AppLovin 2026Q3 业绩会:利润率 84%,长期 30% 复合增长率

会议日期：2026 年 11 月 4 日

参会管理层：

亚当·福鲁吉（联合创始人兼 CEO，AppLovin）

马特·斯坦普夫（CFO，AppLovin）

大卫·萧（投资者关系负责人，AppLovin）

本文文字稿仅用于英语学习，一切以官方财报为准。如有错误，欢迎评论区留言指出，谢谢。

业绩会要点（Key Takeaways）

1. 模型换代只走了一半：新架构在数据稀疏处提升最明显，恰好是消费者垂直业务所在的位置，同一套模型既能服务成熟游戏客户，也能服务刚接入的小广告主；剩余空间比已兑现的更大，但公司拒绝承诺推进节奏。

2. 增长来自同一次竞价里的品类扩容：游戏收入同比增长接近 50%，消费者投放同比三位数，两类广告主在同一场拍卖里互相抬价、互相补位；管理层据此认为同行增长并非零和挤压，这也是它能比市场快数倍的原因。

3. 每一块钱训练投入都以回报为前提：算力投入增加的同时，数据中心成本占收入比重反而下降，收入增量转化成调整后 EBITDA 的比例达到 87%，扩张期同样守住了利润率纪律，这也是它敢继续加算力的底气。

4. 长期 30% 复合增长是底线而非目标：今年会明显跑在前面，但节奏取决于模型进步与新客户获取；管理层宁可承认这块不可预测，也不愿用 KPI 把还没发生的事说成可预测，这也解释了为什么外推经常落空。

5. 把股价与内在价值的错位当成机会：单季回购 14 亿美元，授权额度提高到 36 亿美元，加权平均摊薄股数连续八个季度下降；CFO 明确说这次加码是看到了错位，而非按固定节奏执行。

财务概览（Financial Overview）

下面看本季度的核心指标。为避免中英混排，金额统一换成亿美元口径，横轴为历年同一季度，另附最近十个连续季度的环比走势。

注：AppLovin 未披露「调整后净利润（Adjusted Net Income）」，此处以公司最常用的 non-GAAP 指标「调整后 EBITDA（Adjusted EBITDA）」替代，数据为各季度业绩发布时披露的总额；2025 年起因出售 Apps 业务，财务口径转为持续经营，与前期不可完全直接可比。

季度收入

口径先说清楚：这里的季度收入是 GAAP 净收入，2025 年起按持续经营列示（Apps 业务已出售），因此 2025Q1 之前的数字与现在不是同一口径。只看 Q3 这一列，2021 年 7.27 亿美元、2022 年 7.13 亿美元、2023 年 8.64 亿美元、2024 年 8.35 亿美元——三年基本在 7 亿到 9 亿美元之间徘徊，真正的台阶出现在 2025 年的 14.05 亿美元。

本季 21.85 亿美元，同比增长 55.5%，是公司历史上最高的单季收入，比指引上限还高出约 1 亿美元，环比增长 13.6%。管理层把增量归给两处：核心手游业务因季度内模型改进而放量，消费者垂直业务继续上量（投放环比双位数、同比三位数）。要注意这个 55% 是在去年 14.05 亿美元的高基数上取得的，而公司自己给出的同行对照是同期增长约 10% 到 25%。

季度收入 · 连续 10 季环比

连续十个季度看，收入从 2024Q2 的 7.11 亿美元一路抬到本季 21.85 亿美元。中间唯一的断点是 2024Q4 的 21.05 亿美元：那一季仍按含已终止经营 Apps 业务的报告口径列示，其中还夹着与业务出售相关的科目，与前后的持续经营口径不是同一套账；2025Q1 因此回落到 11.59 亿美元，这两个点不能直接连成一条增长曲线。

