메타 안드로메다(Meta Andromeda)는 무엇인가요?

메타 광고 시스템의 첫 단계인 후보 추리기(검색)를 맡는 AI입니다. 수천만 개의 광고를 한 사람마다 순위를 매길 만한 수천 개로 줄이는데요. 2026년 10월 28일 발표된 새 세대는 광고마다 전문 모델로 보내 판단하는 방식으로 바뀌었고, 메타는 3분기에 페이스북 전환이 1.37%, 인스타그램 릴스 전환이 0.24% 늘었다고 밝혔습니다.

Meta GEM과 Andromeda는 무엇이 다른가요?

Andromeda는 광고 후보를 추리는 단계에서, GEM은 순위를 예측하는 단계에서 일합니다. GEM은 여러 앱과 목표의 데이터를 배우는 광고 추천 기반 모델로, 배운 것을 실시간 랭킹 모델에 넘겨 주는데요. 메타는 전환이 적은 캠페인도 GEM이 다른 데이터에서 배운 것의 도움을 받을 수 있다고 설명합니다.

이번 메타 광고 AI 업그레이드를 쓰려면 설정을 바꿔야 하나요?

아닙니다. 메타는 이번 개선이 캠페인을 바꾸지 않아도 자동으로 적용된다고 밝혔습니다. 다만 결과는 최적화 목표, 공유하는 데이터의 품질, AI에 맡기는 범위에 달려 있다고 했으니, 목표와 전환 값, 픽셀·전환 API 설정, 소재 다양성은 점검해 두시는 편이 좋습니다.

메타 광고 경매에서는 입찰가가 높으면 이기나요?

그렇지 않습니다. 메타는 경매가 입찰가, 클릭 뒤 경험까지 포함한 광고 품질, 추산 행동률을 함께 본다고 설명하며, 가장 높은 입찰가나 가장 큰 예산이 자동으로 이기지 않는다고 밝혔습니다. 더 관련 있고 고객 경험이 좋은 광고는 더 높은 입찰도 이길 수 있습니다.

메타 광고 Andromeda·GEM이란? | AI 광고 랭킹 3단계와 광고주가 할 일

메타 광고 Andromeda(안드로메다)와 GEM, GenRecs는 페이스북·인스타그램에서 어떤 광고를 누구에게 보여 줄지 고르는 메타의 AI 시스템인데요. 메타는 2026년 10월 28일 이 세 시스템이 새로 업그레이드됐고, 광고주가 캠페인을 바꾸지 않아도 성과 개선이 자동으로 적용된다고 발표했습니다. 다만 같은 발표에서 결과는 여전히 광고주가 고른 목표, 보내 주는 데이터의 품질, AI에 맡기는 범위에 달려 있다고 덧붙였기 때문에, 광고주가 손볼 곳은 여전히 남아 있죠.

"요즘 메타 광고는 타겟을 좁혀도 별 차이가 없다던데, 그럼 우리는 뭘 해야 하죠?" 메타 광고를 운영하는 분이라면 한 번쯤 들어 보셨을 이야기인데요. 광고 시스템 안쪽이 AI로 채워질수록 광고주가 할 일은 정말 줄어드는 걸까요? 이번 글에서는 메타가 발표한 세 가지 AI가 각각 무엇을 하는지, 광고 한 개가 노출되기까지 어떤 단계를 거치는지, 그리고 마케터가 목표·전환 데이터·소재에서 무엇을 바꾸면 되는지 하나씩 짚어 보겠습니다.

1. 메타 광고 Andromeda·GEM·GenRecs, 무엇이 발표됐을까요?

메타는 10월 28일 비즈니스 뉴스에 광고 랭킹의 새 AI 세 가지와 광고 시스템이 광고를 사람에게 연결하는 방식을 함께 올렸는데요. 발표 내용은 이렇습니다.

