Meta Kembangkan GEM dan GenRecs, Begini Cara AI Mengubah Sistem Iklan
Meta memperkenalkan perkembangan teknologi Generative Ads Model (GEM) dan GenRecs untuk meningkatkan kemampuan rekomendasi iklan. Bagaimana teknologi ini bekerja, apa dampaknya bagi advertiser, dan mengapa seller perlu memperhatikan perubahan tersebut?
Apa itu GEM dan GenRecs Meta? Generative Ads Model (GEM) adalah pengembangan model AI Meta yang dirancang untuk memperkuat sistem rekomendasi iklan di berbagai platform dan tujuan periklanan. Sementara itu, GenRecs Tokenization merupakan pendekatan representasi data yang membantu sistem memahami konten iklan dan preferensi pengguna. Keduanya merupakan perkembangan teknologi di balik sistem iklan, bukan fitur baru yang perlu diaktifkan secara manual di Meta Ads Manager.
Pernah merasa iklan di Instagram atau Facebook semakin relevan dengan hal yang sedang dicari? Di balik pengalaman tersebut, Meta terus mengembangkan teknologi kecerdasan buatan untuk membantu sistem menentukan iklan yang sesuai dengan pengguna.
Pada Oktober 2026, Meta mempublikasikan perkembangan teknologi AI untuk rekomendasi iklan melalui dua pembahasan: Generative Ads Model (GEM) dan GenRecs Tokenization.
Perkembangan ini menarik bagi advertiser, digital marketer, dan seller online karena sistem rekomendasi merupakan bagian penting dalam distribusi iklan di ekosistem Meta.
Insight utama: Meta semakin mengandalkan AI untuk memahami relevansi iklan. Bagi advertiser, ini memperkuat pentingnya kualitas creative, informasi produk, data konversi, dan pengukuran hasil bisnis.
Meta Kembangkan GEM dan GenRecs pada Oktober 2026
Dalam publikasi Meta Engineering, perusahaan menjelaskan pendekatan baru untuk meningkatkan kemampuan sistem rekomendasi iklannya.
Generative Ads Model (GEM)
Meta membahas pengembangan model AI terpusat yang mendukung rekomendasi iklan lintas platform dan berbagai tahapan funnel.
GenRecs Tokenization
Meta menjelaskan pendekatan tokenisasi yang membantu model rekomendasi mempelajari representasi konten iklan dan preferensi pengguna.
Kedua perkembangan tersebut menunjukkan arah pengembangan sistem iklan Meta yang semakin bertumpu pada kemampuan AI untuk memahami hubungan antara pengguna, konten, dan tujuan iklan.
Catatan penting: GEM dan GenRecs bukan produk iklan baru yang bisa dipilih melalui menu Ads Manager. Keduanya adalah teknologi yang mendukung pengembangan sistem rekomendasi Meta.
Apa Itu Generative Ads Model (GEM) Meta?
Generative Ads Model (GEM) adalah pendekatan pengembangan AI yang digunakan Meta untuk meningkatkan kemampuan pembelajaran dan rekomendasi dalam sistem periklanannya.
Meta menjelaskan GEM sebagai model terpusat yang dapat memanfaatkan pembelajaran dari berbagai platform dan tujuan iklan.
Pendekatan tersebut memungkinkan sistem rekomendasi memanfaatkan pemahaman yang lebih luas, bukan hanya mempelajari satu jenis interaksi secara terpisah.
Mengapa Meta Mengembangkan GEM?
Advertiser memiliki tujuan yang berbeda. Ada yang ingin meningkatkan awareness, mendapatkan traffic, menghasilkan leads, atau mendorong pembelian.
Sistem rekomendasi iklan perlu memahami berbagai sinyal untuk memperkirakan respons yang relevan terhadap tujuan tersebut.
GEM dikembangkan untuk memperkuat kemampuan pembelajaran dan mendukung optimasi pada berbagai konteks periklanan.
