מוצר חדש

מחבר AI של Meta ads זמין כעת ב-AWS Quick

המחבר מאפשר לנהל ולנתח קמפיינים בשפה טבעית באמצעות Model Context Protocol ולשלב נתונים ממקורות שונים.

4 דקות קריאה
EN
מחבר AI של Meta ads זמין כעת ב-AWS Quick
מבוסס על כתבה שלAWS Machine Learning ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

מה חשוב לדעת

  1. AWS Quick הוסיפה מחבר בינה מלאכותית עבור Meta ads המאפשר גישה לפעולות שרת Model Context Protocol.

  2. המערכת מאפשרת להשתמש בשפה טבעית ליצירה, ניהול וניתוח של קמפיינים וכן שילוב נתוני מטא עם מקורות נתונים חיצוניים.

  3. לפני ביצוע פעולות כתיבה כגון יצירת קמפיין או שינוי תקציב, Quick מבקש אישור מהמשתמש.

  4. ההתנסות ב-Quick מוצעת ללא עלות נוספת למשך 3 חודשים, עם אפשרות להזמנת עד 10 חברי צוות.

בפוסט שפורסם ב-AWS על ידי כריס גייגר, הוכרז כי AWS Quick הוסיפה מחבר בינה מלאכותית עבור Meta ads. המחבר מעניק ל-Quick גישה לפעולות שרת של Model Context Protocol (MCP) עבור מודעות, ומאפשר ללקוחות Meta ads להשתמש בשפה טבעית כדי ליצור, לנהל ולנתח קמפיינים בתוך Quick, תוך שמירה על חיבור לרשת ניהול המודעות של מטא. משווקים יכולים להשלים משימות בתמיכת בינה מלאכותית, כמו משיכת תובנות להבנת ביצועי מודעות, יצירת קטלוגי מוצרים ועריכת קמפיינים קיימים או יצירת קמפיינים חדשים. כמו כן, Quick יכול לשלב נתוני ניהול מודעות של מטא עם מקורות נתונים של צד ראשון וצד שלישי כדי לבנות לוחות מחוונים, מסמכים, מצגות ותהליכי עבודה אוטומטיים.

האתגר בריבוי הנתונים ובניהול הידני של מודעות מטא

לפי מחברי הפוסט, למשווקים מעולם לא היו נתונים רבים יותר לפעול לפיהם. כדוגמה, מובא מותג ביגוד שמפרסם בטכנולוגיות מטא: תוצאות הקמפיינים מצויות ב-Meta Ads Manager, בריפים ונכסים קריאטיביים מאוחסנים באחסון משותף, ואילו נתוני מלאי, ערך חיי לקוח ורכישות בחנויות פיזיות נמצאים ב-data lake. אנליסטים מייצאים דוחות, ממזגים גיליונות אלקטרוניים ומרכיבים מחדש את אותה מצגת מדי שבוע, והנתונים מתיישנים לפני שמישהו פועל לפיהם.

כאשר הצוות מקבל החלטה מה לשנות, אדם נדרש לחזור ל-Ads Manager כדי לעדכן קמפיינים, סדרות מודעות, תקציבים וקהלים באופן ידני. כתוצאה מכך, צוותים שופטים קמפיינים על בסיס מדדים בלבד, והמסלול מתובנה ועד לפעולה נשאר אטי וידני.

יכולות המחבר של Meta ads ב-AWS Quick והמשוב מ-fal

המחבר מספק ל-Quick גישה לפעולות שרת MCP עבור מודעות ומאפשר עבודה בשפה טבעית ליצירה, ניהול וניתוח קמפיינים, תוך שמירה על חיבור לרשת ניהול המודעות של מטא. בנוסף למשיכת תובנות, עריכת קמפיינים ויצירת קטלוגים, Quick מאפשר לשלב נתוני מטא עם מקורות נתונים נוספים של צד ראשון וצד שלישי.

בפוסט צוטטה טינה סאנג, ראשת תחום השיווק ב-fal, שציינה כי מחבר הבינה המלאכותית של Meta ads דרך Quick מעניק לצוותי השיווק שלהם מקום אחד למעבר מתכנון קמפיין ועד לביצוע. לדבריה, המחבר מאפשר לפעול על פי תובנות עסקיות ישירות בתוך המודעות, ללא העברות בין גורמים והחלפת כלים שמאטות קמפיינים. היא הוסיפה כי שילוב מודלי התמונה, השמע והווידאו של fal.ai באותו תהליך עבודה יאפשר להם לבחון יותר רעיונות קריאטיביים ולהקדיש יותר זמן להגעה ללקוחות.

