Anúncio novo tem um problema antigo: antes de o sistema de entrega saber para quem mostrá-lo, ele precisa de histórico, e quem acaba de entrar no leilão não tem nenhum. Em 19 de outubro de 2026, a Meta publicou em seu blog de engenharia uma explicação de como tenta reduzir essa espera nos sistemas de anúncios, com uma camada chamada GenRecs Tokenization.
O que foi anunciado
Segundo o blog de engenharia da Meta:
- A ideia central: em vez de depender de um identificador próprio para cada item, o sistema descreve anúncios, produtos, páginas e pixels com um conjunto de tokens de um vocabulário semântico estável.
- O problema que ataca: itens novos ou com pouca exposição têm pouco sinal de engajamento. Como os tokens descrevem o que o item é, um item novo pode aproveitar o que o modelo já aprendeu sobre itens parecidos. O exemplo da Meta é um tênis de trilha da nova temporada, que se apoia no aprendizado do modelo da temporada anterior.
- Como os tokens são gerados: um modelo multimodal lê texto e imagem e produz uma representação semântica (um embedding), combinada com sinais de engajamento. Essa representação é quebrada em partes e cada parte é associada a uma entrada de um dicionário, o codebook. Itens semelhantes passam a compartilhar tokens.
- O resultado divulgado: um ganho de 0,35% em conversões entre superfícies, medido em fevereiro de 2026 com dados internos da Meta. O número é apresentado para o conjunto formado por GenRecs Tokenization, GEM e Adaptive Ranking Model, não para a tokenização isolada.
A publicação não informa o desenho do teste, o intervalo de confiança, a contribuição de cada componente nem os resultados por superfície ou formato de anúncio.
Por que isso importa para quem faz marketing
Quem opera mídia paga conhece a fase de aprendizado: o criativo novo roda com entrega instável até o sistema juntar sinal suficiente. A proposta da Meta é encurtar parte desse caminho dando ao modelo uma forma de reconhecer que um anúncio novo se parece com outros que ele já conhece. Na prática, a leitura é de que aprendizado de uma campanha ou de um produto pode ser reaproveitado por outro semelhante.
Na leitura do Club Martech, o dado mais honesto da publicação é o limite dela: 0,35% é um resultado agregado, interno e combinado com outras mudanças. Ele não autoriza prometer que seus anúncios novos vão performar melhor, nem diz quanto da fase de aprendizado diminui.
O que ele mostra é para onde a plataforma está investindo: mais representação semântica do que está no anúncio e menos dependência de histórico por ID. Para o orçamento, isso se conecta com a lógica de prioridade de canal e orçamento: o que a plataforma consegue inferir do seu material influencia onde o dinheiro rende.
O que observar na sua operação
- Clareza do criativo e do catálogo: se a plataforma lê texto e imagem para entender o item, títulos, descrições e imagens ambíguos dificultam essa leitura. Vale revisar o que você entrega.
- Tempo até a entrega estabilizar: compare o comportamento de anúncios novos em campanhas parecidas, antes e depois, sem atribuir a diferença a uma única causa.
- Organização das campanhas: a Meta não diz como isso afeta a estrutura de contas. Evite reestruturar por conta própria com base nessa publicação.
- Qualidade dos eventos de conversão: o ciclo de aprendizado depende de sinal. Pixel e eventos bem configurados continuam sendo a base.
E agora?
Ainda falta saber em quais superfícies e formatos o ganho aparece, qual a parte atribuível à tokenização e se a Meta vai refletir mudanças no Gerenciador de Anúncios ou em orientações para anunciantes. A empresa também cita, como direção futura, um espaço de tokens unificado entre texto, imagem, áudio e vídeo, tratado como exploração, sem prazo. Por ora, é um anúncio sobre infraestrutura interna, com um número modesto e agregado. Acompanhe o comportamento das suas campanhas sem esperar mudança automática.