Apa Itu GenRecs Tokenization?
GenRecs Tokenization merupakan pendekatan representasi informasi yang membantu sistem rekomendasi mempelajari karakteristik konten iklan dan preferensi pengguna.
Dalam machine learning, tokenisasi dapat digunakan untuk mengubah informasi menjadi representasi yang dapat diproses model.
Meta mengembangkan pendekatan ini untuk mendukung pemahaman semantik yang lebih kaya dalam sistem rekomendasi iklan.
Apa Manfaatnya bagi Sistem Rekomendasi?
Secara konseptual, semakin baik sistem memahami karakteristik iklan dan preferensi pengguna, semakin besar peluang sistem menghasilkan prediksi relevansi yang lebih tepat.
Namun, hasil akhir tetap dipengaruhi banyak faktor, termasuk kualitas materi iklan, tujuan campaign, dan kondisi persaingan.
Apa Perbedaan GEM dan GenRecs Meta?
| Aspek | GEM | GenRecs Tokenization |
|---|---|---|
| Fokus | Model AI untuk pembelajaran dan rekomendasi iklan | Representasi data bagi model rekomendasi |
| Tujuan | Memperkuat pemodelan relevansi lintas konteks | Membantu pemahaman konten dan preferensi |
| Peran | Pengembangan model AI | Pengembangan cara informasi direpresentasikan |
| Penggunaan Advertiser | Bukan tombol baru di Ads Manager | Bukan pengaturan campaign manual |
Sederhananya, GEM berkaitan dengan pengembangan kemampuan model AI, sedangkan GenRecs Tokenization berkaitan dengan cara sistem merepresentasikan informasi untuk mendukung rekomendasi.
Bagaimana Hasil Pengembangan AI Meta?
Meta melaporkan hasil pengukuran dari pengembangan teknologi rekomendasi iklannya.
Angka tersebut merupakan hasil pengukuran yang dilaporkan Meta dalam cakupan evaluasi pengembangan teknologinya.
Hasil tersebut bukan jaminan bahwa setiap advertiser akan mengalami peningkatan performa dengan persentase yang sama.
AI Lebih Canggih Tidak Berarti Semua Campaign Otomatis Lebih Untung
Performa iklan tetap dipengaruhi produk, creative, penawaran, kualitas landing page, akurasi data konversi, dan pengalaman pembeli.
Karena itu, advertiser tetap perlu melakukan pengujian serta evaluasi berdasarkan hasil campaign sendiri.
Bagaimana AI Mengubah Cara Sistem Iklan Bekerja?
Secara sederhana, sistem rekomendasi iklan memanfaatkan sinyal yang tersedia untuk memprediksi respons pengguna terhadap iklan.
Perkembangan GEM dan GenRecs memperkuat pendekatan pembelajaran serta representasi informasi dalam proses tersebut.
Alur tersebut adalah ilustrasi konseptual, bukan diagram lengkap arsitektur internal Meta.
Apa Dampak GEM dan GenRecs bagi Advertiser?
Perkembangan AI rekomendasi iklan dapat memengaruhi cara advertiser merencanakan, menguji, dan mengevaluasi campaign.
Creative Tetap Penting
Materi iklan perlu memiliki pesan yang jelas, relevan, dan sesuai kebutuhan audiens.
Data Konversi Perlu Akurat
Advertiser perlu memeriksa kualitas pengukuran event dan hasil campaign.
Pengujian Masih Dibutuhkan
Pengembangan AI tidak menggantikan kebutuhan menguji creative, penawaran, dan funnel.
Profit Perlu Diukur
Keberhasilan campaign sebaiknya dievaluasi berdasarkan hasil bisnis, bukan hanya klik atau order.
Apa Artinya bagi Seller Online?
Bagi seller yang beriklan melalui Facebook dan Instagram, perkembangan AI Meta menunjukkan pentingnya membangun proses penjualan yang terukur.