הפוסט מציין במפורש כי המחבר מסוגל לבצע שינויים בחשבונות המודעות. לפני ש-Quick יוצר קמפיין, משנה תקציב או מבצע פעולת כתיבה אחרת, הוא מבקש את אישור המשתמש לביצוע הפעולה.

תהליך ההתקנה והדגמת השימוש

הסרטון המתואר בפוסט מציג כיצד להתקין את מחבר Meta ads מתוך Customize > Connectors בתוך AWS Quick. לאחר מכן, מתחברים באמצעות פייסבוק ובוחרים לאילו דפים, עסקים וחשבונות אינסטגרם תהיה ל-AWS Quick גישה.

לאחר ההתקנה, ההדגמה מפעילה שתי הנחיות (prompts) לדוגמה:

  1. הנחיה ראשונה שהופכת תוצאות מקמפיינים קודמים למצגת תוכנית השקה המכילה שמונה שקופיות.
  2. הנחיה שנייה שבונה לוח מחוונים המשווה הוצאות (spend), לידים ועלות לליד עבור שתי סדרות מודעות, יחד עם המלצות למבחנים שיש להריץ בהמשך.

מקרי שימוש מרכזיים והנחיות לדוגמה

הפוסט סוקר שמונה מקרי שימוש המדגימים כיצד מפרסמים יכולים לפעול בעזרת המחבר ו-Quick:

  1. תכנון והשקת קמפיינים (Plan and launch campaigns): ניסוח הגדרות קמפיין, סדרות מודעות ומודעות מתוך בריף מאושר; התרעה על החלטות תקציב וקהל שחסרות; והרצת בדיקה סטנדרטית טרום-השקה עבור מתן שמות, תגיות UTM, תקציב וקטגוריית מודעות מיוחדת. דוגמה להנחיה: שימוש במודעות מטא, בריף קמפיין ותוצאות עבר להצעת תוכנית השקה, סימון החלטות חסרות והכנת מצגת סקירה, ללא יצירה או שינוי של מודעות בשלב זה.

  2. ניתוח ושיתוף ביצועים (Analyze and share performance): מעקב אחר הוצאה, CTR ו-ROAS ברמת החשבון, הקמפיין, סדרת המודעות והמודעה הבודדת; השוואת התוצאות מול תוכנית המדיה; ובניית מצגת שבועית של מודעות מובילות, מודעות חלשות ובדיקות מומלצות. המנהלים יכולים לעיין במצגת ולשאול שאלות המשך לפני פגישות. דוגמה להנחיה: ניתוח המרות במודעות מטא עבור קמפיין מסוים, זיהוי השינויים הגדולים ביותר, המלצה על בדיקות עוקבות והעברת הממצאים למצגת PowerPoint לשיתוף צוותי, ללא שינוי תקציבים.

  3. רענון קריאייטיב וקהלים (Refresh creative and audiences): איתור שחיקת קריאייטיב במקרים שבהם התדירות עולה וה-CTR יורד; יצירת קהלים מותאמים אישית (Custom Audiences) חדשים לאחר אישור; השוואת נושאים בעלי ביצועים גבוהים מול מסרי מתחרים ומגמות; וניסוח בריף קריאייטיב עם גרסאות כותרות ותוכנית בדיקת A/B. דוגמה להנחיה: שימוש בתוצאות מודעות מטא, בריפים קודמים ומידע מאושר על קהלים להתראה על עייפות קריאייטיב אפשרית, והצעת מסרים ומקטעים חדשים ללא הפעלת שינויים.

  4. מדידת שיפור ואיכות לקוחות (Measure lift and customer quality): סיוע בתכנון מחקר conversion lift; אימות התאמה לדרישות והקמת המחקר לאחר אישור; השוואת השיפור להמרות מיוחסות ולערך לקוח מתוך מערכת ה-CRM; והצגת התוצאות, רמת אי-הוודאות וההשלכות על התקציב. דוגמה להנחיה: סיוע בתכנון מחקר conversion lift במודעות מטא לקמפיין, בדיקת התאמה והסבר כיצד התוצאות יכולות להשפיע על החלטות עתידיות.