Meta Andromeda: 수천만 개의 광고 가운데 한 사람에게 보여 줄 만한 후보를 추리는 첫 단계(검색, retrieval)입니다. 새 세대는 광고마다 전문 모델(expert)로 보내 판단하는 방식으로 바뀌어, 순위를 매기는 단계에 가까운 판단을 후보 추리기에서부터 하게 됐다고 합니다.
Meta GEM(Generative Ads Recommendation Model): 페이스북·인스타그램·릴스와 메타 밖 전환까지 아우르는 광고 추천의 기반 모델입니다. 여기서 배운 것을 실시간으로 순위를 매기는 작은 모델들에 넘겨 주는데요. 메타는 전환이 적은 캠페인도 GEM이 다른 데이터에서 배운 것의 도움을 받을 수 있다고 설명합니다.
Meta GenRecs(Generative Recommender): LLM(대규모 언어 모델)이 광고의 글과 이미지를 읽고 브랜드·색·핏·스타일 같은 의미 단위의 토큰으로 묘사하는 방식입니다. 노출 이력이 거의 없는 새 광고도 비슷한 광고에서 배운 것을 이어받을 수 있게 됩니다.

메타가 밝힌 성과 수치도 있습니다. 2026년 2분기에는 광고 랭킹 개선으로 페이스북 광고 클릭이 8.3%, 전환이 15.7% 늘었다고 하고, GEM은 2025년 이후 전환을 최대 18.9%, 광고 클릭률을 12% 개선했다고 밝혔는데요. Andromeda의 이번 업그레이드는 3분기에 페이스북 전환 1.37%, 인스타그램 릴스 전환 0.24% 증가로 이어졌다고 합니다. 모두 메타가 스스로 밝힌 수치라 읽는 법은 뒤의 참고 사항에서 따로 짚겠습니다.

2. 광고 한 개가 노출되기까지, 세 AI는 어디에서 일할까요?

광고 연결 방식 설명에 따르면 메타 광고는 세 단계를 거쳐 노출됩니다.

후보 추리기(Andromeda): 수천만 개의 광고를 한 사람마다 순위를 매길 만한 수천 개로 줄입니다.
순위 예측(GEM·시퀀스 학습·Lattice): 이 사람이 구매 여정의 어디쯤 있는지, 전환할 가능성이 얼마나 되는지, 광고 내용과 이전 구매자들의 경험을 바탕으로 광고를 평가합니다. 시퀀스 학습은 사람이 한 행동의 순서를 읽어 다음에 필요할 것을 예상하고, Meta Lattice는 여러 광고 목표와 앱에 걸쳐 함께 배우는 하나의 랭킹 시스템입니다.
경매: 남은 광고들이 노출 한 번을 두고 실시간으로 겨룹니다.

메타 광고 노출 3단계: 수천만 개의 광고를 Andromeda가 수천 개 후보로 줄이고, GEM·시퀀스 학습·Lattice가 전환 가능성을 예측해 순위를 매기고, 마지막으로 입찰가·광고 품질·추산 행동률로 경매를 한다 메타가 설명한 순서대로 단계와 담당 시스템을 나란히 놓았습니다.

오디션에 비유하면 이해가 쉬운데요. Andromeda는 수많은 지원서 가운데 무대에 세울 만한 사람을 고르는 예선 심사, GEM과 Lattice는 이 관객이 누구를 좋아할지 점수를 매기는 본선 심사, 경매는 마지막 결선 무대인 셈이죠. 이번 업그레이드는 예선 심사위원이 훨씬 꼼꼼해지고(Andromeda), 본선 심사위원이 더 많은 경험을 쌓았으며(GEM), 처음 무대에 서는 신인도 비슷한 선배의 기록을 참고해 평가받게 된 것(GenRecs)으로 볼 수 있습니다.

세 시스템을 같은 기준으로 놓으면 이렇습니다.