Iklan dapat membantu mendatangkan calon pembeli, tetapi hasil akhir tetap bergantung pada kualitas produk, penawaran, proses pemesanan, dan pengalaman setelah checkout.
Khusus untuk seller COD, pesanan yang berhasil dibuat belum tentu menjadi pembayaran yang berhasil diterima.
AI Meta Ads Makin Pintar, Apakah ROAS Tinggi Berarti Untung?
Return on Ad Spend (ROAS) adalah rasio pendapatan yang diatribusikan kepada iklan dibandingkan dengan biaya iklan.
ROAS = Pendapatan Teratribusi ÷ Biaya Iklan
Misalnya, biaya iklan Rp1 juta menghasilkan pendapatan teratribusi Rp4 juta. Maka ROAS yang tercatat adalah 4x.
Namun, ROAS tidak otomatis memperhitungkan harga pokok produk, ongkir, biaya operasional, dan risiko retur.
Contoh Simulasi Seller COD
| Indikator | Nilai |
|---|---|
| Order COD masuk | 100 order |
| Harga jual per order | Rp100.000 |
| Nilai order tercatat | Rp10.000.000 |
| Biaya iklan | Rp2.500.000 |
| ROAS berbasis nilai order | 4x |
| Order berhasil diterima dan dibayar | 80 order |
| Pendapatan berhasil tertagih | Rp8.000.000 |
| Rasio pendapatan tertagih / biaya iklan | 3,2x |
Dalam simulasi tersebut, nilai order yang tercatat menghasilkan rasio 4x terhadap biaya iklan.
Namun setelah memperhitungkan pesanan COD yang benar-benar berhasil diterima dan dibayar, rasio pendapatan tertagih terhadap biaya iklan menjadi 3,2x.
Angka tersebut juga belum memperhitungkan HPP, ongkir, biaya retur, dan biaya operasional lainnya.
Catatan: angka simulasi bukan data Meta maupun Lincah. ROAS aktual di Ads Manager dapat berbeda karena pengaturan atribusi, sumber data, dan definisi event konversi.
6 Strategi Advertiser Menghadapi Perkembangan AI Meta
- Perkuat kualitas creative. Gunakan materi iklan yang menjelaskan manfaat produk, masalah pembeli, dan alasan untuk membeli.
- Uji beberapa pendekatan pesan. Bandingkan creative berdasarkan kebutuhan audiens, bukan sekadar variasi desain.
- Perbaiki landing page. Pastikan informasi produk, harga, dan proses pemesanan mudah dipahami.
- Evaluasi pengukuran konversi. Pastikan event yang digunakan sesuai dengan tujuan campaign dan pencatatan transaksi.
- Pantau kualitas order. Bedakan order masuk, order valid, dan order berhasil diselesaikan.
- Hitung keuntungan aktual. Evaluasi biaya iklan bersama HPP, ongkir, retur, dan biaya operasional.
Setelah Iklan Menghasilkan Order, Bagaimana Lincah Membantu Seller?
Meta Ads berperan dalam membantu advertiser menjangkau calon pembeli. Setelah pesanan masuk, seller masih perlu mengelola proses pengiriman.
Lincah menyediakan layanan pengiriman yang relevan bagi seller online, termasuk bisnis yang menggunakan COD.
COD Score
Membantu seller meninjau indikator risiko buyer COD melalui kategori A, B, C, dan D saat membuat pesanan. Skor ini bukan jaminan pengiriman berhasil.
Multi-Kurir
Memberikan pilihan layanan pengiriman agar seller dapat membandingkan ongkir dan menyesuaikan kebutuhan operasional.
City RTS Rate Report
Membantu seller mempelajari informasi risiko retur berdasarkan wilayah sebagai bahan evaluasi pengiriman COD.
Support Pengiriman
Tim support Lincah membantu penanganan kendala pengiriman yang memerlukan tindak lanjut.