  5. הכנת קטלוגי מוצרים למודעות קטלוג (Prepare product catalogs for catalog ads): בניית גיליון מק״טים המצליב התאמה לקטלוג עם מלאי, שולי רווח ומצב תמונה; הסבר מדוע מטא דחתה פריטים ועדכון ערכות מוצרים; ריכוז בחינת הפריטים הדחויים עבור אנשי מסחר; וניתוב פריטים לבעלי הנתונים לצורך מעקב תיקונים. דוגמה להנחיה: שימוש באבחון קטלוג במודעות מטא ובנתוני מוצרים לזיהוי בעיות, ובניית טבלת תיקונים עבור מודעות קטלוג על בסיס נתוני מלאי ושוליים מורשים.

  6. התאמת הוצאות למלאי ולרווחיות (Align spend with stock and profit): הצגת הוצאות במטא לצד נתוני מלאי במחסן ושולי תרומה לכל קו מוצרים; מידול השפעת העברת תקציב למוצרים במלאי בעלי שולי רווח גבוהים; הרצת בדיקות מלאי מתוזמנות והעברת שינויים לתור לאישור; והחלת השינויים במטא לאחר קבלת אישור. דוגמה להנחיה: השוואת ביצועי מודעות מול מלאי מחסן, שולי רווח ותוכנית מדיה, תוך הצגת הנחות יסוד וללא החלת שינויים בפועל.

  7. אבחון תקלות פיקסל, חשבון ואספקה (Diagnose pixel, account, and delivery issues): מיון תקלות בפיקסל וב-Conversions API, כגון ירידות בנפח אירועים או ציוני Event Match Quality נמוכים; העברת דף שגיאה מ-Ads Manager לתהליך פתרון תקלות; איסוף אבחונים, ספירת הזמנות פנימית ומאמרי עזרה של מטא לצ'ק-ליסט אחד; וניסוח דוא"ל מסודר להעברה לצוות ההנדסה. דוגמה להנחיה: חקירת תקלה במודעות מטא, הפרדת שגיאות מאומתות מהשערות והכנת מסמך אבחון מבלי לבצע שינויים בחשבון.

  8. בקרה על הוצאות וחיבורן לנתונים (Govern spend and connect it to your data): ניתוב הגדלות תקציב מעל סף מוגדר לאישור צוות הכספים; מעקב אחר הוצאה מול תקציבים מאושרים לכל חשבון; התאמת ייצוא הוצאות מול רישומי מחסן וכספים; וריכוז מדיניות תקציב, הגדרות מדדים וסקירות הוצאה במקום משותף אחד. דוגמה להנחיה: סקירת הוצאות מודעות מטא מול מדיניות תקציב והפקת דוח חריגות ושלבי בדיקה מוצעים ללא ביצוע שינויים.

דרישות קדם, תנאי שימוש ופרטי הכותבים

לפי הפוסט, לפני תחילת העבודה נדרשים שני תנאים: גישה ל-Quick, וחשבון Meta business בעל גישה לחשבונות המודעות שרוצים לחבר.

כדי להתחיל, AWS מציעה להתנסות ב-Quick ללא עלות נוספת למשך 3 חודשים. ניתן להירשם, לחבר את חשבון המודעות במטא, לשאול שאלה ראשונה ולהזמין עד 10 חברי צוות ללא עלות לתקופה של 3 החודשים הראשונים.

מחברי הפוסט הם כריס גייגר (Chris Geiger), ארכיטקט פתרונות בכיר ב-AWS התומך במטא ובלקוחות אסטרטגיים נוספים בתכנון והרחבת עומסי עבודה מ-AI יוצר ועד תשתיות רחבות, ובעל רקע ב-AdTech; ומארק בוטו (Mark Botto), מנהל פתרונות לקוח בכיר ב-AWS התומך במטא ומסייע לצוותיה להשתמש בשירותי ותשתיות AWS.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של AWS Machine Learning. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־AWS Machine Learning

כל הכתבות מ־AWS Machine Learning
AWS Quick מציגה תהליכים מורחבים, ממשק רשת מעודכן ותיאום סוכנים
מוצר חדש
4 דקות
מ־AWS Machine Learning

