Bukan Interest Based! Ini Dia Cara Kerja Algoritma Meta Ads 2025

Apakah Anda masih membuat target audiens Meta Ads dengan cara narrow audience? Seperti misal menentukan lokasi secara spesifik, menentukan usia, jenis kelamin, interest, behaviour hingga bahasa yang digunakan.

Penggunaan metode tersebut sangat efektif saat Meta Ads pertama kali diluncurkan (dahulu bernama Facebook Ads) sampai sekitar tahun 2022 – 2023. Kita merasakan serunya mengulik dan melakukan testing berbagai kombinasi interest dan demographic di bagian set iklan hingga mendapatkan “winning campaign”.

Sayangnya sejak Meta Ads mulai fokus melakukan update algoritma di tahun 2023 hingga sekarang, cara tersebut menjadi tidak sepenuhnya optimal. Hal ini dikarenakan cara kerja algoritma Meta Ads telah berubah secara radikal dari model interest based menjadi AI-Driven optimization dalam distribusi iklan ke audiens.

Mau tahu cara kerja algoritma Meta Ads 2025? Pelajari dalam artikel ini dan mulailah beradaptasi dengan cara kerja AI Meta Ads yang baru.

Melansir informasi resmi dari ai.meta.com perubahan perilaku konsumen, perlambatan ekonomi dan kebijakan industri, menjadi dasar perubahan algoritma dari rules-based (interest-based) menjadi AI-Driven.

Algoritma sebelumnya yang menggunakan sistem rules-based atau interest-based dinilai menjadi kurang akurat. Beberapa penyebabnya adalah banyak user yang menggunakan data palsu dalam akun social media mereka seperti Instagram dan Facebook. Selain itu banyak juga akun bot yang dibuat tanpa ada aktivitas nyata. Hal ini membuat distribusi iklan menjadi kurang akurat.

Selain itu kebijakan industri yang mulai berubah seperti Safari (Apple), Mozzila hingga Google Chrome yang melarang penggunaan cookie pihak ketiga. Ini bertujuan untuk meningkatkan privasi pengguna agar datanya tidak digunakan untuk atribusi penargetan iklan. Kondisi tersebut berdampak signifikan pada audience size Meta Ads yang menjadi sempit dan sulit melakukan scale up.

Selain dua hal tersebut, sebenarnya masih ada banyak alasan lain mengapa Meta Ads mengubah fokus algoritmanya. Seperti algoritma lama sulit dikembangkan untuk beradaptasi dengan perilaku audiens yang berubah-ubah, sinyal aktivitas audiens yang dangkal, dan lainnya. Membuat Meta sulit memprediksi journey audiens untuk melakukan transaksi pembelian.

Maka dari itu, algoritma Meta Ads yang baru dibuat bertujuan untuk:

• Meningkatkan akurasi prediksi audiens berdasarkan pola perilaku, bukan asumsi minat (interest)
• Mengoptimalkan relevansi iklan di setiap tahap customer journey
• Meningkatkan potensi audience size sehingga iklan bisa menyasar audiens secara lebih luas
• Mempercepat proses matching antara konten dan orang yang kemungkinan besar akan berinteraksi

Algoritma Meta Ads terbaru ini bisa dibilang mengubah teknis beriklan secara cukup radikal. Pengaturan rumit seperti target audiens di adset bisa diminamilisir bahkan tidak perlu digunakan. Semua akan ditangani AI Meta secara otomatis dan akurat.

Meskipun sebenarnya sama-sama telah menggunakan AI dan machine learning, namun algoritma Meta Ads dengan interest based memiliki cara kerja yang berbeda dibanding dengan algoritma Meta Ads terbaru. Terlebih pada cara pengumpulan dan penilaian audiens untuk target iklan.