Perlu diketahui: artikel ini tidak menyatakan bahwa GEM atau GenRecs terintegrasi langsung dengan Lincah. Keterkaitannya adalah kebutuhan seller untuk mengelola pengiriman setelah mendapatkan pesanan dari aktivitas iklan.
AI Iklan Makin Pintar, Pengiriman Juga Harus Lincah.
Perkembangan AI Meta membuka peluang optimasi periklanan. Namun setelah order masuk, seller tetap membutuhkan proses pengiriman yang efisien.
Kelola kebutuhan pengiriman COD, bandingkan pilihan kurir, dan manfaatkan fitur pendukung operasional seller melalui Lincah.
Kesimpulan: GEM dan GenRecs Menunjukkan Arah Baru AI Periklanan Meta
Pengembangan Generative Ads Model dan GenRecs Tokenization menunjukkan bagaimana Meta terus meningkatkan kemampuan AI dalam sistem rekomendasi iklan.
GEM berfokus pada pengembangan model AI untuk pembelajaran dan rekomendasi, sedangkan GenRecs Tokenization membantu representasi informasi dalam proses rekomendasi.
Bagi advertiser, perkembangan ini memperkuat pentingnya kualitas creative, data konversi, dan evaluasi campaign.
Sementara bagi seller online, optimasi iklan tetap perlu diikuti dengan proses pemesanan dan pengiriman yang terkelola dengan baik.
Terutama untuk bisnis COD, jumlah order masuk sebaiknya tidak menjadi satu-satunya indikator keberhasilan bisnis.
FAQ Seputar GEM, GenRecs, dan AI Meta Ads
Apa itu GEM Meta?
GEM atau Generative Ads Model adalah pengembangan model AI Meta yang dirancang untuk mendukung sistem rekomendasi iklan.
Apa itu GenRecs Tokenization?
GenRecs Tokenization merupakan pendekatan representasi data yang membantu sistem rekomendasi memahami konten iklan dan preferensi pengguna.
Apa perbedaan GEM dan GenRecs?
GEM berkaitan dengan pengembangan model AI untuk rekomendasi iklan, sedangkan GenRecs Tokenization berkaitan dengan representasi informasi yang digunakan dalam pembelajaran model.
Kapan Meta mengumumkan GEM dan GenRecs?
Meta mempublikasikan pembahasan GEM pada 13 Oktober 2026 dan GenRecs Tokenization pada 19 Oktober 2026.
Apakah GEM harus diaktifkan di Meta Ads Manager?
Tidak. GEM merupakan teknologi pengembangan sistem rekomendasi Meta, bukan pengaturan campaign yang diaktifkan manual.
Apakah GenRecs merupakan fitur baru untuk advertiser?
GenRecs Tokenization merupakan pendekatan teknis di balik sistem rekomendasi, bukan fitur baru yang tersedia sebagai tombol di Ads Manager.
Apakah GEM dan GenRecs menjamin ROAS naik?
Tidak. Hasil campaign tetap dipengaruhi banyak faktor. Hasil pengukuran yang dipublikasikan Meta bukan jaminan performa setiap akun advertiser.
Apa dampak AI Meta Ads bagi seller?
Perkembangan AI rekomendasi memperkuat pentingnya creative, penawaran, data konversi, dan evaluasi hasil bisnis.
Mengapa ROAS tinggi belum tentu menghasilkan profit?
Karena ROAS tidak otomatis mengurangi HPP, biaya pengiriman, biaya operasional, dan kerugian akibat retur.
Bagaimana Lincah membantu seller COD?
Lincah menyediakan layanan pengiriman COD, pilihan multi-kurir, COD Score, City RTS Rate Report, dan dukungan penanganan pengiriman.
Sumber dan Referensi
- Engineering at Meta — Generative Ads Model (GEM): Scaling Frontier Ads AI (13 Oktober 2026).
- Engineering at Meta — GenRecs Tokenization: Transforming Ads Recommendation at Meta (19 Oktober 2026).