Jawaban langsung: Andromeda vs GEM bukan pilihan antara 2 algoritma Meta Ads, karena keduanya bekerja di tahap berbeda. Andromeda adalah mesin retrieval yang memilih daftar pendek, dan GEM adalah model fondasi yang mengajar model ranking yang menilai daftar pendek itu. GenRecs, sebuah pendekatan generatif, bekerja di retrieval Facebook Feed sejak kuartal 3 2026.
Kondisi utama: Ketiga sistem berjalan otomatis di dalam sistem iklan Meta. Batas: Ads Manager tidak punya setelan atau laporan khusus untuk ketiganya. Semua angka dampak di sini adalah klaim Meta dengan metrik, periode, dan populasi berbeda, jadi jangan pakai sebagai janji hasil.
Pada 4 November 2026, kami membaca penuh 4 posting Engineering at Meta: GEM, 13 Oktober 2026, GenRecs Tokenization, 19 Oktober 2026, Andromeda, 28 Oktober 2026, dan GEM, 10 November 2025. Kami juga membaca 2 halaman Meta for Business, 28 Oktober 2026: 3 inovasi AI di ads ranking dan cara sistem iklan Meta memilih iklan. Angka di contoh simulasi adalah data dummy.
Andromeda vs GEM: mengapa kedua nama ini sering tertukar
Kedua nama ini tertukar karena Meta mengumumkan beberapa sistem dalam 1 bulan dan sering memberi kredit hasil ke gabungan sistem.
- Tanggal terbit berdekatan. Posting GEM terbit 13 Oktober 2026, posting GenRecs 19 Oktober, dan posting Andromeda 28 Oktober.
- Kata ranking dipakai longgar. Halaman Meta for Business menaruh Andromeda di bawah judul ads ranking, padahal posting engineering memisahkan retrieval dan ranking.
- Kredit hasil digabung. Menurut Meta for Business, Facebook mencatat kenaikan konversiKonversiTindakan yang Anda hitung sebagai hasil, misalnya pesanan terbayar, pendaftaran, atau chat yang menjadi calon pembeli.Buka glosarium 15,7% pada kuartal 2 2026. Meta memberi kredit angka itu ke model pemahaman pengguna, GEM, dan sequence learning bersama-sama.
Praktisi juga menyebut setiap perubahan penayangan sebagai update Andromeda. Menurut PPC Land, Meta tidak pernah menerbitkan tanggal rollout untuk itu.
Apa itu Meta Andromeda?
Meta Andromeda adalah mesin retrieval iklan, yaitu tahap pertama yang memilih kandidat sebelum ranking. Menurut posting Andromeda 2026, versi 2026 memberi skor pada setiap iklan eligible dengan kualitas yang mendekati tahap ranking.
Posting Andromeda juga menulis bahwa index matching menegakkan aturan targeting pengiklan. Pipeline produksinya memproses lebih dari 1 miliar iklan per detik pada 1 server GPU. Posting itu mencatat kenaikan konversi 2,4% di Facebook sejak 2025.
Menurut Meta for Business, kompleksitas Andromeda naik 10 kali pada kuartal 3 2026 tanpa tambahan biaya komputasi. Hasilnya, konversi naik 1,37% di Facebook dan 0,24% di Instagram Reels.
Untuk detail tahap retrieval, baca panduan algoritma Meta Ads Andromeda.
Apa itu Meta GEM?
Meta GEM (Generative Ads Recommendation Model) adalah model fondasi yang belajar dari data semua surface, lalu mengajar model yang menayangkan iklan. GEM tidak menilai iklan secara langsung di setiap permintaan.
Menurut posting GEM 2026, menjalankan model sebesar GEM secara real time terlalu mahal. Karena itu, GEM mentransfer pengetahuannya ke ratusan model vertikal yang menayangkan iklan. Transfer memakai distilasi pengetahuan, representasi ringkas bernama LoopFM, dan embedding yang Solaris hitung lebih dulu.