AWS Quick מציגה תהליכים מורחבים, ממשק רשת מעודכן ותיאום סוכנים

חברת AWS הכריזה על עדכונים לסביבת העבודה AWS Quick. העדכונים מאפשרים לבנות ולשפר תהליכים עסקיים (Flows) באמצעות שיחה בצ'אט, כולל שילוב שלבים דטרמיניסטיים, תהליכים ממושכים ותמיכה בנפחי נתונים גדולים. אפליקציית הרשת המעודכנת מוסיפה תדריך יומי, מסך בית מתועדף והמשך ריצה של סוכנים ברקע גם לאחר סגירת הדפדפן. בנוסף, המערכת תומכת כעת בתזמור של מספר סוכנים במקביל דרך הנחיה בודדת, מוסיפה מחברים חדשים ל-Meta ads ו-Amplitude, וכוללת בקרות אבטחה והרשאות לפי קבוצות עבור תוכניות Professional ו-Enterprise. התכונות זמינות בכל האזורים שבהם השירות פועל.

קרא עוד
שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר
מוצר חדש
4 דקות
מ־AWS Machine Learning

שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר

שירות Amazon Polly השיק יכולת שכפול קול (voice cloning) הזמינה כעת במסגרת שחרור מבוקר (gated release). היכולת מאפשרת להפיק קול מותאם אישית מתוך מספר דקות של הקלטות של דובר שהסכים לכך, על גבי המנוע היוצר (generative engine) של השירות. השירות תומך בשבע שפות: אנגלית, ספרדית, גרמנית, צרפתית, איטלקית, פורטוגזית והינדי, כאשר כל קול פועל בשפה שבה הוקלט. ההקלטות אינן נשמרות לאחר יצירת הקול ואינן משמשות לאימון מודלים, והגישה לקול מוגבלת לחשבון שיצר אותו עם תמיכה בהצפנת AWS KMS וניהול הרשאות ב-IAM. יצירת הקול ניתנת ללא עלות, והשימוש בסינתזה מחויב לפי צריכה.

קרא עוד
תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity
מדריך
5 דקות
מ־AWS Machine Learning

תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity

בפוסט שפורסם בבלוג של AWS, הוכרזה תמיכה בתעודות רשות אישורים פרטית (Private CA) במסגרת AgentCore Identity, יכולת של Amazon Bedrock AgentCore. יכולת זו מאפשרת לסוכני בינה מלאכותית להתחבר לספקי זהות פרטיים כמו Keycloak המאוחסנים ברשת פנימית, תוך מתן אמון ב-CA הארגוני. התעודה בפורמט PEM נשמרת ב-Secrets Manager או ב-S3 ומאומתת מול נקודות הקצה של ה-IdP דרך Amazon VPC Lattice. הפוסט מפרט את אופן ההגדרה, שלבי הניטור ב-CloudWatch ותהליך ביצוע רוטציה ללא השבתה.

קרא עוד
ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps
מדריך
5 דקות
מ־AWS Machine Learning

ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps

בפוסט של מומחי AWS מוצג מודל תפעולי בן חמישה שלבים לניהול עלויות ב-Amazon Bedrock, המיועד לצוותי FinOps והנדסת פלטפורמה. המודל מתמקד בעומסי עבודה של סוכני בינה מלאכותית (agentic workloads), שבהם צריכת הטוקנים מושפעת מרמת האוטונומיה וגודל ההקשר. חמשת השלבים כוללים: שיוך עלויות לכל ישות וצוות באמצעות תגי IAM ודוחות CUR 2.0; יצירת יכולת תצפית ובקרה באמצעות רישום יומני הסקה ב-CloudWatch וב-S3 לצד מטא-דאטה מובנית; אכיפת תקציבים בשלוש רמות (התראות, שלילת הרשאות ב-IAM או חסימה סינכרונית בשער); מיטוב ברירות מחדל באמצעות שמירה במטמון (prompt caching) וניתוב מודלים חכם; והפעלת סקירת ביצועים משותפת מבוססת מדדים ברורים.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
AWS Quick מציגה תהליכים מורחבים, ממשק רשת מעודכן ותיאום סוכנים
מוצר חדש
4 דקות
מ־AWS Machine Learning