구분	Andromeda	GEM	GenRecs
일하는 단계	후보 추리기(검색)	순위 예측의 기반 모델	광고 내용을 토큰으로 묘사, Andromeda의 후보 추리기도 보강
이번에 바뀐 점	검색 모델을 여러 전문 모델이 나눠 맡는 구조로 바꿈	두 배 긴 참여 이력을 2.5배 복잡한 모델로 읽음	LLM이 글·이미지를 읽어 브랜드·색·스타일 같은 토큰으로 묘사
발표가 강조한 점	순위 단계에 가까운 판단을 후보 추리기에서	전환이 적은 캠페인도 도움	이력이 거의 없는 새 광고·새 상품
광고주와 맞닿는 곳	소재가 다양할수록 후보가 넓어짐	전환 목표와 전환 데이터	소재 속 글·이미지에 담긴 상품 정보

메타 광고 AI 세 가지 비교 카드: Andromeda는 후보 추리기에서 순위 단계에 가까운 판단, GEM은 순위 예측의 기반 모델로 전환이 적은 캠페인에 도움, GenRecs는 광고의 글과 이미지를 토큰으로 묘사해 새 광고에 도움 표의 「일하는 단계」와 「발표가 강조한 점」 줄을 카드로 옮겼습니다.

표의 마지막 줄은 제가 발표 내용을 광고주 쪽에서 다시 읽은 것인데요. 세 시스템 모두 설정 화면이 따로 없지만, 무엇을 먹고 배우는지는 광고주가 넣는 목표·데이터·소재로 정해진다는 점은 같습니다. 그렇다면 마지막 결선 무대인 경매에서는 무엇이 승부를 가를까요?

3. 그래서 마케터는 무엇을 바꾸면 되나요?

메타는 경매의 입력값을 세 가지로 설명합니다. 입찰가(예산과 목표를 노출 한 번당 입찰로 바꾼 값), 광고 품질(클릭 뒤에 일어나는 일까지 포함한 전체 고객 경험), 추산 행동률(Estimated Action Rate, 이 사람이 내가 최적화한 행동을 할 것이라는 모델 예측)이죠. 그리고 가장 높은 입찰가나 가장 큰 예산이 자동으로 이기지 않으며, 더 관련 있고 고객 경험이 좋은 광고는 더 높은 입찰도 이길 수 있다고 분명히 적었습니다.

메타 광고 경매 저울: 한쪽 접시에는 입찰가, 다른 쪽에는 광고 품질과 추산 행동률이 올라가 있고, 높은 입찰가만으로는 저울이 기울지 않는다 입찰가 하나보다 광고 품질과 추산 행동률이 함께 무게를 만든다는 뜻을 저울로 그렸습니다.

그래서 광고주가 바꿀 곳은 타겟을 잘게 쪼개는 일보다 아래 네 가지에 가깝다고 봅니다. 메타의 권장 사항을 마케터 업무 순서로 옮겨 보면 이렇습니다.

목표를 진짜 성과로: 측정하기 쉬운 가까운 지표가 아니라 실제로 원하는 결과를 최적화 목표로 고르라고 권합니다. 구매가 목적인데 링크 클릭으로 최적화하고 있다면 가장 먼저 볼 곳이죠.
전환 값까지 보내기: 전환이 일어났다는 사실만이 아니라 전환 한 건의 가치를 보내라고 합니다. 메타는 가치 최적화로 전환 가치가 큰 쪽에 노출을 기울일 수 있다고 안내합니다.
측정 데이터 점검: 전환 API(Conversions API, 서버·CRM의 전환 이벤트를 메타로 보내는 연결)는 메타 픽셀이 있으면 이벤트 관리자에서 코드 없이 추가할 수 있고, 픽셀 이벤트와 중복되지 않게 맞춰졌는지 확인하라고 문서에 적혀 있습니다.
소재 다양성과 클릭 뒤 경험: 개별 요소보다 Advantage+에 맡기고 소재를 더 다양하게 넣으라고 권하는데요. 배송·고객 지원·상품 품질·결제 단계의 불편함도 광고 품질에 영향을 준다고 하니 랜딩 페이지 점검도 같은 일입니다.