Versi 2026 memprediksi klik di semua surface dan konversi di tujuan utama dalam 1 model. Pola dari data klik yang banyak membantu tugas konversi yang datanya sedikit. Menurut Meta for Business, kampanye dengan sedikit konversi ikut mendapat manfaat.
Menurut Meta for Business, GEM kini membaca riwayat interaksi 2 kali lebih panjang lewat model yang 2,5 kali lebih kompleks. Posting engineering menamai arsitektur baru itu Kunlun.
Menurut posting GEM 2026, GEM menaikkan konversi 18,9% dan CTRCTRJumlah klik dibagi jumlah tayangan, dalam persen. CTR menunjukkan seberapa sering orang menekan iklan atau hasil pencarian yang mereka lihat.Buka glosarium 12% di seluruh surface dan tujuan iklan Meta. Untuk pengguna tertarget, GEM menambah konversi 5,8% di Facebook, 4,1% di Instagram, dan 1,6% di luar Meta dalam 1 tahun terakhir. Versi awal GEM menaikkan konversi 5% di Instagram pada kuartal 2 2025, menurut posting GEM 2025.
Apa itu GenRecs dan generative retrieval?
GenRecs (Generative Recommenders) memakai arsitektur LLM untuk membaca isi iklan dan preferensi orang secara bersamaan. Pendekatan lama menilai setiap kandidat iklan satu per satu.
Fondasinya adalah GenRecs Tokenization. Menurut posting GenRecs, tokenization mewakili setiap item dengan sekumpulan token semantik yang stabil, bukan dengan 1 ID khusus. Item mencakup iklan, produk, halaman, dan pixelPixelPotongan kode di halaman web yang memberi tahu platform iklan bahwa seseorang membuka halaman atau melakukan tindakan.Apa itu Meta Pixel?.
Model multimodal membaca teks dan gambar item, lalu tokenizer mengubahnya menjadi token. Item yang mirip berbagi token. Contoh di posting GenRecs: sepatu trail baru memakai apa yang model pelajari dari sepatu musim lalu.
Generative retrieval adalah GenRecs di tahap retrieval, dan Meta menyebutnya memperkaya Andromeda. Menurut Meta for Business, model membuat semantic ID untuk iklan ideal, lalu mencocokkannya dengan iklan yang tersedia. Peluncuran di Facebook Feed pada kuartal 3 2026 menaikkan konversi hampir 2% di segmen tertarget.
Bersama GEM dan Adaptive Ranking Model, GenRecs Tokenization menaikkan konversi 0,35% lintas surface. Meta mengukur angka itu pada Februari 2026, menurut posting GenRecs. Posting Andromeda tidak menyebut generative retrieval, jadi pembagian kerja kedua jalur belum jelas.
Menurut Meta for Business, iklan dan produk baru kini lebih cepat berkinerja. Dari desain token, kami menyimpulkan bahwa materi yang jelas menunjukkan produk memberi model bahan yang lebih jelas.
Tabel perbandingan Andromeda, GEM, dan GenRecs
Tabel ini membandingkan ketiga sistem pada 10 atribut. Semua angka adalah klaim Meta dari posting Andromeda 2026, posting GEM 2026, posting GenRecs, dan Meta for Business.
