Meta Andromeda 2569: ระบบ ads retrieval ให้คะแนนโฆษณาที่มีสิทธิ์ทุกชิ้นอย่างไร และตัวเลข 2.4% ขาดอะไรไป

Meta ระบุเมื่อวันที่ 28 ตุลาคม 2569 ว่า Andromeda รุ่นใหม่ ซึ่งเป็นระบบ ads retrieval ของบริษัท ตอนนี้ให้คะแนนโฆษณาที่มีสิทธิ์แสดงทุกชิ้นด้วยคุณภาพโมเดลใกล้ระดับขั้น ranking และคัดผู้เข้ารอบได้มากกว่าหนึ่งพันล้านโฆษณาต่อวินาทีบนเซิร์ฟเวอร์ GPU เครื่องเดียว ซึ่ง Meta บอกว่าเพิ่มขึ้น 100 เท่าจากระบบ Andromeda รุ่นปี 2567 ในโพสต์ของ Engineering at Meta ชิ้นเดียวกัน Meta เขียนว่า "Since 2025, Meta Andromeda has delivered a 2.4% increase in conversions on Facebook" (ตั้งแต่ปี 2568 Andromeda ทำให้ Conversion บน Facebook เพิ่มขึ้น 2.4%) แต่ไม่ได้ให้ฐานเปรียบเทียบ วิธีวัด หรือช่วงเวลาของตัวเลขนี้

บทความนี้เป็นโพสต์เชิงวิศวกรรมที่มีผู้เขียนร่วม 12 คน เผยแพร่ในหมวด ML Applications ของ Engineering at Meta ไม่มีการประกาศการตั้งค่าใหม่ใน Ads Manager และไม่มีรายงานใหม่ ประโยชน์สำหรับผู้ลงโฆษณาคือการอธิบายขั้นตอนหนึ่งของการส่งโฆษณาที่ปกติมองไม่เห็น นั่นคือขั้นที่ตัดสินว่าโฆษณาชิ้นไหนจะได้เข้าไปถูกพิจารณาก่อนที่การประมูลจะจัดอันดับ

Andromeda ทำหน้าที่อะไรในการส่งโฆษณาของ Meta

Meta อธิบายว่า Andromeda คือระบบ machine learning สำหรับ ads retrieval แบบเฉพาะบุคคล และเป็นขั้นแรกของ pipeline แนะนำโฆษณา ขั้น retrieval จะคัด "โฆษณาที่มีสิทธิ์จำนวนมหาศาล" ให้เหลือผู้เข้ารอบที่แข็งแรงจำนวนไม่มากภายในเวลาไม่กี่มิลลิวินาที จากนั้นขั้น ranking ซึ่งใช้การคำนวณมากกว่า จะให้คะแนนผู้เข้ารอบเหล่านั้นอย่างละเอียด

พูดง่าย ๆ คือโฆษณาต้องผ่านขั้น retrieval ให้ได้ก่อน ขั้น ranking ถึงจะได้ประเมิน Meta บอกว่าที่ผ่านมาโมเดลเชิงลึกที่ใช้ในขั้น ranking มีต้นทุนสูงเกินกว่าจะใช้ในขนาดของขั้น retrieval ขั้น retrieval จึงต้องใช้โมเดลที่เบากว่า งานในปี 2569 คือการทำให้คุณภาพของ retrieval เข้าใกล้คุณภาพของ ranking โดยไม่ต้องจ่ายค่าการคำนวณเพิ่มตามกันไป

