「最近、Advantage+が急に賢くなったと思いませんか？」

Advantage+ Salesを使ったことがある方なら心当たりがあるはずです。1〜2年前は「手動設定と比べて不安定」という不満が多かったのに、今ではCPAが手動より低く出るケースが珍しくありません。

機能自体が変わったわけではありません。その下にあるAIモデルが丸ごと入れ替わったのです。 コードネーム：GEM — Generative Ads Recommendation Model。

GEMとは何か

Metaが公開した中で最大の広告レコメンデーション基盤モデルです。簡単に言うと：

• 以前：「キャンペーン目的ごとに小さなAIがたくさん」（コンバージョン予測、クリック予測、興味関心モデルなど）
• 現在：「一つの大規模基盤モデル（GEM）が中央頭脳」+「下流の小さなモデルがGEMから知識を継承」

LLMスケール（数千GPU）で学習されています。いわば「広告ドメインのGPT」のようなものです。

出典: Meta Engineering — Meta's Generative Ads Model (GEM)

実際どのくらい改善したのか

Metaが公式数値を公開しました（2025年Q2）。

Q3にはアーキテクチャの変更により、追加データあたりの改善幅が2倍になったと報告されています。つまり、GEMはまだ成長中で、来年にはさらに良くなっているでしょう。

広告主にとって何が変わるのか

GEMはオン・オフを切り替える設定ではありません。すべての広告プロダクトの内部に自動的に組み込まれています。 Advantage+ Sales、Advantage+ Catalog、通常のSalesキャンペーン — すべてがデフォルトでGEMの恩恵を受けます。

広告主が実感する変化：

1. 新規キャンペーンの学習が速くなる — 従来の「安定まで50コンバージョン」というハードルが緩くなっています。GEMの事前学習により、少ないシードデータでも学習フェーズが収束しやすくなりました
2. 同じ予算でコンバージョンの質が向上 — 単にコンバージョン数が増えるだけでなく、購買意欲の高いユーザーを見つける精度が上がっています
3. Advantage+が手動設定との差をより明確に広げる — GEMの恩恵はAdvantage+で最大化されます（手動設定でも改善はありますが、差は小さいです）

核心はこうです：GEMが何かを学習すると、その知識が広告モデルファミリー全体に伝播します。 従来の目的別小型モデル体制とは異なり、中央モデルが改善すれば、すべての下流プロダクトが一緒に改善されます。

では何をすべきか

正直なところ、特別なことはありません。GEMは自動適用されるので「有効化」スイッチはありません。ただし、恩恵を最大化するには：

• Advantage+キャンペーンの比率を増やす — GEMの恩恵はAdvantage+で大きくなります
• イベント品質の管理を徹底する — GEMがうまく学習するにはクリーンなシグナルが必要です。PixelとCAPIの設定、イベント重複排除、value/currencyパラメータ — これらを怠るとGEMは本領を発揮できません
• クリエイティブの多様性を確保する — 候補が多いほどGEMは賢くなります。広告セットあたり3〜5個のクリエイティブが基準です
• 学習中にキャンペーンをいじらない — GEMが収束している途中でリセットすると、せっかくの改善が途切れます

判断基準：あなたのアカウントはGEMの恩恵を逃していないか

以下のうち3つ以上が当てはまれば、GEMの改善効果を取り逃がしています。

• PixelのみでConversions APIなし
• コンバージョンイベントにvalue/currencyパラメータが欠落
• 広告セットあたりクリエイティブが1〜2個、一つの勝者に集中
• Advantage+が総支出の30%未満
• カスタムコンバージョンのみ使用し、標準イベントなし

3つ以上当てはまるなら、優先度の高いものから順に改善してください。

懐疑的に見る視点

+5% / +3%という数値はMeta自身の計測によるものです。サードパーティツール（GA、Northbeamなど）では異なる結果が出る可能性があります。それでも方向性は明確です：広告AIは「キャンペーン単位の最適化」から「中央頭脳による連鎖的改善」へとシフトしました。

この体制で勝つのは、データ供給とクリエイティブ供給を仕組み化したチームです。AIモデルが賢くなればなるほど、それを支えるインフラの質が問われます。

指標の読み方、Advantage+への移行、スケーリングの自動化については「Meta広告4巻」で詳しく扱っています。