| Atribut | Andromeda | GEM | GenRecs dan generative retrieval |
|---|---|---|---|
| Tahap pipeline | Retrieval, tahap pertama. | Ranking, di belakang model vertikal. | Retrieval di Facebook Feed, plus token untuk ranking. |
| Tugas | Memilih daftar pendek dari semua iklan eligible. | Memprediksi klik dan konversi, lalu mengajar model ranking. | Membuat semantic ID iklan ideal, lalu mencocokkannya. |
| Sinyal input | Aturan targeting, interaksi iklan, kelompok pengguna, fitur LLM, isi iklan. | Interaksi iklan dan organik, atribut orang dan iklan. | Teks dan gambar item, plus pola interaksi. |
| Output | Kandidat teratas untuk ranking. | Label dan embedding untuk model vertikal. | Token semantik dan kandidat retrieval. |
| Skala atau kecepatan | Lebih dari 1 miliar iklan per detik per server GPU. | Kompleksitas 2,5 kali, riwayat 2 kali lebih panjang. | Meta tidak menerbitkan angka kecepatan. |
| Jenis model | Mixture-of-experts untuk retrieval. | Model fondasi bergaya LLM, arsitektur Kunlun. | Model generatif berbasis LLM. |
| Hardware | NVIDIA GH200. | GPU generasi terbaru, vendor tidak disebut. | Tidak disebut. |
| Klaim dampak | Konversi Facebook naik 2,4% sejak 2025. Q3 2026: 1,37% di Facebook, 0,24% di Instagram Reels. | Konversi naik 18,9% dan CTR naik 12% di semua surface dan tujuan. | Konversi naik hampir 2% di segmen tertarget Facebook Feed. Tokenization: 0,35%. |
| Yang pengiklan kendalikan | Aturan targeting dan isi materi iklan. | Event optimasi, nilai konversi, dan kualitas sinyal. | Teks dan gambar yang jelas tentang produk. |
| Yang terlihat di Ads Manager | Tidak ada setelan atau laporan. | Tidak ada setelan atau laporan. | Tidak ada setelan atau laporan. |
Baris kendali pengiklan adalah inferensi Rama Digital dari deskripsi Meta.
Cara Andromeda, GEM, dan GenRecs bekerja bersama
Untuk 1 kesempatan tayang, iklan melewati retrieval, ranking, lalu lelang, dan tiap sistem bekerja di titik yang berbeda.
- Index matching memeriksa aturan targeting. Iklan di luar aturan tidak eligible.
- Andromeda memberi skor dan memilih kandidat teratas. Di Facebook Feed, generative retrieval ikut memperkaya hasilnya.
- Model ranking vertikal, yang belajar dari GEM, memprediksi klik dan konversi tiap kandidat.
- Lelang memilih nilai total tertinggi. Menurut halaman bantuan Meta tentang lelang, nilai total menggabungkan tawaran, estimated action rate, dan kualitas iklan.
Andromeda dan generative retrieval menentukan iklan yang masuk daftar pendek. GEM menentukan seberapa pintar model yang menilai daftar pendek itu. Kami menyimpulkan, walau Meta tidak menulisnya, bahwa prediksi model ranking masuk ke lelang sebagai estimated action rate.
Akibatnya, iklan yang gagal di retrieval tidak pernah mendapat manfaat dari GEM. Baca juga cara kerja algoritma iklan dari retrieval sampai lelang.
Cara memakai peta ini untuk diagnosis penayangan
Gejala di Ads Manager menunjuk ke tahap yang perlu dicek, jadi mulai dari tahap paling awal sebelum menyalahkan algoritma. Prosedur ini adalah heuristik Rama Digital dari cara kerja yang Meta tulis.
Meta tidak menerbitkan pohon diagnosis, dan 1 gejala bisa punya lebih dari 1 penyebab.
Langkah 1: Periksa impresi sebelum menyalahkan algoritma
Buka Ads Manager, lalu lihat kolom Delivery dan impresiImpresiJumlah kali iklan atau halaman Anda tampil di layar orang. Impresi bukan jumlah orang dan bukan jumlah pencarian.Buka glosarium setiap iklan selama 3 hari terakhir.
Impresi 0 pada iklan aktif menunjuk ke penyebab sebelum model bekerja. Cek status tinjauan iklan, pembayaran, jadwal, dan aturan targeting. Iklan di luar aturan targeting tidak pernah eligible untuk retrieval, jadi model yang lebih pintar tidak menolong.
Bukti: tangkapan status iklan dan perkiraan ukuran audiens per ad set.