การกำหนดกลุ่มเป้าหมายยังมีผลอยู่ โพสต์ของ Meta ระบุว่า pipeline ของ retrieval มีขั้นตอน "index matching" ซึ่ง Meta นิยามว่าเป็นการบังคับใช้กฎการกำหนดกลุ่มเป้าหมายของผู้ลงโฆษณา Meta เสริมว่า index matching ประเมินตรรกะการกำหนดกลุ่มเป้าหมายที่ผู้ลงโฆษณาตั้งไว้ในหลายสิบหมวดคุณสมบัติ และต้องรองรับการอัปเดตแบบเรียลไทม์เมื่อโฆษณาถูกสร้าง แก้ไข หรือหมดอายุระหว่างวัน ใน pipeline ของ Meta ขั้น index matching ทำงานก่อนการให้คะแนน คำว่า "โฆษณาที่มีสิทธิ์ทุกชิ้นในกลุ่มผู้สมัคร" ตามที่ Meta ใช้ จึงหมายถึงโฆษณาที่ผ่านขั้น matching นี้สำหรับผู้ใช้คนนั้น ไม่ใช่โฆษณาทุกชิ้นที่กำลังวิ่งอยู่บน Meta

ทำไม Meta ต้องสร้างระบบ ads retrieval ใหม่

Meta ให้เหตุผลสองข้อ ข้อแรกคือขนาดของกลุ่มโฆษณาผู้สมัคร (candidate pool) Meta บอกว่าการติดตั้งระบบในปี 2567 สร้าง retrieval ขึ้นใหม่และเพิ่มความจุของโมเดลขึ้นสี่ระดับขนาด (four orders of magnitude) และหลังจากนั้น "เครื่องมือครีเอทีฟ generative AI ช่วยให้ผู้ลงโฆษณาสร้างโฆษณาใหม่หลายร้อยล้านชิ้นได้อย่างรวดเร็ว" จนกลุ่มโฆษณาผู้สมัครโตขึ้น "ในระดับที่ไม่เคยมีมาก่อน" โพสต์ไม่ได้บอกขนาดปัจจุบันของกลุ่มนี้

ข้อที่สองคือฮาร์ดแวร์ ระบบรุ่นปี 2567 ประเมินโฆษณาได้หลายสิบล้านชิ้นต่อวินาทีต่อการ์ด GPU Meta บอกว่าความต้องการทางธุรกิจใหม่ต้องการหลายพันล้านชิ้นต่อวินาทีต่อการ์ด และที่ความเร็วระดับนั้น ข้อจำกัดไม่ได้อยู่ที่การคำนวณอีกแล้ว แต่อยู่ที่แบนด์วิดท์หน่วยความจำภายใน GPU และทราฟฟิกเครือข่ายระหว่างเครื่อง Meta บอกว่าข้อมูลระหว่างขั้นตอนต่าง ๆ บน GPU อย่างเดียวก็สร้างทราฟฟิกหน่วยความจำระดับหลายเทราไบต์ต่อวินาทีแล้ว

การเปลี่ยนแปลงสามอย่าง อธิบายสำหรับผู้ลงโฆษณา

Meta อธิบายการเปลี่ยนแปลงสามอย่างที่เชื่อมกันทั้งในตัวโมเดลและระบบที่รันโมเดล ไม่มีข้อไหนที่ผู้ลงโฆษณาต้องตั้งค่าเอง แต่ทั้งสามข้ออธิบายว่าที่ Meta พูดถึง retrieval "ใกล้ระดับ ranking" นั้นหมายถึงอะไร

โมเดล retrieval แบบ mixture-of-experts

Meta เปลี่ยนจาก "user tower" ตัวเดียวเป็นชุดของ user tower เฉพาะทางหลายตัวที่ทำหน้าที่เป็นผู้เชี่ยวชาญ (experts) Meta บอกว่าข้อมูลที่ใช้ได้แก่ ลำดับการมีส่วนร่วมกับโฆษณา ตัวแทนของกลุ่มผู้ใช้ ฟีเจอร์เชิงความหมายที่ได้จาก LLM และสัญญาณการมีส่วนร่วมร่วมกันข้ามแพลตฟอร์ม ฝั่งโฆษณาใช้การเข้ารหัสร่วมที่รวมบริบทการแสดงผลแบบเรียลไทม์ไว้ด้วย จากนั้นเครือข่าย gating แบบ attention จะส่งโฆษณาผู้สมัครแต่ละชิ้นไปยัง user expert ที่เกี่ยวข้องที่สุด Meta บอกว่าผลลัพธ์มีประสิทธิภาพเข้าใกล้โมเดลระดับ ranking โดยใช้ FLOPs ตอน inference น้อยกว่าโมเดล retrieval ปี 2567 ราว 300 เท่า

