升级。
02仙女座算法：重新定义广告匹配规则
仙女座是Meta开发的新一代AI检索系统，目前已整合到Meta的“高效速成”（Advantage+）系列中。与依赖人工设置标签的旧系统不同，仙女座算法利用“语义向量+用户行为”来决定广告展示给谁，而非仅仅依据手动选择的兴趣标签。
这套新系统的核心变革在于：它关注的是用户最近看了什么内容、停留在哪些页面、点击过什么广告、浏览的落地页是什么，以及广告素材中的文字、图片、视频的语义向量是否与用户兴趣匹配。
换句话说，现在的系统是帮你寻找“与你的素材语义相近的人”，而不是你手动标记的“精准人群”
03仙女座算法下的四大广告困境
以往，一个爆款广告素材可能能用半年甚至更久，重复投放仍能稳定带来转化。但仙女座算法会对广告的“信息新鲜度”进行严格评估。
系统会自动识别素材里的文字、图片、视频内容的“语义向量”，判断它是否给用户传递了新信息。如果广告素材在长时间内反复出现类似内容，系统就会将其标记为“信息增量低”或“内容重复”，并不再优先推送。
对策：定期更新广告素材，避免内容同质化。尝试多样化的创意形式，如新增UGC风格视频、拆分功能卖点、加入节日/热点元素等。用“新故事”持续喂养算法，让它感知到你的广告始终“有料”。
过去，我们投入大量时间挑选兴趣标签、叠加用户行为、划分细分人群，希望精准锁定目标客户。但仙女座算法让系统不再单纯依赖这些“静态标签”，而是转向分析用户最新的行为轨迹和内容语义。
具体表现：你设置的兴趣标签包在系统整体画像权重中明显下降，甚至标签过多反而会被认为“信号太杂”，影响投放效果。精细兴趣包带来的流量减少，精准度下降。
对策：减少对复杂兴趣包和过细标签的依赖。采用“Broad Targeting”（广泛投放）模式，信任算法自动匹配。将精力转向提升素材和广告文案质量，帮助AI更好地理解你的广告内容和目标客户。
基于深度学习和大规模语义理解的新模型，要求广告账户提供更丰富的行为信号才能快速“学会”广告应推送给谁。
具体表现：新账户或新广告组的学习期明显延长，可能从过去的几天变成1-2周甚至更久。学习期内投放量不稳定，成本波动大，表现起伏明显。
对策：新建广告组时，预算不要过低，确保有足够的曝光量。增加素材数量和多样性，避免“喂饱不充分”。每周定期上传新创意，为算法快速提供新鲜信号。
由于“语义匹配”高度依赖语言、文化和用户行为数据，算法在不同国家和地区的表现差异更加明显。
具体表现：一条广告素材在美国、欧洲表现良好，但直接搬到印度、印尼等新兴市场可能效果大打折扣。因为算法要把广告的“语义向量”与用户最近的语义行为匹配，而不同国家用户的内容消费习惯、语言用法差异会影响匹配效果。
对策：针对不同目标市场，进行本地化素材制作和文案调整。结合当地文化热点、语言习惯、用户偏好做创意创新。测试不同市场的素材反馈，针对性优化。
04仙女座时代：Facebook广告的五大实操策略
不要再纠结于精准定向，学会放开投广泛流量。Andromeda算法不太依赖你手动选择的人群标签，反而更看重实时的用户行为和兴趣。
最可靠的方法是：使用Broad（广泛）投放开启CBO，让预算自动分配，投放3-5个不同创意，供系统选择最佳素材。
在仙女座算法下，素材的多樣性变得至关重要。系统需要持续的新鲜信号来优化投放。
建议每周准备5-8条不同类型的广告素材，覆盖用户评价、场景应用到FAQ等多个方面。多样化的创意能让系统有更多机会找到适合的受众。
广告文案和标题必须有明确主题、场景、价值点和痛点，AI才能准确理解你的内容。
你的广告文案不能含糊，要明确告诉系统你卖什么、解决什么痛点，只有这样它才能精准找到需求用户。遵循“问题-解决方案”结构制作素材，前2秒展示用户痛点，中间5秒演示产品如何解决，结尾引导行动。
如果你的广告强调产品质量，落地页却大力推广低价，系统会判定为“言行不一”，从而降低你的权重。
落地页内容必须与广告素材语义保持一致，包括语言风格、卖点对应，系统才会给你更多推荐。确保广告中提到的优惠信息在落地页首屏重复展示，简化转化路径，减少跳转步骤。
不要构建复杂的账户结构，如3：2：2或堆积数十个广告。简化账户结构，给算法足够的学习空间。
避免过度拆分，采用一个CBO战役+3-5个创意集的简洁结构。新素材先进行冷启动测试，表现良好再增加预算。减少广告组合数量，可以更快让系统脱离学习阶段。
算法变革的本质是让广告投放回归内容本身的价值——让AI帮你“找人”，而你负责“动人”。