剔除口径断层，2025 年以来的环比是逐季抬升的：11.59、12.59、14.05、16.58、18.42、19.24、21.85 亿美元。本季环比 13.6%，较上一季的 4.4% 明显加速，也是公司所说的「史上最大的单季收入增量」。四季度的指引对应 23.65 亿至 23.95 亿美元，即环比 8%–10%，管理层解释这反映的是正常季节性、已上线模型的效果，以及数据中心成本上升。

调整后 EBITDA（Adjusted EBITDA，non-GAAP）

AppLovin 不披露「调整后净利润」，本纪要统一用公司最主要的 non-GAAP 指标调整后 EBITDA 替代，数值取自各季业绩公告的调节表总额。同季度看，Q3 从 2021 年 1.91 亿美元、2022 年 2.58 亿美元、2023 年 4.19 亿美元，到 2024 年 7.22 亿美元、2025 年 11.58 亿美元，本季 18.42 亿美元，同比增长 59.1%。

利润率 84.3%，比去年同期的 82.4% 提升约 1.9 个百分点（公司口径为 84%、同比提升约 190 个基点），且高于指引上限。环比看，收入增量转化成调整后 EBITDA 的比例为 87%，说明新增收入里绝大部分落到了利润上。净利润同比 72.2%、快于 EBITDA 的 59.1%，差额来自 GAAP 与 non-GAAP 之间的调节项，而不是经营层面突然变好。

调整后 EBITDA · 连续 10 季环比

连续十个季度看，调整后 EBITDA 从 2024Q2 的 6.01 亿美元增至本季 18.42 亿美元，中间没有出现过一次环比下滑：7.22、8.48、10.05、10.18、11.58、13.99、15.57、16.14、18.42 亿美元。这条曲线比收入曲线更平滑，说明利润率扩张是持续性的，而不是某一季的一次性事件。

本季环比增加 2.28 亿美元，对应收入环比增加 2.61 亿美元，转化率 87%。管理层强调数据中心的成本占收入比重在下降——即便同期还在为训练新模型加算力，这意味着增量算力被单位成本的优化抵消掉了。四季度指引 19.95 亿至 20.25 亿美元，对应利润率 84%–85%，与当季基本持平。

毛利率

毛利率＝（收入 − 营业成本）÷ 收入。本季营业成本 2.41 亿美元，收入 21.85 亿美元，毛利率 89.0%，去年同期是 87.6%，提升约 1.4 个百分点。这个提升发生在算力投入加大的季度里，主要因为收入增长快于成本增长，而不是成本绝对额下降。

看同季度序列要小心口径：2021Q3 的 65.1%、2022Q3 的 57.8%、2023Q3 的 69.3% 含已终止经营的 Apps 业务，与 2024Q3 起的 85.5%、87.6%、89.0% 不是同一套账。真正可比的是最近三年：毛利率从 85.5% 抬到 87.6%，再抬到 89.0%，已经接近这类纯软件平台的天花板，后续再靠毛利率贡献增长的余地有限。

营业利润率

营业利润率＝营业利润 ÷ 收入。本季营业利润 17.09 亿美元，营业利润率 78.2%，去年同期 76.8%，提升约 1.4 个百分点。与毛利率同期提升幅度基本一致，说明费用端（销售、研发、管理）没有明显摊薄利润率，扩张期的投入被收入增长吃掉了。

同季度序列同样有口径断层：2021Q3 的 6.2%、2022Q3 的 6.9%、2023Q3 的 21.6% 是含 Apps 业务的旧口径，2024Q3 的 64.0%、2025Q3 的 76.8%、本季 78.2% 才是可比区间。近三个季度营业利润率在 77.7% 到 78.2% 之间，已进入平台期——这也解释了为什么管理层把增长重点放在收入端和新品类，而不是继续挤费用。

净利润

净利润是 GAAP 口径，含股权激励、摊销与税项，不做任何调整。本季 14.39 亿美元，去年同期 8.36 亿美元，同比增长 72.2%；净利率 65.9%，去年同期 59.5%，公司公告口径为 66%，并称这是行业领先的水平。

