Meta 광고 순위 지정 시스템의 AI 혁신을 통한 광고주 성과 향상

Meta는 사람들에게 더 나은 경험을, 비즈니스에는 더 나은 결과를 선사하기 위해 AI의 힘을 활용합니다. 이때 Meta 광고 도구에서 뿐만 아니라 Meta 광고의 인프라 및 순위 지정 시스템처럼 보이지 않는 곳에서도 AI의 힘을 활용해 여러분이 게재하는 광고의 관련성과 효과, 그리고 맞춤화 정도를 더욱 개선하고 있습니다. 저희는 최고의 인간 통찰력과 인공 지능의 속도 및 범위를 결합하는 최첨단 기술을 개발해 활용함으로써 광고에서 머신 러닝 모델에 대한 혁신적인 접근 방법을 채택했습니다.

다음은 광고주 성과 향상에 도움이 되는 광고 순위 지정 시스템의 4가지 AI 혁신 기술입니다.

1. Meta GEM: 뛰어난 두뇌

생성형 광고 추천 모델인 GEM은 광고 상품에 결과를 최적화하기 위해 수천 개의 GPU에서 학습을 마친 강력한 새 머신 러닝 모델로, 광고 성과를 개선합니다. GEM을 통해 광고 시스템은 많은 양의 데이터를 빠르게 처리하여 관련성이 높은 맞춤형 광고를 게재할 수 있습니다. 덕분에 추천 시스템의 패러다임 전환이 가능했습니다. 올해 초에 Meta 릴스에서 광고 전환 결과를 개선하는 데 성공한 이후로 최근에는 Meta 광고 시스템에서 GEM을 보다 광범위하게 적용하고 있습니다.

부가 설명: 도서관에 있는 모든 책을 단 몇 초 안에 읽고, 모든 캐릭터 사이의 관계를 이해하고, 모든 디테일을 하나하나 다 기억하고, 여러 디테일을 연결해 모든 유형의 활동에 걸쳐 어떤 사람이 겪는 일련의 사건을 이해할 수 있는 뛰어난 두뇌가 있다고 상상해보세요. 이것이 바로 Meta의 광고 시스템에서 GEM이 하는 일입니다. 셀 수도 없이 많은 정보를 분류하고 분석하고 연결하는 매우 지능이 뛰어나고 효과적인 기술입니다. GEM을 바탕으로 Meta의 추천 시스템은 엄청난 양의 데이터를 가지고 학습을 진행하고 미묘한 패턴을 인식하며 짧은 지연 시간으로 적시에 적절한 사람에게 가장 관련성 높은 광고를 제공합니다.

결과: 올해 Meta 릴스에서 처음으로 GEM을 출시한 후 광고 전환이 최대 5% 증가했습니다¹ .

2. Meta Lattice: 거대한 도서관

Meta Lattice는 Meta의 광고 순위 지정 아키텍처입니다. 이 아키텍처를 통해 지금까지 개별 목표 및 노출 위치에 최적화되었던 수많은 작은 광고 모델을 사용하는 대신 여러 캠페인 목표 및 노출 위치에 걸쳐 학습 내용을 일반화할 수 있습니다. 덕분에 운영하는 모델의 수가 줄어 효율성이 향상될 뿐 아니라 광고 성과도 개선됩니다. 규모가 상당히 더 큰 이러한 모델은 여러 노출 위치 및 캠페인에 걸쳐 사람들이 구매 여정에서 거치는 다양한 단계를 나타낼 수 있기 때문에 더 많은 것을 학습할 수 있습니다. 더 깊게 이해하고 싶다면 여기에서 자세히 읽어보세요.

부가 설명: Meta Lattice가 하나의 거대한 도서관이라고 생각해보세요. 과거에는 각각 역사나 예술과 같은 구체적인 주제를 전문적으로 다루는 작은 규모의 도서관이 여러 개 있었습니다. 도서관마다 다른 종류의 책과 한 가지 주제에 대한 전문 지식을 갖춘 사서가 있었죠. 이제는 Meta Lattice 덕분에 작은 규모의 많은 도서관을 모두 하나의 도서관으로 합쳐서 모든 주제의 정보를 연결하게 됩니다. 책이 더 많아졌을 뿐 아니라 전문 지식을 갖춘 사서도 모든 보유 서적을 통해 학습해 다양한 주제에 지식을 적용할 수 있게 된 것입니다. 이는 훨씬 더 효율적입니다. 하나의 도서관만 유지하며 사람들이 무엇을 원하든 더 빠르게 더 나은 정보를 찾을 수 있기 때문입니다.

