<b>Как Meta распознаёт cloaking: какие сигналы видит ML, а не человек</b>

<b>Как Meta распознаёт cloaking: какие сигналы видит ML, а не человек</b>

Meta давно смотрит не только на URL и текст объявления. В основе — связка image similarity, OCR, поведенческих сигналов и анализа редиректов: система сопоставляет то, что видит модератор, с тем, что получает пользователь после клика.

Ключевой слой — расхождение между рекламным объектом и landing experience. Если креатив обещает одно, а финальная страница быстро уводит в другой домен, подменяет контент или зависит от гео/устройства, это повышает риск детекта. Отдельно ловятся цепочки с динамическими редиректами, короткими переходами через промежуточные страницы и резкой сменой семантики после first load.

Meta также хорошо считает повторяемость. Одинаковые шаблоны white/black page, схожие структуры прелендов, одинаковые блоки текста в креативах и дублирующиеся визуальные паттерны быстро связываются в один кластер. Даже если домены меняются, embeddings по изображению и тексту часто остаются слишком похожими.

Ещё один важный сигнал — несоответствие между рекламным поведением и аккаунтным поведением. Массовые апелляции, резкие всплески запусков, однотипные BM/Ads-структуры и быстрые переключения между лендами создают профиль, который легко уходит в Integrity risk.

Если смотреть на Meta как на систему детекции, а не как на «ручную модерацию», логика простая: она ищет стабильные повторы, скрытые подмены и слабую связность между ad, click и page. Чем больше разрывов в этой цепочке, тем выше шанс бана.