净利润增速快于调整后 EBITDA 的 59.1%，差额来自 GAAP 与 non-GAAP 之间的调节项（税项、利息、股权激励与摊销等）。同季度序列上，净利润从 2022Q3 的 0.24 亿美元、2023Q3 的 1.09 亿美元、2024Q3 的 4.34 亿美元、2025Q3 的 8.36 亿美元走到本季 14.39 亿美元，是六年间最陡的一段。

摊薄每股收益

摊薄每股收益本季 4.30 美元，基本每股收益 4.31 美元，去年同期摊薄为 2.45 美元，同比增长 75.5%，快于净利润的 72.2%。差额来自股本缩小：加权平均摊薄股数已连续八个季度下降，股数比上年同期少约 2%。

同季度序列从 2022Q3 的 0.06 美元、2023Q3 的 0.30 美元、2024Q3 的 1.25 美元、2025Q3 的 2.45 美元到本季 4.30 美元。三季度公司回购并代扣 410 万股、花费 14 亿美元，季末流通股 3.31 亿股，董事会又把授权额度提高 32 亿美元至 36 亿美元——股本收缩对 EPS 的贡献，短期内还会继续存在。

经营现金流

这里的经营现金流是单季数，由 10-Q 现金流量表的年初至今累计差分还原：前三季度累计 35.89 亿美元，减去上半年累计 21.60 亿美元，得到本季 14.29 亿美元。不能直接拿累计数当单季用，那会把前三季的量一次性堆到一个季度上。

本季经营现金流同比增长 35.6%，慢于净利润的 72.2%，主要差在税款与利息的支付时点，以及营运资本的摆动。公司同时披露自由现金流 14 亿美元，相当于调整后 EBITDA 的 77%，高于二季度的 53%——二季度正是被现金税款压低的那个季度。全年指引仍是自由现金流转化率约为调整后 EBITDA 的 70%–75%，本季已高于这个区间。

管理层讲话（Prepared Remarks）

1. CEO 关键讯息

亚当·福鲁吉（CEO）：谢谢大家今天来参加。我们交出了一个创纪录的季度：收入 21.8 亿美元，同比增长 55%，这是我们有史以来最大的单季收入增量，比上一季度多了 2 亿多美元。收入和 EBITDA 都远高于我们指引区间的上限。跑赢自己的预期，是我们一直以来的经营标准。这个结果属于我们的团队。

他们在业务全速运转的同时，还在推进一次与 Axon 2.0 同等重要的模型换代，而且这两件事在同一个季度里都做成了。我要谢谢他们。驱动力是这样的：本季度我们部分上线了下一代模型，它建立在我上季度描述过的架构改动之上。表现很强。

广告主发现，在既定的广告支出回报目标下，更多预算能投得划算，于是预算就抬上来了。我们的游戏业务同比增长接近 50%，正好随着这次上线重新加速。请特别留意这一点：这次只是部分上线。模型换代还在前面，而且新一代架构比它所替代的架构，给我们留出了大得多的优化空间。

它在数据更稀疏的地方提升最明显——新的广告主、规模更小的广告主、新的品类，而这恰好是我们消费者垂直业务所在的位置。一如既往，模型的进步不会按完美的季度节奏落地，我们也不会承诺某个节奏，但空间是真实的，而且我们仍然处在很早期。同样重要的是，我们做这件事是有纪律的。

团队一部分人在训练新模型，工程师则在优化我们怎么把这些模型跑起来。所以即便训练投入增加了，数据中心的成本占收入比重还是下降了。这笔投入的每一块钱，都以回报为前提。这个季度你把两半都看到了：收入端的回报，和利润率上的纪律。

消费者业务又有一个强劲的季度，而 Q4 已经开始，这是这类广告主的季节性高峰，消费者业务进入全年最大的投放季，状态非常好。长期看，什么都没有变。我们在多个广告主品类上跑同一个竞价市场。游戏还在改善，消费者业务还有很长的跑道，我们相信这门生意长期能实现大约 30% 的年化复合增长。