GPU kernel เดียวต่อคู่ผู้ใช้กับโฆษณา

Meta รวมขั้นตอนของโมเดลและขั้นตอนของระบบสำหรับคู่ผู้ใช้กับโฆษณาแต่ละคู่ไว้ใน GPU kernel เดียว ผลลัพธ์ระหว่างทางจึงอยู่ใน register และหน่วยความจำร่วมของ GPU แทนที่จะต้องเขียนออกไปยังหน่วยความจำแบนด์วิดท์สูงแล้วอ่านกลับเข้ามา Meta บอกว่า fused kernel นี้ทำงานได้มากกว่า 1 หมื่นล้านโฆษณาต่อวินาทีบน NVIDIA GH200 ตัวเดียว

Targeting การให้คะแนน และการคัดเลือก อยู่บนเซิร์ฟเวอร์ GPU เดียวกัน

เดิม index matching และการคัด top-K ทำงานบนเครื่อง CPU แยกต่างหาก แล้วส่งโฆษณาผู้สมัครผ่านเครือข่ายไปให้ GPU ที่อยู่อีกเครื่องให้คะแนน Meta ย้าย index matching การให้คะแนน และการคัด top-K มาไว้บน GPU เดียวกัน คำขอที่ส่งไปตอนนี้เป็นข้อมูลขนาดเล็กที่มีแค่ฟีเจอร์ของผู้ใช้กับคำสั่ง targeting และส่งกลับมาเฉพาะผลลัพธ์ top-K สุดท้าย Meta บอกว่าวิธีนี้ลดทราฟฟิกเครือข่ายลงราว 100 เท่า การย้าย index matching มาไว้บน GPU ต้องออกแบบโครงสร้าง index ใหม่ให้ทำงานแบบขนานได้ โดยยังคงกฎ targeting ของระบบจริงไว้ครบ

ตัวเลขในโพสต์ของ Meta

ตัวเลขทุกตัวในตารางมาจากโพสต์ของ Meta เมื่อวันที่ 28 ตุลาคม 2569 ไม่มีตัวไหนผ่านการตรวจสอบโดยอิสระ และส่วนใหญ่เป็นตัววัดความเร็วทางวิศวกรรม ไม่ใช่ผลลัพธ์ของผู้ลงโฆษณา

ตัวเลข Conversion 2.4%: อะไรที่บอก และอะไรที่ไม่ได้บอก

ประโยคของ Meta สั้นมาก: "Since 2025, Meta Andromeda has delivered a 2.4% increase in conversions on Facebook." โพสต์ไม่ได้บอกว่า 2.4% วัดเทียบกับอะไร ไม่ได้บอกว่าตัวเลขมาจาก holdout test การทดสอบ A/B หรือการประมาณจากโมเดล ไม่ได้บอกว่าครอบคลุมการอัปเดต Andromeda ครั้งเดียวหรือหลายครั้ง และไม่ได้บอกว่าเป็นยอด Conversion รวม Conversion ต่อการแสดงผล หรืออย่างอื่น ประโยคระบุแค่ Facebook และไม่มีตัวเลขของ Instagram

