修图App 30天净收入涨到3.1倍,Apple Ads花费反降5.5%:Glam AI改对了哪一步?

修图/视频App Glam AI 的 Apple Ads 案例里，最反常的一组数字是：30天净收入增至3.1倍，投放花费反而减少5.5%。与此同时，每个付费用户的获取成本下降73%，安装转付费率提升85%。

这不是“砍预算就能涨收入”。核心动作是把搜索词、国家、广告系列和付费墙连起来，让同一笔点击进来后看到更匹配的首屏和订阅方案。

Adapty披露，Glam AI在30天投放重建后，净收入增加211%，即达到基准期的3.1倍；同期花费减少5.5%。CPI下降50%，每付费用户成本下降73%，安装转付费率提升85%。

回本周期从原先约61至92天，压缩到首周内达到盈亏平衡。来源称D0到D92的cohort窗口中回报都保持改善，不是安装日收入突然冲高。

公开页面没有给出绝对花费、绝对收入、国家级样本量和独立审计数据。因此，3.1倍是案例披露的相对变化，不能直接当作行业基准或预测模型。

第一处漏损是非品牌词。案例称非品牌搜索词组吃掉近一半月预算；美国一个关键词“glam ai video photo editor”月花费约1.1万美元，但大量曝光落在泛意图用户上。表面上关键词相关，实际意图却未必是找Glam AI。

第二处是市场混在一起。品牌词防守、通用词、竞品词和探索词塞进多地区活动后，强市场拿不到足够预算，弱市场却继续消耗；汇总ROAS把差异抹平。

第三处是优化信号滞后。原先依赖Apple原生后台的安装指标和多日延迟，团队看到的是“谁带来安装”，却很难及时看见“哪个词带来试用、订阅、续费”。

先清理搜索意图。上线否定关键词，重构宽泛匹配，把约每月1.6万美元预算从低效位置重新导向更好的细分组。这里是预算再分配，不能误读成节省出来的钱全部变成利润。

再把活动拆细。账户从23个混合活动重建为100多个活动，按国家以及品牌、通用、竞品、探索等类型管理。市场从11个扩到34个，新增国家先小预算验证，达到ROAS门槛再加量。

美国市场给出了更具体的验证：花费减少32%，ROAS接近原来的4倍，安装转付费率超过翻倍。它说明在同一账户里，不同国家的竞价空间、品牌词竞争和用户价值可能完全不同，不能只用一个汇总ROAS决定加减预算。

最后匹配落地承接。不同搜索词代表不同任务：搜“AI animation”的用户，先看到动态生成与角色能力；搜“AI photo editor”的用户，先看到修图能力，再把视频生成作为升级项。案例称团队把关键词归到3至5类意图桶，而不是给每个词各做一张付费墙。

Apple Ads把高意图搜索用户带到商店，但商店点击和安装只是漏斗上游。若广告写的是修图，安装后却让用户先看一张泛化的AI视频付费墙，搜索意图就在最接近付款的地方断掉了。

把意图传到应用内，至少要让三层信息对得上：搜索词表达的任务、首屏展示的结果、付费墙售卖的权益。数据层还要把花费关联到试用、订阅、续费和净收入。

可复用的不是“建100个campaign”，而是先建立可解释的关键词分组，再用同一收入口径判断每个分组的扩量空间。

这套精细化做法更适合Apple Ads已有稳定花费、账户跨多个国家、关键词足够多且订阅收入可回传的团队。Adapty将案例建议指向月花费2万美元以上的团队；低预算阶段，先保证事件埋点和关键词结构可读，未必需要立刻把campaign拆到百级。

还有一个边界：这是Adapty工具加托管服务的客户案例，页面没有做独立对照研究，无法把全部增长严格归因到某个单独动作。本文拆解的是可复用的诊断路径，不承诺相同幅度的结果。