而正如今年所显示的，只要能做到，我们就打算跑得比这快得多。进入明年，我们的重点是一致的：完成模型换代并在新架构上继续优化；扩大现有客户的投放；同时真正把新客户获取的速度提上来；持续改进创意工具和广告形式；并开始加大在联网电视（CTV）上的投入。

最后我想说：一个季度前，我们站在这里回答的是关于一次不及预期的问题。我们告诉了你发生了什么、已经修好了、业务在重新加速——而我们说的每一件事，都出现在了这个季度的数字里。这就是我们会继续坚持的做法：为长期而建，对挑战和机会保持透明，不为短期噪音所动，持续复利。下面交给马特，请他讲财务。

2. 财务回顾

马特·斯坦普夫（CFO）：谢谢亚当，也谢谢大家今天参加。AppLovin 交出了创纪录的第三季度业绩。净利润同比增长 72% 至 14.4 亿美元，收入创下 21.8 亿美元的纪录、同比增长 55%，净利润率达到行业领先的 66%，调整后 EBITDA 利润率 84%。

收入环比增长 14%，比我们指引区间的上限还高出约 1 亿美元，主要来自核心手游业务，原因是本季度模型有所改进，同时消费者垂直业务继续放量。消费者广告主的投放继续健康增长，环比实现双位数增长，同比则达到三位数增长。

调整后 EBITDA 为 18.4 亿美元，同比增长 59%，同样高于我们指引区间的上限，利润率 84%，比去年同期提升约 190 个基点。环比来看，收入增量转化为调整后 EBITDA 的比例是 87%。经营杠杆依然很强。

由于基础设施团队推出的优化，我们的数据中心成本占收入比重下降，而同期我们还在为训练既有模型和开发新模型增加算力投入。我们管理这门生意，看的是 EBITDA 的绝对金额和自由现金流，而不是利润率百分比；只要看到能带来更多收入的机会，我们就会继续投钱。

本季度自由现金流 14 亿美元，相当于调整后 EBITDA 的 77%，高于第二季度的 53%。正如我在上季度电话会上提到的，第二季度的转化率被现金税款支付时点压低了。我们仍然预计全年自由现金流转化率约为调整后 EBITDA 的 70%–75%。

把我们的业绩放到背景里看：这个财报季，数字广告领域最大的几家平台公布的第三季度收入同比增速大约在 10% 到 25% 左右。我们增长了 55%，比市场快好几倍，而且利润率远高于广告行业的所有同行。现金层面的对比更鲜明：本季度，我们这个轻资产模式把大约 65% 的收入转化成了自由现金流。

季度末我们持有现金 31.7 亿美元，长期债务 35 亿美元，净杠杆低于调整后 EBITDA 的 0.1 倍，明显低于我们长期打算维持的约 1 倍净杠杆水平。第三季度，我们合计回购并代扣了 410 万股，花费 14 亿美元，比第二季度明显加码，季度末流通股数为 3.31 亿股。

基于对公司未来的持续信心，董事会把股票回购授权额度又增加了 32 亿美元，截至 10 月底，当前总授权额度为 36 亿美元。自回购计划启动以来，我们累计回购并代扣 1.04 亿股，花费 94 亿美元，平均价格每股 90 美元，期间把自由现金流的 85% 返还给了股东，股本规模实质性下降。

我们的加权平均摊薄股数已经连续八个季度下降，同比减少约 2%，而同期我们还在持续投入业务。55% 的增长配上不断缩小的股本，这种组合很少有公司能做到。转到 2026 年第四季度的展望：我们预计收入在 23.65 亿至 23.95 亿美元之间，同比增长约 43%–44%，环比增长 8%–10%。

预计调整后 EBITDA 在 19.95 亿至 20.25 亿美元之间，同比增长约 43%–45%。按中值计算，这个指引意味着 2026 年全年收入和调整后 EBITDA 的增长都超过 50%。