Simak penjelasan lengkapnya berikut:

Saat Anda telah mempublikasikan iklan, maka Meta akan mencocokan pengaturan target audiens yang Anda buat dengan sumber data audiens yang mereka miliki. Sumber data tersebut meliputi:

• Aktivitas di platform Meta: follow, like, komentar, menonton video, save, share dan bentuk interaksi lainnya masuk ke dalam kategori interest
• Demografi: umur, jenis kelamin, status hubungan, pekerjaan, dan sebagainya
• Aktivitas di luar platform Meta: kunjungan dan aktivitas audiens seperti purchase, add to cart dan lainnya di website atau aplikasi yang telah terintegrasi dengan Meta Pixel, SDK, dan CAPI
• Data lokasi: GPS, WiFi, IP Address digunakan untuk melakukan geotargeting (menentukan lokasi atau area seperti menyasar kota Jakarta / Semarang atau bahkan lebih spesifik di suatu area tertentu)
• Metadata interaksi: orang yang sedang intens atau sering Anda hubungi, event yang dihadiri, grup yang diikuti, dan sebagainya
• Data pihak ketiga atau offline: daftar pelanggan atau prospek yang diunggah manual ke Meta untuk dibuat custom audience

Data-data di atas akan dikombinasikan oleh Meta dan diproses dengan berbagai macam pemodelan serta prediksi.

Ada proses panjang sebelum iklan Anda benar-benar tayang di gadget audiens yang tepat sesuai pengaturan minat, lokasi, dan demografi yang Anda buat.

Pengumpulan data

Meta akan mengumpulkan berbagai data dari sumber data yang telah kami sampaikan sebelumnya secara bersamaan. Misalnya seseorang sebut saja X setiap hari tinggal di Jakarta, follow akun Instagram bisnis @digitalsukaria, sering berinteraksi (like, save, share, comment) konten bisnis dan digital marketing, sering baca artikel tentang digital marketing di digitalsukaria.com, dan X menulis profile di Facebook Anda sebagai owner sebuah bisnis UKM.

Penggabungan data dan pemodelan minat

Semua data tersebut digabungkan dalam Facebook user ID X. Selanjutnya Meta melakukan analisa dan pemodelan minat. Jika data aktivitas X di dalam ekosistem Meta mencapai interest skor tertentu (misal: digital marketing dan bisnis), maka X akan dinilai valid sebagai target audiens iklan yang berkaitan dengan digital marketing dan bisnis.

Pencocokan dengan pengaturan iklan

Misal kami membuat iklan jasa digital marketing untuk UMKM di Jakarta, dengan setting interest pemasaran digital serta melakukan narrow targeting (dengan fitur “dan juga”) bisnis UMKM. Lalu kami menarget lokasi hanya di Jabodetabek.

Selanjutnya Meta akan mencocokan pengaturan target audiens kami dengan data user atau audiens yang memiliki minat digital marketing dan bisnis. Karena X memenuhi kriteria tersebut maka X berpotensi melihat iklan kami.

Auction

Di tahap ini Meta akan menilai total value yang terdiri dari bid yang kami bersedia bayarkan, estimasi rasio tindakan (estimated action ratio), ad quality (kualitas iklan). Jika total value yang iklan kami miliki lebih besar dibanding iklan sejenis lainnya, maka iklan Anda berpeluang untuk ditampilkan.

Bid atau tawaran sendiri merupakan anggaran yang bersedia kami bayarkan untuk mendapatkan slot iklan di Meta. Sedangkan EAR atau estimated action ratio adalah estimasi tindakan yang dilakukan oleh target audiens seperti klik, beli, menonton video, dan sebagainya. Ad quality merupakan kualitas iklan yang kami buat.

Meta akan menghitung ketiga variabel tersebut dan jika hasil total valuenya lebih rendah dibanding iklan lain, makan iklan kami tidak akan ditayangkan atau penayangannya terbatas.

Penayangan dan pengoptimalan

Terkait contoh iklan kami dan audiens X, jika Meta menilai total value iklan kami cukup tinggi dibanding iklan sejenis dan audiens X memenuhi kriteria EAR yang tinggi, maka iklan kami memiliki probabilitas yang tinggi juga untuk tayang di Instagram X.

Selanjutnya setelah iklan berhasil tayang dan berhasil melalui fase learning, Meta akan melakukan pengoptimalan iklan tersebut agar menjangkau audiens relevan yang lebih luas lagi.