AWS Quick מציגה תהליכים מורחבים, ממשק רשת מעודכן ותיאום סוכנים

חברת AWS הכריזה על עדכונים לסביבת העבודה AWS Quick. העדכונים מאפשרים לבנות ולשפר תהליכים עסקיים (Flows) באמצעות שיחה בצ'אט, כולל שילוב שלבים דטרמיניסטיים, תהליכים ממושכים ותמיכה בנפחי נתונים גדולים. אפליקציית הרשת המעודכנת מוסיפה תדריך יומי, מסך בית מתועדף והמשך ריצה של סוכנים ברקע גם לאחר סגירת הדפדפן. בנוסף, המערכת תומכת כעת בתזמור של מספר סוכנים במקביל דרך הנחיה בודדת, מוסיפה מחברים חדשים ל-Meta ads ו-Amplitude, וכוללת בקרות אבטחה והרשאות לפי קבוצות עבור תוכניות Professional ו-Enterprise. התכונות זמינות בכל האזורים שבהם השירות פועל.

קרא עוד
שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר
מוצר חדש
4 דקות
מ־AWS Machine Learning

שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר

שירות Amazon Polly השיק יכולת שכפול קול (voice cloning) הזמינה כעת במסגרת שחרור מבוקר (gated release). היכולת מאפשרת להפיק קול מותאם אישית מתוך מספר דקות של הקלטות של דובר שהסכים לכך, על גבי המנוע היוצר (generative engine) של השירות. השירות תומך בשבע שפות: אנגלית, ספרדית, גרמנית, צרפתית, איטלקית, פורטוגזית והינדי, כאשר כל קול פועל בשפה שבה הוקלט. ההקלטות אינן נשמרות לאחר יצירת הקול ואינן משמשות לאימון מודלים, והגישה לקול מוגבלת לחשבון שיצר אותו עם תמיכה בהצפנת AWS KMS וניהול הרשאות ב-IAM. יצירת הקול ניתנת ללא עלות, והשימוש בסינתזה מחויב לפי צריכה.

קרא עוד
חברת NiCE השיקה את הדור הבא של פלטפורמת Cognigy
מוצר חדש
4 דקות
מ־SiliconANGLE AI

חברת NiCE השיקה את הדור הבא של פלטפורמת Cognigy

לפי טור של האנליסט זאוס קרוואלה ב-SiliconANGLE, חברת .NiCE Ltd השיקה את הדור הבא של פלטפורמת NiCE Cognigy. העדכון כולל סביבת פיתוח מחודשת, כלי ליווי בשם AI Assist, מעקב מפורט אחר שלבי שיחה, ובדיקות מרובות משתנים מבוססות סימולציה. הפלטפורמה משלבת תמיכה במודלי קול-אל-קול, לצד חיבור לפרוטוקול MCP ושיתוף פעולה לפיתוח Personal Agent Protocol יחד עם Meta ו-Sierra. הגרסה מתמקדת במודל עבודה היברידי, המאפשר לארגונים לשלב תהליכים דטרמיניסטיים קיימים יחד עם סוכנים אוטונומיים תוך שמירה על ניטור ובקרה.

קרא עוד
גוגל הכריזה על Gemini 4 Hydrogen לקידוד ותהליכי סוכנים
מוצר חדש
4 דקות
מ־DeepMind

גוגל הכריזה על Gemini 4 Hydrogen לקידוד ותהליכי סוכנים

Google DeepMind הכריזה על השקת Gemini 4 Hydrogen, מודל המיועד לביצועים מהירים ויעילים בתהליכי קידוד ועבודת סוכנים יומיומית. המודל מתומחר ב-1.50 דולר למיליון טוקני קלט ו-7.50 דולר למיליון טוקני פלט לחלון הקשר של מיליון טוקנים. לצד פעילותו כמודל עצמאי, הוא משתלב עם מודלי החזית Carbon ו-Argon באמצעות Orchestrator ב-Google Antigravity, המאפשר חיסכון ממוצע של 24% במכסה והשלמת משימות מהירה ב-19% במבחן Terminal-Bench 4.0. בנוסף, המודל מציע ארבע רמות חשיבה, מציג שיפורי מהירות ובטיחות, וזמין למפתחים, ארגונים ומשתמשי קצה.

קרא עוד