Meta ha accelerato 30 volte il targeting pubblicitario

Il grafo eterogeneo unifica miliardi di utenti, entità e inserzionisti in embedding condivisi

Lo scorso 15 luglio, mentre il settore è concentrato sull’AI generativa per i creativi, Meta ha svelato sul suo engineering blog una nuova area di ricerca per Meta Ads: Hierarchical Interest Representation, un layer di rappresentazione upstream che promette di rendere il targeting comportamentale quasi istantaneo. Addestrato end‑to‑end su dati reali alla scala di miliardi di interazioni, il sistema sta già mostrando nei test interni un’accelerazione di 30 volte rispetto alla baseline sincrona, aprendo una partita nuova nella corsa all’ottimizzazione del funnel profondo.

Il grafo che non ti aspetti

Il cuore della novità è un grafo eterogeneo che ogni mese abbraccia miliardi di utenti, entità e interazioni – inserzionisti, prodotti, servizi – servito sia online per mantenere la freschezza in produzione sia offline per valutazione e iterazione rapida. Invece di trattare il matching tra utenti e annunci come un problema di ranking isolato, Hierarchical Interest Representation costruisce embedding unificati che collegano gli interessi inferiti delle persone con l’intera offerta degli advertiser, compresi gli annunci pensati per il deep funnel, cioè quelli che lavorano su eventi a valle del click come acquisti, lead qualificati o iscrizioni.

La rete pubblicitaria di Meta serve ogni mese milioni di annunci di milioni di inserzionisti a miliardi di persone, un volume che rende indispensabile qualsiasi guadagno di efficienza computazionale. Durante la fase di test, lo speed‑up di 30x sul tempo di esecuzione (wall‑clock) rispetto alla baseline sincrona ha permesso di mantenere alto l’utilizzo dei FLOPs delle GPU, un indizio che il modello potrà scalare senza far lievitare i costi di inferenza. Tradotto: la stessa capacità di calcolo può ora processare molte più entità, rendendo l’ottimizzazione del funnel profondo non solo più precisa ma anche economicamente sostenibile su scala piattaforma.

Da GEM a un 201 miliardi di dollari

Il nuovo layer non nasce nel vuoto, ma si innesta su una catena di modelli AI che ha già dimostrato di muovere l’ago della bilancia. Il Generative Ads Model (GEM) ha incrementato le conversioni del 5% su Instagram e del 3% sul Feed di Facebook nel secondo trimestre del 2025. Poi, a marzo di quest’anno, Meta ha presentato il modello Adaptive Ranking che, dal suo debutto su Instagram nel Q4 2025, ha portato un aumento del 3% delle conversioni e del 5% del CTR, introducendo per la prima volta modelli su scala LLM con latenza sub‑secondo nel ranking degli annunci.

Questi miglioramenti non sono dettagli tecnici: lo scorso anno Meta ha registrato un fatturato complessivo di 201 miliardi di dollari, in crescita del 22% anno su anno, e già a inizio 2025 Mark Zuckerberg ribadiva che gli annunci saranno il principale motore di crescita per i prossimi anni. Lo scorso gennaio, la CFO Susan Li ha spiegato che l’obiettivo è integrare l’AI in tutti i livelli del funnel di marketing e coinvolgimento clienti. In questo contesto, ogni punto percentuale di conversione guadagnato si traduce in miliardi di ricavo incrementale, e Hierarchical Interest Representation potrebbe diventare il prossimo moltiplicatore proprio perché agisce simultaneamente sulla copertura degli interessi e sull’efficienza computazionale.

Il risiko dei walled garden

Mentre Meta affila le armi, la concorrenza non resta a guardare. A giugno, TikTok ha aggiornato la sua Deep Funnel Optimization (DFO) per le campagne lead generation, passando da un’ottimizzazione a doppio evento a un’ottimizzazione multi‑stadio per eventi CRM. Ad aprile, Google ha introdotto AI Max per le campagne Search, che secondo i dati della società genera in media il 7% in più di conversioni o valore di conversione a parità di CPA/ROAS quando si utilizza la suite completa di funzionalità – match dei termini di ricerca, personalizzazione del testo ed espansione dell’URL finale.

La corsa agli armamenti sui modelli di ottimizzazione è ormai il vero terreno di scontro della pubblicità programmatica, ma con una tensione irrisolta: più i sistemi diventano sofisticati e opachi, più il controllo dell’inserzionista si restringe. Se la mappa gerarchica degli interessi di Meta connette in modo sempre più automatico le persone agli annunci, chi compra media può solo fidarsi che il modello stia lavorando per il suo reale obiettivo di business – e non solo per massimizzare il rendimento della piattaforma.

La battaglia per l’advertising si combatte nei layer nascosti dell’AI. Meta ha appena alzato la posta, ma il vero nodo resta: in un ecosistema di walled garden sempre più sofisticati, il controllo dell’inserzionista è l’ultimo lusso che ci possiamo permettere?