这个展望反映了正常的季节性、消费者垂直业务的进一步放量、已经上线并在产生效果的重大模型改进，以及为新模型开发持续投入训练算力。最后总结：我们在收入和调整后 EBITDA 上都超过了指引上限，收入同比增长 55%，利润率扩张，产生了 14 亿美元自由现金流，并向股东返还了 14 亿美元。

我们对第四季度的展望延续的是同一条轨迹。下面进入问答。

问答环节（Q&A）

Q1 · James Heaney

好的，我这边有几个问题。先从亚当开始。能不能谈谈你们正在上线的这几代新模型？我比较好奇，相比 Axon 2.0，你看到的最大改进是什么，以及全面上线的时间安排。那这个问题问马特：表面上看，Q4 收入指引对应的环比增长 8%–10%，考虑到本季度电商的强劲表现，似乎比 Q3 的 14% 要保守一些。

你会怎么解释这个环比的减速？

亚当·福鲁吉（CEO）：

好的，James。上季度我们聊过，我们的目标之一，是走到能构建更大模型、使用更多算力、训练出输出更好的模型这一步。所以上季度我提前给你做了预告。现在我们已经开始上线这些模型，也看到了不错的结果。

我们没法告诉你、也没法承诺什么时候能看到全面上线，或者这些模型的推进节奏会怎样，但我在开场里说过，这些模型比我们原来那一代有更大的优化空间。所以我们对未来非常期待。

马特·斯坦普夫（CFO）：

我们的指引原则和过去几个季度没有变化：我们只按当时已知的情况来给指引。所以指引里包含的就是我在稿子里讲的那几点——季度内的正常季节性、我们已经上线并在产生效果的模型更新，以及数据中心成本的上升。和之前几个季度相比，这里没有实质变化。

Q2 · Jason Bazinet

一个问题。上季度你们提到会更多投入推荐（referral）计划。想请你更新一下，目前和这些合作伙伴的进展，你们满意吗？

亚当·福鲁吉（CEO）：

好的，Jason。还在推进中。显然，这在这门生意里是跨越多个季度、多个年份的路径。我们在合作上还很早期，但正如你看到的，就连你们在统计的像素（pixel）数量增速上也能看出，我们接进来的客户越来越多，而且速度在加快。

这会随时间不断复利，因为不仅是合作交易会更多、投放更多广告计划，更重要的是随着越来越多客户获得好的体验并持续做下去，市场上对这款产品的口碑会越来越正面。

另外你要意识到，客户接进来之后，他们得把广告活动在我们平台上跑出规模、跑出优化，还得做增量性研究（incrementality study）证明真的有效，然后才会长期加预算。所以我们预期这件事会随时间不断复利。

译者注：像素（pixel）：广告主在自家网站里埋的一小段追踪代码，用来把成交回传给广告平台。每接入一个新客户或新站点通常就要装一个，所以外部机构把「像素数量增速」当作观察新增电商客户的代理指标——原文「你们在统计」说的是这类第三方数据，不是公司内部口径。管理层后面也提醒，亚太像素多未必等于客户渗透更深，可能只是当地客户为这个渠道新开了很多站点。

Q3 · Matthew Cost

我想问，这次新模型上线的实际体验，有没有改变你对游戏广告收入还有多少提升空间的预期？因为今年你们相对具体地讲过 20%–30% 的增长预期，以及大数定律对游戏的拖累。现在你会重复这套说法，还是说从目前的效果看，空间可能比原先预期的更大？我注意到你在准备稿里提到了联网电视（CTV）。

这个方向你有段时间没有专门强调了。相比六个月前，它现在在你们产品路线图里的位置有多重要？

亚当·福鲁吉（CEO）：

过去两个季度我们明确承诺过的，是这门生意长期能做到 30% 的同比增长。我们是一个统一竞价（unified auction）的平台。假设在某个世界里，我们下个季度消费者业务增长 1,000%，那会带来更多竞争，对吧？你不能把它按垂直业务切开看，说消费者这块现在越长越大。

