Meta Adaptive Ranking Model: co se změnilo v reklamním systému a co z toho plyne pro inzerenty
Miloš Zlesa Meta na konci března 2026 publikovala technický paper k projektu, který interně nazývají Adaptive Ranking Model. Většina komentářů v marketingové komunitě se zastavila u čísel - +3 % konverzí, +5 % CTR na Instagramu od Q4 2025. To jsou solidní výsledky. Ale v tom, co paper popisuje technicky, je pro media buyery podstatně víc.
Tento článek rozebírá, co Adaptive Ranking Model (ARM) reálně dělá, kde v reklamním systému žije a co z toho pro inzerenty konkrétně plyne.
Kde ARM v reklamním systému sedí
Meta reklamní systém funguje ve dvou oddělených fázích. Je důležité tohle pochopit, protože ARM se týká výhradně té druhé.
| Fáze | Systém | Co dělá | Od kdy |
|---|---|---|---|
| Stage 1 | Andromeda | Retrieval - z desítek milionů reklam vybere tisíce kandidátů | konec 2024 |
| Základ | GEM | Foundation model upgrade - základ pro porozumění obsahu | 2025 |
| Stage 2 | Adaptive Ranking Model | Runtime ranking - finální rozhodnutí, která reklama se zobrazí | Q4 2025 (Instagram) |
Andromeda tedy odpovídá za to, co se dostane do hry. ARM rozhoduje, kdo vyhraje. Jsou to dvě různé vrstvy s různou logikou a různými implikacemi pro inzerenty.
Co ARM konkrétně změnil
Tradiční rankingové modely zpracovávají každý pár uživatel-reklama samostatně. Pokud má Meta v daný moment tisíc kandidátních reklam a jednoho uživatele, musí provést tisíc výpočtů - každý zvlášť. To je výpočetně nákladné a při LLM-scale složitosti modelu reálně neudržitelné bez kompromisu v latenci.
ARM to řeší přechodem na takzvanou request-oriented architekturu. Uživatelské signály - celá behaviorální sekvence, historické interakce s obsahem i reklamami - se spočítají jednou pro celý request a sdílí napříč všemi kandidátními reklamami současně. Místo tisíce výpočtů je jeden výpočet uživatelského kontextu a pak sdílení výsledku.
Pro inzerenta to znamená: model, který rozhoduje o zobrazení jejich reklam, je teď výrazně sofistikovanější a pracuje s výrazně delšími behaviorálními sekvencemi uživatele. Nejen s posledními kliknutími, ale s celou historií chování.
Výsledky na Instagramu
Meta uvádí výsledky od spuštění ARM na Instagramu v Q4 2025: +3 % konverzí a +5 % CTR pro uživatele. Na první pohled konzervativní čísla. Na Metině globální škále je to ale masivní posun - každé procento zde představuje stovky milionů interakcí denně.
Co ta čísla říkají nepřímo: ARM lépe páruje reklamy s uživateli, kteří jsou v relevantní fázi rozhodování. +5 % CTR neznamená, že lidé klikají na víc reklam celkově - znamená to, že reklamy, které vidí, jsou pro ně relevantnější v daný moment.
Co to znamená pro media buyery: můj komentář
ARM dělá přesně to, co jsem u klientů pozoroval dlouho před tím, než Meta vydala tyto informace. Model odměňuje kreativy, které oslovují specifický moment nákupní cesty - ne obecnou cílovku. Ale teď to dělá s podstatně hlubším porozuměním toho, v jakém momentu daný uživatel je.
Kreativní diverzita není volba, je to datový vstup
ARM pracuje s celou behaviorální sekvencí uživatele a hledá v ní vzory. K tomu potřebuje mít co porovnávat. Pokud inzerent dodává deset variant jedné reklamy - stejný příběh, jiná barva pozadí, jiný text tlačítka - model dostává jeden signál desetkrát. Nemá čím kalibrovat, pro koho je produkt relevantní v jaké fázi.
Vidím to konkrétně u klientů, kde pracujeme s více odlišnými kreativami paralelně. Každý koncept oslovuje jinou emoci, jiný důvod ke koupi, jiný moment. ARM teď dokáže tenhle rozdíl využít - přiřadit správný koncept uživateli s odpovídající behaviorální historií. Jak konkrétně takový systém konceptů postavit rozebírám v článku o kreativní strategii pro Meta Ads.
Konsolidace struktury kampaní a trpělivost v learning phase
Sofistikovanější model potřebuje více signálu na kalibraci. Fragmentovaná struktura - mnoho kampaní, mnoho ad setů, malé rozpočty rozdělené do desítek segmentů - mu to neumožňuje. Data se rozdrobí, model se nenaučí nic použitelného.