ตัวเลขนี้ยังต่างจากตัวเลขที่ Meta ให้ไว้ก่อนหน้าในเดือนนี้ รายงานผลประกอบการไตรมาส 3 ปี 2569 ของ Meta ที่ Relevant Audience เผยแพร่เมื่อวันที่ 23 ตุลาคม 2569 บันทึกคำกล่าวของ Meta ว่าการปรับปรุง Andromeda ทำให้ Conversion บน Facebook เพิ่มขึ้น 1.4% ตัวเลขสองตัวนี้อาจครอบคลุมคนละช่วงเวลาหรือคนละการเปลี่ยนแปลง และไม่มีแหล่งไหนอธิบายวิธีวัด จึงไม่ควรนำมาบวกกันหรือเทียบกันราวกับวัดสิ่งเดียวกัน

ต่อให้เชื่อตัวเลขตามที่ Meta บอก ตัวเลขระดับแพลตฟอร์มก็ไม่ได้บอกอะไรเกี่ยวกับบัญชีใดบัญชีหนึ่ง เพราะเป็นค่ารวมของผู้ลงโฆษณาจำนวนมาก จึงไม่ควรใช้พยากรณ์อัตรา Conversion ของผู้ลงโฆษณารายใด หรือใช้อธิบายการเปลี่ยนแปลงของผลลัพธ์ในบัญชีเดียว

อะไรเปลี่ยนสำหรับผู้ลงโฆษณา และอะไรไม่เปลี่ยน

ไม่มีอะไรต้องเปิดใช้ Meta อธิบายประโยชน์ว่าเป็น "ประสิทธิภาพที่ดีขึ้นโดยอัตโนมัติ" จากการจับคู่โฆษณาในกลุ่มผู้สมัครที่ใหญ่ขึ้น ภายในเวลาตอบสนองเท่าเดิม โพสต์ไม่มีตัวควบคุมใหม่ ไม่มีการเลือกเข้าร่วม และไม่มีรายงานใหม่ Meta ยังบอกตรง ๆ ว่าตัวเองได้อะไร คือธุรกิจจากผู้ลงโฆษณาที่เพิ่มขึ้นและต้นทุนที่ลดลง เพราะ GPU แต่ละตัวประเมินโฆษณาได้มากขึ้นต่อวินาที

บทวิเคราะห์ ในรูปของสิ่งที่ควรตรวจ ไม่ใช่คำสัญญา:

• การกำหนดกลุ่มเป้าหมายยังเป็นตัวตัดสินสิทธิ์ผ่าน index matching กลุ่มเป้าหมายที่แคบจะจำกัดว่าโฆษณาจะถูกดึงขึ้นมาให้คนกลุ่มไหนได้บ้าง โพสต์ไม่ได้แนะนำให้ผู้ลงโฆษณาขยายหรือจำกัดกลุ่มเป้าหมาย
• Meta โยงการเติบโตของโฆษณาผู้สมัครกับเครื่องมือครีเอทีฟ generative AI และระบบอัตโนมัติ Advantage+ กลุ่มที่ใหญ่ขึ้นหมายถึงโฆษณาที่แข่งกันในขั้น retrieval มากขึ้น รวมถึงโฆษณาของคุณเองด้วย โพสต์ไม่ได้อ้างว่าการเพิ่มครีเอทีฟหลายเวอร์ชันทำให้ผลลัพธ์ของผู้ลงโฆษณาดีขึ้น
• วัดผลด้วยข้อมูลของตัวเอง ถ้าบัญชีเปลี่ยนไปหลังการเปลี่ยนแปลงนี้ ให้เทียบกับบันทึก Conversion ของตัวเองและการทดสอบที่มีกลุ่มควบคุม ไม่ใช่เทียบกับตัวเลข 2.4% ของ Meta
• อย่าโทษหรือยกเครดิตให้ Andromeda จากผลลัพธ์ที่ขึ้นหรือลงในสัปดาห์เดียว โพสต์บอกว่าระบบ "อยู่ในการใช้งานจริง" แต่ไม่ได้บอกว่ารุ่นปี 2569 เริ่มใช้เมื่อไร

