Meta 公布 GEM 模型分项数据与语义识别机制

补出来的三个数

GEM 这套新一代广告推荐模型，整体成绩单早就交了：转化提升 18.9%，点击率提升 12%。10 月 20 日前后的解读文章，把此前没细说的分项摆了出来：整体 18.9% 拆开看，Facebook 上的转化提升是 5.8%，Instagram 是 4.1%，站外转化事件是 1.6%。

三个分项不能拿来相加。各数的统计口径不一样，加在一起得不出一个总数，分开看才知道力气花在了哪。Facebook 的盘子里提升最大，站外那部分最小，投放结构偏站外的账户，对这套模型的体感会比看整体数字时打的折扣更多，预期不妨先放低半档。

比分项更值得看的是 10 月 19 日那份 GenRecs Tokenization 技术说明。里面讲了个新机制：系统利用商品的语义信息识别商品特征，判断该把它推给谁，不再完全依赖这件商品过去的互动记录。

对新品，这一条等于开了扇门。老逻辑下，新链接没有点击、没有成交、没有评价，推荐系统对它两眼一抹黑，冷启动全靠硬砸。语义识别接手之后，商品是什么、卖给谁、跟哪些需求对得上，这些信息从商品资料本身就能读出来，新品有机会直接进推荐。流量进了门，接不接得住，页面和价格说了算，那是另一半功课。

前提藏在商品资料里。标题写什么、描述讲什么、图片拍什么、目录属性填什么，填得越准，系统读得越顺，商品和买家需求之间的线就牵得越紧。资料乱填的商品，语义识别也读不出个名堂。

素材的多样性也别丢。同一件商品，不同卖点、不同场景、视频和图片各有版本，系统拿到的信号就多一分，判断的余地就大一分。至于哪种素材真的跑得动，账户自己的数据说了算，跑一周看一周，比凭感觉砍素材靠谱。