어디까지 AI에 맡길지는 계정 상태에 따라 다르게 판단하시길 권합니다. 제 기준은 이렇습니다.

지금 계정 상태	먼저 할 일	AI에 맡기는 범위
전환 이벤트가 부정확하거나 중복된다	픽셀·전환 API 점검부터	좁게 유지하고 측정부터 바로잡기
전환은 잘 잡히지만 건수가 적다	전환 목표 유지, 소재 늘리기	GEM이 다른 데이터에서 배운 것을 쓰도록 타겟을 넓혀 보기
전환 값까지 보내고 있다	가치 최적화 검토	Advantage+ 예산·노출 위치까지 넓혀 보기
노출 위치에 브랜드 제약이 있다	제약 항목을 문서로 남기기	그 요소만 직접 설정하고 나머지는 맡기기

4. 신상품 캠페인을 준비하는 담당자라면 어떻게 할까요?

다음 시즌 러닝화를 새로 내는 쇼핑몰의 메타 광고 담당자를 떠올려 보겠습니다. 새 상품이라 이 광고에는 아직 노출 이력이 없는데요. GenRecs 토큰화 엔지니어링 글이 바로 이런 경우를 예로 듭니다. 다음 시즌 트레일 러닝화 광고가 지난 시즌 신발에서 모델이 배운 것을 이어받아, 아무도 보지 않은 상태에서도 0에서 시작하지 않는다는 설명이죠. 이 장면을 처음부터 따라가면 순서는 이렇습니다. 아래는 제가 발표 내용을 바탕으로 짠 예시 순서입니다.

목표 정하기: 캠페인 목표를 구매로 두고, 장바구니 담기 같은 중간 지표로 최적화하지 않습니다.
데이터 확인: 이벤트 관리자에서 구매 이벤트가 픽셀과 전환 API 양쪽에서 들어온다면 중복 제거가 맞게 되는지, 구매 금액이 함께 넘어가는지 봅니다.
소재 준비: 같은 신발이라도 착용 장면, 밑창 클로즈업, 색상별 컷처럼 서로 다른 이미지와 영상을 여러 개 준비하고, 상품명·용도·색처럼 상품을 설명하는 정보가 글과 이미지에 분명히 드러나게 합니다. GenRecs가 광고의 글과 이미지를 읽어 묘사한다고 하니, 무엇을 파는 광고인지 알아보기 쉬울수록 비슷한 상품의 학습을 이어받기 좋다고 보는 것이 제 해석입니다.
맡기기: Advantage+ 오디언스와 노출 위치에 맡기고, 브랜드상 꼭 제한해야 하는 요소가 있다면 그 부분만 직접 설정합니다.
결과 판단: 노출 수나 클릭률보다 결과당 비용이나 광고 수익률(ROAS)로 보고, 정말 광고 덕분인지는 메타가 권하는 전환 상승(Conversion Lift) 테스트로 확인합니다.
클릭 뒤 점검: 상세 페이지의 배송 안내, 사이즈 정보, 결제 단계에서 이탈이 많은 곳을 고칩니다.

이 중 1·2·5번은 전환 모델링이나 구글 애즈 데이터 강도에서 다룬 것과 같은 고민인데요. 광고 플랫폼이 달라도 AI가 배울 신호를 정확하게 채워 주는 일이 광고주 몫이라는 점은 같기 때문입니다.

※ 참고 사항: 메타가 밝힌 숫자, 어떻게 읽어야 할까요?

이번 발표의 숫자는 메타 내부 측정이고, 기준선이나 측정 방법이 함께 적혀 있지 않은 경우가 많습니다. 읽을 때 아래를 함께 보시길 권합니다.