Langkah 2: Bila iklan tayang sedikit, periksa daya saing di lelang
Bandingkan spend harian dengan anggaran harian, lalu periksa batas tawaran, event optimasi, dan sinyal kualitas iklan.
Spend jauh di bawah anggaran sering berarti iklan kalah di lelang. Batas tawaran yang ketat menurunkan komponen tawaran. Event dengan sedikit konversi memberi model sedikit data, seperti penjelasan di artikel learning phase Meta Ads.
Menurut Meta for Business, kualitas iklan juga membaca pengalaman setelah klik, dari lebih dari 200 juta respons survei per tahun.
Bukti: spend lawan anggaran per ad set, dengan setelan tawaran dan event.
Langkah 3: Bila tayang lancar tetapi hasil lemah, periksa kreatif, sinyal, dan penawaran
Buka Breakdown, Creative, Media di Ads Manager, lalu cek event konversi dan halaman tujuan iklan dengan spend terbesar.
Di sini iklan sudah lolos retrieval dan menang lelang, tetapi prediksi tidak menjadi hasil. Cek konsep kreatif yang berbeda alasan beli, event Pixel dan Conversions API dengan nilai dan mata uang, serta penawaran dan halaman tujuan.
Halaman bantuan Meta tentang performa per aset menjelaskan hasil per aset. Lihat juga cara menguji varian creative AI tanpa merusak measurement.
Bukti: ekspor breakdown Media, hasil Test Events, dan catatan cek halaman tujuan.
Langkah 4: Uji 1 perubahan dengan A/B test
Ubah 1 variabel per test, lalu bandingkan sel A dan sel B yang berjalan pada waktu yang sama.
Perbandingan bulan ini dengan bulan lalu tercampur musim, harga lelang, dan perubahan sistem Meta tanpa tanggal. A/B test membagi orang secara acak.
Tulis aturan stop sebelum test mulai. Panduan lengkapnya ada di cara A/B testing Meta Ads yang benar.
Bukti: laporan A/B test dengan jumlah hasil dan biaya per hasil di tiap sel.
Contoh simulasi: 3 ad set dengan 3 gejala
Contoh ini memakai data dummy untuk toko online fiktif, bukan data klien atau janji hasil.
| Ad set | Gejala (data dummy) | Tahap yang dicurigai | Tindakan pertama |
|---|---|---|---|
| Ad set A | 0 impresi selama 2 hari. Status iklan: ditolak. | Sebelum retrieval | Perbaiki materi sesuai alasan penolakan, lalu ajukan ulang. |
| Ad set B | Spend Rp40.000 dari anggaran harian Rp200.000. Batas biaya Rp15.000. | Lelang | Uji batas biaya yang lebih longgar dalam A/B test. |
| Ad set C | Spend penuh Rp200.000 per hari, 900 klik, 0 pembelian. | Ranking dan setelah klik | Cek event Purchase di Test Events, lalu cek halaman checkout. |
Tiru urutannya: eligibility dulu, lelang kedua, lalu kreatif, sinyal, dan penawaran.
Apa yang tidak dibuktikan oleh klaim Meta
Klaim Meta untuk ketiga sistem memakai metrik, periode, dan populasi yang berbeda, jadi angkanya tidak bisa dibandingkan atau dijumlah.
- Metrik berbeda. Sebagian besar klaim memakai konversi, 1 klaim memakai CTR. Meta tidak menerbitkan definisi tiap metrik.
- Periode berbeda. Angka 2,4% berlaku sejak 2025 tanpa tanggal akhir. Angka 1,37% dan hampir 2% berlaku untuk kuartal 3 2026.
- Populasi berbeda. Ada klaim untuk Facebook saja, semua surface, dan segmen tertarget saja.
- Batas atas, bukan rata-rata. Posting engineering menulis 18,9% untuk GEM. Halaman Meta for Business menulis "up to a 18.9%", yaitu hingga 18,9%.
