تقدم هذه الدراسة منهجية هجينة مبتكرة تجمع بين خوارزمية تحسين سرب الجسيمات (PSO) وتحليل الشبكات الاجتماعية (SNA) لتحسين دقة التنبؤ بالتحويلات في حملات الإعلان الرقمي على منصة ميتا. جُمعت بيانات واقعية من أربعة حسابات إعلانية دولية على منصة ميتا تروج لبرامج تدريبية، مصنفة وفقًا لثلاثة أبعاد: الاستهداف الديموغرافي (العمر، الجنس)، وموقع الإعلان على المنصة، ومؤشرات الأداء اليومية. بعد عملية تنظيف وموازنة أولية، دُرّب مصنف غابة عشوائية أساسي، محققًا درجة F1 قدرها 0.81. ثم استُخدمت خوارزمية PSO لتحسين المعلمات الفائقة، مما أدى إلى تحسين درجة F1 لتصل إلى 0.83. بالتوازي، طبقنا تقنيات SNA لإنشاء رسوم بيانية سلوكية بناءً على تشابه الميزات ومركزيتها، مما أدى إلى توليد متنبئات جديدة قائمة على الشبكة. أخيرًا، جمعنا كلًا من المعلمات الفائقة المُحسّنة والميزات المُستمدة من SNA في نموذج هجين PSO-SNA. أظهر النموذج الهجين أداءً فائقًا، محققًا دقة 0.89، ودقة 0.90، واستدعاء 0.90، ودرجة F1 0.87، متفوقًا بذلك بشكل ملحوظ على النماذج السابقة. تؤكد هذه النتائج فعالية دمج رؤى السلوك الطوبولوجي مع تقنيات التحسين التقليدية. من خلال الربط بين ذكاء الأسراب وتحليل الرسم البياني الاجتماعي، يقدم هذا النموذج الهجين نهجًا قابلًا للتطوير والتفسير للمعلنين الساعين إلى زيادة معدلات التحويل إلى أقصى حد دون تغيير خوارزميات Meta المعقدة.