최대치와 범위: GEM의 18.9%는 10월 28일 발표문에 「최대」로 적혀 있고(10월 13일 GEM 엔지니어링 글에는 「최대」 없이 적혀 있어 더 최근 발표문을 따랐습니다), 생성형 검색의 약 2% 증가는 페이스북 피드의 대상 세그먼트에서 측정한 값입니다. 내 계정 성과가 그만큼 오른다는 뜻으로 읽으면 안 되죠.
플랫폼별 차이: Andromeda 업그레이드의 3분기 효과는 페이스북 1.37%, 인스타그램 릴스 0.24%로 크기가 달랐습니다.
적용 지역: 발표문에는 특정 국가에서만 적용된다는 언급이 없지만, 한국 계정에 같은 폭으로 적용되는지는 공식적으로 확인되지 않았습니다.
설정 버튼은 없다: 세 시스템은 메타 쪽에서 돌아가는 개선이라 광고 관리자에서 켜고 끄는 메뉴가 아닙니다. 「Andromeda 최적화 설정」 같은 이름의 기능을 찾으실 필요는 없습니다.

2025년 3월 발표에서도 메타는 GEM, Lattice, Andromeda, 시퀀스 학습 네 가지를 소개하며 각각의 개선 수치를 밝혔는데요. 이번 발표는 그중 Andromeda와 GEM의 새 세대를 소개하고, 2025년 글에는 없던 GenRecs를 새로 더한 것으로 보시면 됩니다.

마치며

메타 광고 Andromeda·GEM·GenRecs는 후보를 추리고, 전환 가능성을 예측하고, 새 광고를 이해하는 단계를 각각 맡고 있고, 이번 업그레이드는 광고주가 손대지 않아도 적용됩니다. 그래서 광고주의 일은 타겟을 세밀하게 고르는 쪽에서 진짜 목표를 고르고, 전환 값과 측정 데이터를 정확히 보내고, 다양한 소재와 좋은 클릭 뒤 경험을 준비하는 쪽으로 옮겨 가는데요. 저도 메타 광고 계정의 전환 설정부터 다시 보면서 달라지는 점이 있으면 알려 드리겠습니다. 경매의 원리가 궁금하시다면 광고 연결 방식 설명을 참고해 주세요.

자주 묻는 질문

메타 안드로메다(Meta Andromeda)는 무엇인가요?: 메타 광고 시스템의 첫 단계인 후보 추리기(검색)를 맡는 AI입니다. 수천만 개의 광고를 한 사람마다 순위를 매길 만한 수천 개로 줄이는데요. 2026년 10월 28일 발표된 새 세대는 광고마다 전문 모델로 보내 판단하는 방식으로 바뀌었고, 메타는 3분기에 페이스북 전환이 1.37%, 인스타그램 릴스 전환이 0.24% 늘었다고 밝혔습니다.
Meta GEM과 Andromeda는 무엇이 다른가요?: Andromeda는 광고 후보를 추리는 단계에서, GEM은 순위를 예측하는 단계에서 일합니다. GEM은 여러 앱과 목표의 데이터를 배우는 광고 추천 기반 모델로, 배운 것을 실시간 랭킹 모델에 넘겨 주는데요. 메타는 전환이 적은 캠페인도 GEM이 다른 데이터에서 배운 것의 도움을 받을 수 있다고 설명합니다.
이번 메타 광고 AI 업그레이드를 쓰려면 설정을 바꿔야 하나요?: 아닙니다. 메타는 이번 개선이 캠페인을 바꾸지 않아도 자동으로 적용된다고 밝혔습니다. 다만 결과는 최적화 목표, 공유하는 데이터의 품질, AI에 맡기는 범위에 달려 있다고 했으니, 목표와 전환 값, 픽셀·전환 API 설정, 소재 다양성은 점검해 두시는 편이 좋습니다.
메타 광고 경매에서는 입찰가가 높으면 이기나요?: 그렇지 않습니다. 메타는 경매가 입찰가, 클릭 뒤 경험까지 포함한 광고 품질, 추산 행동률을 함께 본다고 설명하며, 가장 높은 입찰가나 가장 큰 예산이 자동으로 이기지 않는다고 밝혔습니다. 더 관련 있고 고객 경험이 좋은 광고는 더 높은 입찰도 이길 수 있습니다.