Zároveň platí, že časté zásahy během learning phase narušují sofistikovanější proces než dřív. ARM zpracovává behavioral sequences - tedy historická data v čase. Každý zásah do kampaně tento kontext částečně resetuje. Čím komplexnější model, tím citlivější je na přerušení učení.
Z praxe: jeden broad Advantage+ ad set s dostatečným rozpočtem a kreativní diverzitou překoná přestrukturovanou kampaň s deseti ad sety v devíti případech z deseti. ARM je další argument pro konsolidaci, ne proti ní. Pokud chcete vědět, jak takové kampaně stavím pro klienty, podívejte se na stránku výkonových Meta Ads kampaní.
ASC a Advantage+ kampaně jako přímý příjemce
ARM pohání finální rozhodnutí uvnitř automatizovaných kampaní - Advantage+ Shopping a ASC. Lepší ranking model znamená lepší automatizační rozhodnutí. Pokud jste dosud automatizované kampaně odmítali kvůli nedůvěře v rozhodování algoritmu, ARM je dalším datovým bodem, proč je přehodnotit.
Menší inzerenti: výhoda, nebo nevýhoda?
Tady bych šel proti běžnému narativu, který ARM prezentuje jako demokratizaci reklamy. ARM menším inzerentům nepomáhá automaticky - pomáhá podmíněně.
ARM je sofistikovanější model, ale stále potřebuje signál k trénování. Menší účet s omezeným rozpočtem a dvěma koncepty má pro kalibraci tak málo dat, že zvýšená komplexita modelu mu nepomůže. Možná mu ani neuškodí - ale výhodu nevytvoří.
Výhodu vytvoří tomu, kdo modelu dává co zpracovat: dostatečný budget pro learning phase, kreativní diverzitu s konceptuálně odlišnými reklamami a trpělivost bez předčasných zásahů.
Prakticky pro menší účty: ARM není důvod ke složitější struktuře. Je to naopak argument pro maximální konsolidaci. Jeden Advantage+ ad set, 4-5 konceptuálně odlišných kreativ, žádné ruční zásahy. Nech model sbírat signál - jedině tak ho ARM dokáže využít. Pokud si nejste jistí, jak váš účet vypadá z tohoto pohledu, nabízím individuální konzultaci.
Kde Meta míří dál
ARM je třetí vrstva v sérii: Andromeda upgradovala retrieval, GEM upgradoval foundation model, ARM upgradoval runtime ranking. Každá vrstva staví na předchozí a zvyšuje celkovou sofistikovanost systému.
Logickým dalším krokem je hlubší integrace multimodálního porozumění - tedy situace, kdy model neanalyzuje jen behaviorální historii uživatele, ale i obsah kreativy na úrovni obrazu, textu a kontextu současně. Základy pro to GEM položil. ARM ukazuje, že Meta dokáže takto komplexní modely provozovat v produkci s sub-sekundovou latencí.
Pro inzerenty to znamená jedno: kreativní kvalita a diverzita bude mít na výkon kampaní stále větší vliv. Algoritmus, který lépe rozumí obsahu reklamy i kontextu uživatele, bude lépe odměňovat reklamy, které skutečně odpovídají tomu, co daný člověk v daný moment potřebuje. A hůř odměňovat ty, které jsou jen přeformátovanou verzí jednoho a téhož sdělení.
Shrnutí pro praxi: Andromeda posunula nás od audience-first k creative-first přístupu. ARM tento posun zesiluje. Stop fighting the algorithm - feed it diverse creative, consolidated structure, and patience. Tohle není marketingová fráze. Je to popis toho, jak systém technicky funguje.
Co udělat teď
- Zkontrolujte kreativní diverzitu ve svých kampaních - máte skutečně odlišné koncepty (různé příběhy, různé emoce, různé důvody ke koupi), nebo jen varianty jedné reklamy s jinými barvami a texty? Jak na to se dozvíte v článku o kreativní strategii pro Meta Ads.
- Konsolidujte strukturu kampaní - ARM potřebuje datový signál. Fragmentované kampaně s malými rozpočty mu ho nedají. Méně ad setů s větším rozpočtem funguje lépe.
- Nechte learning phase proběhnout bez zásahů - ARM zpracovává behaviorální sekvence v čase. Předčasné zásahy tento kontext narušují. Definujte si předem, kdy a za jakých podmínek zásah provedete - a držte se toho.
- Přehodnoťte automatizované kampaně - pokud jste Advantage+ Shopping nebo ASC odmítali, ARM je dalším argumentem pro jejich testování. Lepší ranking model přináší lepší automatizační rozhodnutí.
- Sledujte Instagram jako indikátor - ARM byl spuštěn nejdřív na Instagramu. Pokud vidíte zlepšení výkonu Instagram placements v posledních měsících, je to z velké části tento systém.