광고 세계에서는 각각 단 한 가지 유형의 광고 상품 또는 노출 위치 랜딩 페이지에 초점을 맞춘 많은 소규모 시스템에 의존하는 대신 하나의 강력한 시스템을 사용해 사람들에게 광고가 표시되는 방법을 개선함으로써 관련성과 효과를 높일 수 있습니다.

결과: Meta Lattice로 인해 광고 품질이 거의 12% 향상되었고 광고 전환은 최대 6% 증가했습니다.

3. Meta Andromeda: 나만의 컨시어지

Meta Andromeda는 2024년에 도입된 혁신적이고 완전한 하드웨어, 소프트웨어, 머신 러닝 공동 설계 시스템으로, MTIA(Meta Training and Inference Accelerator)와 NVIDIA Grace Hopper 슈퍼칩을 탑재하고 있습니다. 효율성이 향상된 이 시스템으로 인해 광고 검색(수천만 개의 광고 풀을 누군가에게 노출을 고려하는 수천 개로 줄이는 순위 지정 과정의 첫 번째 단계)에 사용되는 모델의 복잡도가 10,000배 증가했습니다. 이렇게 모델 복잡도가 증가한 덕분에 훨씬 더 정교한 예측 모델을 실행할 수 있어 광고를 보다 효과적으로 맞춤화할 수 있게 됩니다. 또한 비즈니스가 다각화 전략을 지원하기 위해 점점 더 많은 크리에이티브를 업로드함에 따라 Meta Andromeda는 보이지 않는 곳에서 열심히 일해 더 복잡한 모델을 지원함으로써 Meta가 적절한 크리에이티브를 선택하고 관련성이 높으며 흥미로운 맞춤형 광고를 더 많이 게재할 수 있게 해줍니다. 더 깊게 이해하고 싶다면 여기에서 자세히 읽어보세요.

부가 설명: 여러분의 취향을 너무나 잘 알고 있는 나머지 여러분이 신발을 몹시 좋아할 뿐 아니라 해변에서 빨간색 플립플롭을 즐겨 신는다는 사실까지 아는 여러분만의 컨시어지가 있다고 상상해보세요. Meta Andromeda는 여러분의 선호도를 학습하므로 Meta가 관련성과 흥미도가 더 높은 광고를 여러분에게 보여줄 수 있습니다.

결과: Meta Andromeda로 인해 광고 품질이 8% 향상되어 광고주가 어드밴티지+ 자동화 및 크리에이티브 생성형 AI 도구의 영향력을 높일 수 있게 되었습니다.

4. 시퀀스 학습: 기억력 게임

시퀀스 학습은 Meta 광고 시스템이 광고를 보기 전과 후에 누군가 취하는 일련의 행동을 고려할 수 있게 해주는 AI 모델링 기법입니다. 이 기법 덕분에 사람들의 구매 여정을 더 깊게 이해하여 Meta가 적시에 보다 맞춤화되고 관련성 높은 광고를 게재할 수 있습니다. 이는 시퀀스 모델 학습 기법을 통해 전환과 관련된 패턴을 보다 깊게 이해하여 향후의 구매 전환을 최적화하기 위한 일련의 광고를 더 효과적으로 추론할 수 있기에 가능합니다. 더 깊게 이해하고 싶다면 여기에서 자세히 읽어보세요.

부가 설명: 예를 들어 기존의 집계 데이터 모델에서는 사용자가 한 스키 리조트 광고에서 전환한 경우 그 사용자에게 계속해서 다른 스키 리조트 광고가 표시될 수 있었습니다. Meta 광고 학습 모델이 최근에 변경되면서 스키 리조트 객실을 구매한 사람에게는 이제 스키 장비, 리프트 티켓 또는 스키 수하물에 대한 광고가 표시되어 구매 여정에 맞춤화된 보다 관련성 높은 광고가 제공됩니다.

결과: 작년에 시퀀스 모델 학습을 채택한 이후로 벌써 일부 세그먼트 내 테스트를 통해 전환이 3% 증가한 것을 확인했습니다.