Perbedaan paling signfikan antara algoritma Meta Ads terbaru dengan yang lama adalah pada sumber data utama, cara pengumpulan dan pengolahan, hingga granulitas data.

Jika algoritma Meta Ads lama menggunakan data audiens yang berasal dari profil eksplisit (usia, jenis kelamin, pekerjaan, status hubungan, dll) dan interest eksplisit (like, follow, gabung grup, dll). Maka algoritma Meta Ads terbaru lebih banyak mengandalkan real-time signal.

Hal ini dilakukan untuk menghindari kesalahan pembacaan data karena data palsu atau data yang sudah tidak update. Misal di profil Instagram tertulis usia 30 tahun padahal usia asli masih 16 tahun. Atau seseorang dinilai Meta memiliki interest terhadap iPhone karena menyukai halaman penggemar iPhone. 

Namun, kenyataannya sudah bertahun-tahun orang tersebut menggunakan Android dan tidak lagi memiliki interaksi dengan halaman maupun konten terkait iPhone. Kedua hal tersebut membuat Meta menjadi keliru dalam membuat analisa audiens dan menampilkan iklan.

Berikut adalah tabel perbedaan sumber data utama dan cara pengumpulan data algoritma Meta Ads terbaru vs sebelumnya:

Aspek	Algoritma Lama (Interest Based)	Algoritma Meta Ads 2025 (AI-Driven)
Sumber data utama	– Interest (Fanspage yang di-like, akun Instagram business yang di follow – Demografi (usia, gender, latar belakang pekerjaan, latar belakang pernikahan, dll) – Data lokasi: GPS, WiFi, IP Address digunakan untuk melakukan geotargeting – Metadata interaksi: orang yang sedang intens atau sering Anda hubungi, event yang dihadiri, grup yang diikuti, dan sebagainya – Pixel & event tracking dasar (Add to Cart, Purchase) – Data pihak ketiga (data pelanggan, partner offline)	– Data perilaku real-time (scrolling, dwell time, engagement rate) – Sinyal kontekstual dari konten (jenis konten/video yang dikonsumsi) – Sequence learning (pola urutan aktivitas user) – Data lintas platform Meta (FB, IG, Messenger, Reels, WhatsApp Business API) – Feedback loop (respon iklan: klik, skip, waktu tonton) – First-party data (CAPI, server-side tracking)
Cara pengumpulan data	– Tracking manual berbasis pixel (browser cookies) – Mengandalkan data self-reported user (misalnya usia, lokasi di profil, interest di bio) – Aggregasi dari aktivitas sederhana (like, comment, follow) – Lebih tergantung pada input advertiser (narrow audience targeting)	– Machine learning memproses miliaran sinyal perilaku per detik (GEM) – Lattice menghubungkan hubungan antar entitas (user, konten, iklan, produk) untuk rekomendasi lebih relevan – Sequence learning membaca urutan perjalanan pengguna – Data diproses end-to-end tanpa terlalu tergantung pada deklarasi interest user – Menggunakan conversion API & server signals untuk akurasi lebih tinggi
Akurasi & reliabilitas	– Rentan bias & data palsu (usia/lokasi sering tidak sesuai profil asli) – Bergantung pada cookies (semakin terbatas karena regulasi privasi)	– Lebih real-time dan adaptif – Tidak bergantung pada cookies, tapi pada sinyal perilaku nyata – AI memprediksi niat user meski tanpa data interest eksplisit
Peran advertiser	Advertiser menentukan interest, demografi, dan behaviour secara manual (narrow targeting)	– Advertiser lebih fokus ke creative & objektif campaign – Penentuan audiens lebih banyak dikerjakan AI (broad targeting)
Output / Hasil	Iklan ditampilkan ke audiens yang sesuai interest/demografi deklaratif	Iklan dipersonalisasi berdasarkan prediksi perilaku & konteks real-time pengguna

Meta mengangga pengaturan interest apalagi membuat narrow audience sebagai “gangguan” pada sistem kerja AI mereka. Meta menyarankan Anda untuk tidak perlu repot-repot mengatur teknis target audiens dengan banyak lapisan minat, demografi, dan lokasi.