把某个垂直业务孤立起来判断是很难的。话虽如此，这个模型确实比旧模型更准，未来优化空间也大得多。如果我们能做到，那当然会预期游戏在长期也能以更高的速度增长。不过要打到那 30%，我们并不需要靠它——只要两块业务都增长得足够快就行。正如开场里提到的，另一侧，也就是消费者侧，正在三位数增长。

当你有这样一块业务——它在我们整体业务里已经不算小了——以这个速度增长，而且随着客户渗透率提升未来还有很大空间，这就给了我们很大的增长余地。是的，我们在那边进展更多了。如果你在联网电视上看东西，会开始看到我们的一些广告。我们现在有几组试点广告在跑。产品看起来非常有希望。

但还早，这是一个全新的市场，所以我完全不建议你把它的增量算进近期数字里。团队在产品路线图上的进展，让我们对这件事更有信心。如果我们走到能为客户跑出真正好结果的那一步，我们会多谈一些。内部来说，我们现在对它非常兴奋。

Q4 · Benjamin Black

亚当，你过去讲过，消费者侧需要收集更多数据来优化模型、提升表现，然后才有那个飞轮。在新架构下，你能看到飞轮有可能达到几年前游戏业务那样的临界点吗？如果还不行，你认为需要哪些额外投入？想问一下，相比去年，消费者广告主为假日购物季准备的预算情况如何？

如果广告主本季度看到了很强的回报，这部分投放有多少能延续到 2027 年，还是说我们应该预期 Q1 照例出现季节性回落？

亚当·福鲁吉（CEO）：

这两件事是手拉手的。我们每多做一天生意，就有客户进入平台、和我们共享数据，数据密度就更高。把这个过程快进几个季度、几年，你就需要配上能真正处理更多数据、产出更好结果的模型架构。你写出更大的模型、更复杂的模型，在更大的算力集群上训练，最终得到更好的输出。

这个新架构让我们在游戏侧和消费者侧能做的，就是训练更大的模型。我们会一直缺数据。数据进系统越快、越多，我们预测模型的输出就会越好。我们永远不会停止找数据——无论是像刚才说的通过推荐和广告投放来推广自己、拉新客户，还是可能通过某种数据收购。

我们会持续寻找把数据喂进这个模型的办法，因为每一次我们增加数据，都能写出更复杂的模型、训练更大的模型，然后在另一端拿到更好的结果。我觉得就是正常规律。我们现在还在曲线的早期，甚至还没真正进入假日季，这些通常要到未来几周才看得出来。但那个季节性回落，在电商里是一致的。

不过我们有一个好处：只要我们以这个速度增长、而且业务演进还这么早，我们仍然有客户获取的速度在推动增长，哪怕是 Q1 对 Q4 这种季节上向来更难的对比。但话说回来，同一个广告主，同比看，会有个很大的 Q4，然后跟一个疲弱的 Q1。这就是电商生意的现实。

传统上，如果你看我们业务的环比增长，我们的 Q1 一直比较强，因为游戏有个现象叫 Q5——进入 Q1 时，他们知道竞争没那么激烈。

所以，要么模型更频繁地选择游戏，因为广告支出回报更有吸引力；要么客户愿意承担更大风险，因为他们刚从价格很高的 Q4 出来、进入 Q4 之后的这段淡季，最终投得相当进取。所以我们比其它广告公司更抗周期，但随着我们在电商里越走越深，我们应该会看到更大的 Q4 跟着更难的 Q1。

译者注：Q5：游戏买量圈对「Q4 假日季结束后、Q1 开头」这段投放窗口的叫法。原文的意思是，Q4 竞价价格很高，进入 Q1 后竞争明显变松，游戏广告主反而愿意更积极地出价、承担更大风险，所以 AppLovin 历年的 Q1 环比通常偏强，也比其它广告公司更抗周期。