Meta บอกว่ายังมีพื้นที่ให้ขยายอีก

Meta และ NVIDIA เริ่มโครงการร่วมกันในช่วงต้นปี 2569 เพื่อดันแต่ละส่วนของ pipeline retrieval ให้เข้าใกล้ขีดจำกัดของฮาร์ดแวร์ NVIDIA ส่ง GPU kernel ที่ปรับแต่งแล้วมาให้ และ Meta นำไปรวมและวัดผลทั้ง pipeline Meta บอกว่าแต่ละส่วนเร็วขึ้น 2 ถึง 5 เท่าจากค่าตั้งต้น gating kernel ใช้แบนด์วิดท์หน่วยความจำได้ราว 85% ของค่าสูงสุดของ GPU การทำ INT8 quantization เพิ่มความเร็วได้อีกสูงสุด 2 เท่าเมื่อเทียบกับ kernel แบบ 16 บิตโดยความแม่นยำใกล้เคียงกัน และ index matching ทำได้เกิน 1 แสนล้านโฆษณาต่อวินาที ตอนนี้ Meta กำลังขยายงานไปยัง NVIDIA Grace Blackwell และบอกว่า pipeline นี้ "ยังไม่ถึงเพดาน"

บทวิเคราะห์: ข้อนี้ชี้ว่าขั้น retrieval จะเปลี่ยนต่อไปเรื่อย ๆ ใต้แคมเปญที่กำลังวิ่งอยู่ โดยไม่มีประกาศใน Ads Manager โพสต์เชิงวิศวกรรมแบบนี้คือที่ที่การเปลี่ยนแปลงเหล่านั้นถูกอธิบาย จึงควรอ่านแม้จะไม่มีการตั้งค่าใหม่ให้ลองก็ตาม

สิ่งที่โพสต์ของ Meta ไม่ได้บอก

• ไม่มีวันที่ที่รุ่นปี 2569 เริ่มใช้งานจริง
• ไม่มีขนาดปัจจุบันของกลุ่มโฆษณาผู้สมัคร
• ไม่มีตัวเลขของ Instagram, Threads หรือ WhatsApp
• ไม่มีผลลัพธ์รายประเทศหรือรายภูมิภาค และไม่ได้พูดถึงประเทศไทยหรือเอเชียตะวันออกเฉียงใต้
• ไม่มีฐานเปรียบเทียบ วิธีวัด หรือช่วงเวลาของตัวเลข 2.4%

เชื่อมกับข่าว Meta ที่ Relevant Audience เคยรายงาน

Relevant Audience ยังไม่เคยมีบทความเรื่อง Andromeda โดยเฉพาะ เมื่อวันที่ 15 ตุลาคม 2569 Relevant Audience เขียนถึงโพสต์เชิงวิศวกรรมของ Meta วันที่ 13 ตุลาคม เรื่อง GEM (Generative Ads Model) และบริบทที่ขาดหายไปของตัวเลข Conversion 18.9% ต่อมาเมื่อวันที่ 23 ตุลาคม รายงานผลประกอบการไตรมาส 3 ปี 2569 บันทึกตัวเลข Andromeda 1.4% จากผลประกอบการของ Meta โพสต์วันที่ 28 ตุลาคมใหม่ในสามด้าน คืออธิบายขั้น retrieval โดยตรง เผยตัวเลขความเร็วและการคำนวณในตารางด้านบน และให้ตัวเลข 2.4% ตั้งแต่ปี 2568

ความหมายสำหรับนักการตลาดไทย

โพสต์ของ Meta ไม่มีข้อมูลของประเทศไทย จึงไม่มีอะไรในโพสต์ที่เป็นผลลัพธ์เฉพาะของไทย การเปลี่ยนแปลงนี้เกี่ยวกับวิธีคัดโฆษณาบน Facebook และ Instagram ให้แต่ละคน และ Meta ไม่ได้อธิบายการทยอยเปิดรายภูมิภาคใด ๆ สำหรับผู้ลงโฆษณาในไทย ประเด็นที่ใช้ได้จริงคือเรื่องที่กล่าวไปแล้ว ได้แก่ ตั้งกฎกลุ่มเป้าหมายอย่างตั้งใจ อ่านเปอร์เซ็นต์ของ Meta ในฐานะตัวเลขประมาณการของ Meta เองที่ยังไม่ผ่านการตรวจสอบ และตัดสินผลลัพธ์จากข้อมูล Conversion ของตัวเอง