Sehingga Meta menganggap broad audience lebih optimal karena memberikan keleluasaan AI Meta untuk melakukan pengumpulan dan analisa data sinyal secara real-time.

Bayangkan jika AI Meta telah menemukan pola perilaku online dan interest audiens berdasarkan interaksi nyata yang hasilnya lebih valid. Namun, Anda memberikan panduan interest yang ternyata itu palsu. AI Meta jadi kebingungan untuk menayangkan iklan Anda ke audiens yang tepat.

Empat sistem akal imitasi (AI) pada algoritma Meta Ads terbaru bekerja untuk mengumpulkan data, menilai pola, memahami konteks, melakukan prediksi dan mencocokan iklan dengan audiens berdasarkan sinyal. Sinyal ini berasal dari aktivitas interaksi real-time audiens dengan iklan.

Misalnya audiens laki-laki yang berkali-kali melihat konten iklan video produk parfum berbagai merk lebih dari 15 detik, lalu mengklik iklan tersebut. Selanjutnya melakukan add to cart di webstore brand parfum, save konten iklan produk parfum tersebut hingga beberapa hari kemudian audiens tersebut membelinya.

Hal tersebut merupakan sinyal yang menunjukkan bahwa audiens memiliki minat pada produk parfum dan berpotensi membeli lagi dari iklan Meta di kemudian hari. Meskipun audiens tersebut tidak follow akun Instagram brand parfum atau membuat profile eksplisit di akun Facebook dan Instagram mereka.

Lebih baiknya lagi, real-time signal bukan hanya terjadi pada interasi konten iklan maupun landing page dengan Pixel atau CAPI. Namun juga dari percakapan WhatsApp Business yang berasal dari iklan kemudian diberikan label seperti leads, pesanan baru, lunas dan sebagainya. Label ini dinilai sebagai sinyal oleh Meta dan berpengaruh pada peningkatan performa iklan.

Konten yang tepat dan sesuai dengan target audiens dapat memicu terjadinya “deep engagement”. Mulai dari like, komentar, menonton video panjang, hingga klik iklan.

Ketika konten Anda berhasil menadapatkan banyak interaksi berkualitas, maka algoritma Meta Ads secara otomatis akan melakukan optimsisasi dengan mendistribusikan konten Anda kepada audiens yang lebih luas.

Maka, semakin banyak variasi konten relevan yang mendapat banyak interaksi, semakin besar peluang iklan Anda menjangkau lebih banyak audiens berbagai tipe. Hingga akhirnya semakin besar juga peluang iklan Anda menghasilkan lebih banyak penjualan.

Hal inilah yang membuat Anda tidak perlu lagi membuat narrow audience di bagian pengaturan iklan. Karena konten yang relevan dan variatif akan menemukan audiensnya sendiri.

Ingat, kunci iklan menjadi efektif bukan sekedar banyak konten tapi juga relevan dan variatif.

Feedback loop merupakan mekanisme pengumpulan data dan performa iklan yang digunakan sebagai landasan penilaian dan optimasi iklan oleh algoritma Meta Ads. 

Singkatnya, Meta akan menilai sinyal konversi maupun interaksi audiens dengan iklan. Terlepas interaksi tersebut benar atau salah, asli atau palsu. Jika interaksi iklan tinggi, Meta menganggap iklan tersebut efektif dan akan mendorong distribusinya lebih luas.

Masalahnya adalah, jika konversi maupun interaksi iklan itu palsu atau tidak bernilai Meta tetap akan mendistribusikan iklan ke audiens yang berpotensi besar melakukan interaksi palsu.

Misalnya, Anda membuat iklan penjualan melalui WhatsApp Business (CTWA) lalu iklan Anda mendapat 100 leads pesan masuk. Namun dari banyaknya pesan masuk, hanya 10 yang benar-benar melakukan chat berkelanjutan dan belum ada penjualan sama sekali.