- Tanpa desain tes. Tidak ada posting yang menerbitkan baseline, desain tes, atau audit pihak luar.
Jangan membaca 18,9% lawan 2,4% sebagai bukti bahwa GEM 8 kali lebih penting daripada Andromeda. Kedua angka tidak memakai ukuran yang sama. Meta juga memberi kredit hasil ke gabungan sistem, jadi kami menduga sebagian kenaikan tumpang tindih.
Rekomendasi Rama Digital: di laporan klien, tulis setiap klaim Meta dengan metrik, periode, dan populasinya. Setelah itu, tunjukkan angka dari akun klien sendiri.
Checklist untuk tim iklan
Pakai checklist ini sebelum Anda menyebut masalah penayangan sebagai masalah algoritma.
- Cek status dan impresi setiap iklan aktif. Pemilik: media buyer. Bukti: tangkapan kolom Delivery.
- Bandingkan spend dengan anggaran dan setelan tawaran. Pemilik: pemilik akun. Bukti: tabel mingguan.
- Uji event konversi di Test Events. Pemilik: penanggung jawab tracking. Bukti: tangkapan Test Events.
- Tulis setiap klaim Meta dengan metrik, periode, dan populasi. Pemilik: account manager. Bukti: laporan bulanan.
- Hentikan test bila 1 sel tidak tayang selama 3 hari, atau biaya per hasil melewati batas yang Anda tulis sebelumnya. Pemilik: pemilik akun. Bukti: log keputusan.
Tanya jawab
Apa beda Andromeda dan GEM?
Andromeda bekerja di retrieval dan memilih daftar pendek dari semua iklan eligible. GEM adalah model fondasi yang mengajar model ranking yang menilai daftar pendek itu.
Apakah GEM menggantikan Andromeda?
Tidak. Keduanya bekerja di tahap berbeda. Meta menulis bahwa GenRecs memperkaya Andromeda, model retrieval yang sudah ada.
Apa itu generative retrieval di Meta Ads?
Generative retrieval adalah GenRecs di tahap retrieval. Model membuat semantic ID untuk iklan ideal, lalu mencocokkannya dengan iklan yang tersedia.
Apakah klaim GEM 18,9% berarti hasil iklan saya naik 18,9%?
Tidak. Angka itu adalah klaim Meta untuk seluruh surface, tanpa baseline atau desain tes. Ukur dampak di akun Anda dengan A/B test.
Sistem mana yang paling berpengaruh pada hasil iklan saya?
Data publik Meta tidak menjawab pertanyaan itu. Mulai dari gejala, seperti pada langkah diagnosis di atas.
Langkah berikutnya
Batas yang tetap berlaku: Meta tidak membuka setelan, laporan, atau tanggal rollout untuk Andromeda, GEM, atau GenRecs. Anda hanya bisa membaca dampaknya lewat diagnosis berurutan dan test yang adil.
Bila tim Anda ingin kami memetakan gejala penayangan akun Anda, lihat layanan Meta Ads Performance Management. Untuk diskusi kasus Anda lebih dulu, jadwalkan sesi 30 menit.
Sumber
Kami membaca semua sumber ini pada 4 November 2026.
- Engineering at Meta: Generative Ads Model (GEM) 2026. 13 Oktober 2026.
- Engineering at Meta: GenRecs Tokenization. 19 Oktober 2026.
- Engineering at Meta: Meta Andromeda 2026. 28 Oktober 2026.
- Engineering at Meta: GEM, The Central Brain. 10 November 2025.
- Meta for Business: Three New AI Innovations in Ads Ranking. 28 Oktober 2026.
- Meta for Business: How Meta's Ads System Matches Your Ad. 28 Oktober 2026.
- Meta Business Help Center: About ad auctions.
- Meta Business Help Center: creative performance per media asset.
- PPC Land: analisis klaim Andromeda 2,4%. 28 Oktober 2026.