Q5 · Stephen Ju

我跟你们平台上的一些广告主聊过，他们说了件挺有意思的事。他们预期竞价的价格会开始被抬高，因为会有来自电商的增量出价方进来把价格推上去。所以他们提前把一部分预算挪到了你们的竞争对手那里，理由是预期 ROI 会被压缩。

这听起来有点奇怪，但确实让我担心库存量的问题——我记得你们在之前几个季度讲过，这是一个需求受限、而不是供给受限的行业。能不能谈谈，就 AppLovin 吸收这些增量广告投放、又不让现有客户的 ROI 被压缩的能力而言，你的想法有没有演进，或者情况有没有变化？

亚当·福鲁吉（CEO）：

如果你看我们过去三年的业务，我们的竞争力比三年前强得多，生意也大了非常多。客户的 ROI 或者说广告支出回报，比三年前更强，因为投放规模实质性地更大了。这些模型越擅长把一次曝光和结果关联起来预测，定价就越准。

本季度净收入的环比增量，我不确定能否和几家披露数据的同行直接比规模；但粗略看，这一笔就抵得上他们全年披露收入的很大一块——而这只是我们一个季度的增量。我认为这类行业调研往往会失真，因为你看到的只是生态里的一个很小的子集，而那些愿意花时间跟你们聊的客户，大概也不是最努力在做的。

真正努力并做出成绩的，大概不会去跟你们聊。我会说，我们自己是这个市场相当好的指标，我们的技术在为客户拿到更好的定价上已被证明很出色。但这并不等于说，光看 CPM 就能断定价格没在涨。事实上，如果我们定向更准、转化率上去了，CPM 自然就会涨。

但更好的预测在下游的效果，是广告支出回报在上升，这才是我们能增长这么快的原因。

译者注：CPM：千次曝光成本，广告竞价里最常用的价格口径。CPM 涨了只说明曝光卖得更贵：既可能是竞价竞争变激烈，也可能是定向更准、转化率提升后广告主愿意出更高价。判断平台好不好要看下游的广告支出回报，不能单看 CPM 涨跌。

Q6 · Robert Coolbrith

我想多问一点架构的问题。随着它变得更大、能承载更多数据、模型变得更大，它是不是也会变得更具通用性？我知道你们过去说过要把消费者模型和游戏模型分开，但随着时间推移，模型会不会在媒体类型之间、客户类型之间变得更具通用性？我还想问一下品牌广告主做效果投放（brand performance）这件事。

我们从更多品牌那里听到，可能是因为移动网页端出了问题，无论是库存供给方面，还是 iOS 26 的影响，他们更关注移动应用的库存。你觉得这对 AppLovin 未来是不是一个可能有吸引力、有意思的机会？

亚当·福鲁吉（CEO）：

是有可能的。哦，抱歉打断你第二个问题——但你说得对，我们最终有可能把这个架构往那个方向推。前提是对方真的按效果买量。我会把这类「品牌效果投放」再分成两种：一种是真按效果买，优化的是增量 ROAS 或者下游的购买转化；另一种名义上也在做效果投放，实际要的还是人群触达（reach）。

很多移动网页广告、以及传统上所谓开放网络（open web）的很大一部分，属于后者。他们只是想买到人群，价格越低越好。而我们要做的是从用户第一次看到广告，一路定价到最终成交。

所以，如果广告主在意的就是这种能追到成交的效果、而且整条链路都能在数字端追踪，那么是的，我们认为这些原本投在网页端的预算会有相当一部分搬到应用内广告。它显然效果很好，而且这个盘子大得多。我在 All-In 峰会的播客上说过，这个空间的规模正变得非常非常大。

你可以从我们已有的毛投放数字往回推，那些数字相当可观。如果再把整个空间毛算一遍，这是社交和搜索之外最大的广告机会之一，也许是社交和搜索之外最大的那个。既然效果在那里，我们完全预期会有更多预算跟过来。