Namun, karena 100 leads pesan masuk dianggap sebagai sinyal kuat. Maka Meta akan mendorong iklan Anda untuk menjangkau audiens lebih luas dan menghasilkan leads percakapan pesan serupa lebih banyak. Hasilnya? Lebih banyak leads yang kurang bahkan tidak bernilai.

Contoh lainnya jika Anda keliru memasang event pixel di landing page Anda. Misalnya Anda memasang event konversi leads atau purchase untuk aktivitas page view atau content view. Secara kualitas, audiens page view atau content view belum sematang audiens leads maupun purchase.

Karena kesalahan event ini, Meta mendapat sinyal konversi palsu. Sehingga mendorong iklan Anda ke audiens yang secara funnel masih cold atau belum siap melakukan pembelian. Hasil akhirnya jumlah konversi di dashboard terlihat baik, namun kenyataannya kualitas audiens masih kurang baik sehingga banyak yang gagal closing.

Feedback loop sebenarnya bukan istilah resmi yang diperkenalkan oleh Meta. Namun, istilah ini bisa menggambarkan bahkan memprediksi efektivitas iklan Anda di luar dari data-data yang tampil di dalam dashboard iklan Anda.

Dengan memahami cara kerja ini, Anda bisa membuat strategi yang tepat untuk menjaga real-time signal Anda dari awal memiliki nilai yang benar. Sehingga tidak terjadi false feedback loop.

Melakukan pengaturan interest masih relevan untuk Meta Ads yang menargetkan pasar lokal. Namun, ada beberapa konsekuensi yang harus Anda terima. Berdasarkan pengalaman kami, meskipun telah menargetkan pasar lokal iklan tetap didistribusikan secara broad. Sehingga banyak audiens dari daerah lain yang ikut berinteraksi dengan iklan dan berpotensi menciptakan false feedback loop.

Selain itu, biaya per hasil tergolong cukup tinggi, angka frequency cepat meningkat yang menandakan iklan mulai jenuh, dan pertumbuhan jangkauan audiens iklan sedikit lebih lambat. 

Jika Anda ingin mengatur interest pada iklan Anda, maka Anda perlu menetapkan rules atau filter yang lebih ketat. Misal menggunakan landing page yang mengarahkan ke WhatsApp atau landing page untuk mendapatkan leads melalui formulir.

Lalu, memberikan informasi secara tegas dan jelas target lokasi iklan Anda. Informasi ini harus ada di konten iklan dan lebih baik lagi jika muncul juga di landing page. Misal: Diskon ongkir khusus untuk warga Semarang.

Selain pasar lokal, interest juga masih relevan digunakan untuk produk-produk dengan market niche dan business to business (B2B).

Sedangkan jika produk Anda retail dan direct to consumer (D2C) yang memiliki pasar luas, maka lebih baik menggunakan target broad audiens. Biarkan AI Meta membantu Anda untuk menjangkau lebih banyak audiens yang berpotensi untuk membeli produk Anda.

Cara kerja algoritma Meta Ads terbaru tidak lagi menggunakan interest based, melainkan AI-Driven optimization yang memanfaatkan empat akal imitasi (AI) yaitu: Andromeda, Lattice, GEM, dan squence learning. Hal ini secara radikal mengubah cara beriklan advertiser, digital marketer maupun business owner.

Namun, bukan berarti Anda tidak bisa lagi menggunakan pengaturan interest untuk strategi beriklan Anda. Ada beberapa kasus yang memang memerlukan pengaturan interest untuk agar iklan tetap berjalan optimal.

Kuncinya adalah Anda harus paham dan dapat beradaptasi dengan cara kerja algoritma baru Meta Ads. Fokus pada pengembangan konten relevan dan variatif dibanding sibuk mengatur teknis narrow audiens berdasarkan interest, demografi, dan sebagainya.

Jangan lupa juga membangun funnel yang solid dan tepat agar menghasilkan positive feedback loop. Sehingga Meta dapat mengoptimasi iklan Anda dengan baik.

Sumber:

https://ai.meta.com/blog/ai-ads-performance-efficiency-meta-lattice