หากต้องการให้ช่วยตรวจการตั้งค่า Conversionหรือวางโครงสร้างแคมเปญ Relevant Audience ให้บริการดูแลโฆษณา Facebook และ Instagram และแคมเปญโฆษณาโซเชียลสำหรับแบรนด์ในประเทศไทย

คำถามที่พบบ่อย

Meta Andromeda คืออะไร

Andromeda คือระบบ machine learning สำหรับ ads retrieval แบบเฉพาะบุคคลของ Meta และเป็นขั้นแรกของ pipeline แนะนำโฆษณา ระบบจะคัดโฆษณาที่มีสิทธิ์ให้เหลือผู้เข้ารอบจำนวนไม่มากภายในไม่กี่มิลลิวินาที ก่อนที่ขั้น ranking ของ Meta จะให้คะแนนอย่างละเอียด

Andromeda เพิ่ม Conversion 2.4% จริงหรือไม่

Meta บอกว่าใช่ แต่ไม่ได้แสดงวิธีวัด โพสต์วันที่ 28 ตุลาคม 2569 ระบุว่า Conversion บน Facebook เพิ่มขึ้น 2.4% ตั้งแต่ปี 2568 โดยไม่มีฐานเปรียบเทียบ รูปแบบการทดสอบ ช่วงเวลา หรือตัวเลขของ Instagram จึงตรวจสอบหรือนำมาใช้กับบัญชีใดบัญชีหนึ่งไม่ได้

ผู้ลงโฆษณาต้องเปลี่ยนการตั้งค่าอะไรหรือไม่

ไม่ต้อง Meta ไม่ได้ประกาศการตั้งค่าใหม่ การเลือกเข้าร่วม หรือรายงานใหม่ และบอกว่าผู้ลงโฆษณาได้ประสิทธิภาพที่ดีขึ้นโดยอัตโนมัติ กฎการกำหนดกลุ่มเป้าหมายยังมีผลผ่าน index matching

"ให้คะแนนโฆษณาที่มีสิทธิ์ทุกชิ้น" แปลว่าการกำหนดกลุ่มเป้าหมายไม่สำคัญแล้วหรือ

ไม่ใช่ pipeline ของ Meta ยังรัน index matching ซึ่ง Meta อธิบายว่าเป็นการบังคับใช้กฎการกำหนดกลุ่มเป้าหมายของผู้ลงโฆษณา ก่อนจะให้คะแนนโฆษณา ดังนั้นโฆษณาชิ้นไหนมีสิทธิ์แสดงให้ใครยังขึ้นอยู่กับการกำหนดกลุ่มเป้าหมาย

มีข้อมูลของประเทศไทยหรือไม่

ไม่มี โพสต์ไม่มีผลลัพธ์รายประเทศหรือรายภูมิภาค และไม่ได้พูดถึงประเทศไทยหรือเอเชียตะวันออกเฉียงใต้

สรุปสั้น ๆ คือ Meta ทำให้ขั้นคัดกรองแรกเร็วขึ้นมาก และมีคุณภาพเข้าใกล้โมเดล ranking มากขึ้น โดยบอกว่าผู้ลงโฆษณาได้ประโยชน์โดยอัตโนมัติ ตัวเลขทางวิศวกรรมมีรายละเอียดครบ แต่ตัวเลขฝั่งผู้ลงโฆษณามีอยู่ประโยคเดียว และเป็นตัวเลขที่ควรอ่านอย่างระวังที่สุด