译者注：performance brand 指品牌广告主按效果方式买量。这里不是把「效果广告」和「品牌广告」一分为二，而是在同一个池子里按优化目标分：一类真冲转化（增量 ROAS、下游购买），一类仍冲人群触达（reach）、只求便宜覆盖——后者正是传统品牌广告的买法，也是移动网页与开放网络预算的大头。末尾说的「预算转向应用内」，前提是广告主在意从曝光到成交的全链路效果、且能数字追踪，指的是这类可追踪预算从网页端搬到 App 内，不是品牌预算整体改做效果广告。毛投放（gross spend）：广告主流经平台的广告支出总额，不是 AppLovin 财报里确认的收入。原文是用它推估整个应用广告市场的规模，两个口径不要混用。

Q7 · Clark Lampen

亚当，我想顺着模型这条线问下去。按我对你们目前方向的理解，成功带来的一个更大的衍生好处，应该是在同样的游戏和供给基础上，打开更多可用的库存，而这些库存因为竞价机制，应该会被非游戏广告主填满。这个理解对吗？

也就是说，除了现在每买 100 次曝光多出一些广告、转化为电商或游戏开发商的付费客户之外，二阶效应还体现在哪里？如果是这样，能不能帮我们框一下，这种「有效供给扩张」的幅度可能有多大？明白了，说得通。问马特一个问题。

刚才盘后股价的反应你也看到了，你们股票年初至今还跌了大约 40%，目前只是收复了二季度财报后的那波下跌。回购、以及你们刚加的授权额度，是不是给了你们更激进、更机会主义的空间？如果你认为股价和内在价值明显脱节，还是说往后主要还是按计划执行？

亚当·福鲁吉（CEO）：

说到供给扩张，先得理解一点：MAX 这个市场、或者说游戏广告市场，比人们以为的大得多。当这个市场已经是数百亿美元的规模，我们是可以去拿新供给的。事实上，我们现在这套模型、加上消费者垂直业务的增长，给了我们很多拿供给的机会。

但真正对第三方开放、又能一次性带来巨大增量的供给来源并不多，剩下就得靠时间慢慢叠。联网电视之所以对我们有吸引力，是因为联网电视上还没有一个真正从漏斗顶端做到漏斗底的效果类供给。如果我们能把这件事做出来、并且成为第一个可规模化的玩家，那里有大量未被充分变现的库存。

它有点像 10 到 15 年前我们刚创业时移动端的样子。那样的东西才可能有分量。其它方向，没那么大。这也是为什么我们一直在讲转化率——我们认为在这个游戏生态里，转化率还有很大的提升空间。消费者业务给我们的，是让用户看到的广告更多样化的机会。

与其一周给同一个用户看 20 条游戏广告，我们可能给他看 15 条商品广告加 5 条游戏广告。这不意味着游戏客户损失了 75%。这只是说模型可以定向得更准，所以原本能带来转化的那 5 次曝光依然在那里，而同时你多了这么多商品广告。这才是真正的重点区域，也是短中期最大的增量来源。

长期看，供给扩张当然也是我们会重点做的。

马特·斯坦普夫（CFO）：

Clark，你在本季度内也看到了，我们确实明显加码了，那正是因为你说的这个原因。我们这次是看准机会加码回购，因为我们看到股价和公司真实内在价值之间出现了错位。往后我们同样有这个能力去做。

Q8 · Martin Yang

问亚当一个问题。你在一次行业会议上提到，电商用的动态商品广告有时比视频效果更好。我想听听你对长期的看法：你认为更丰富的广告形式是让电商更有效的终极目标，还是说你们仍在等生成式 AI 的视频创作把视频广告的量和质量提上去，而动态商品广告只是广告主为获得素材量而走的过渡一步？

如果可以，我再追问一个电商的问题。相比去年，今年进入假日季时，你怎么评价电商客户的学习预算或者学习时间？有改善吗？

亚当·福鲁吉（CEO）：

我说两者都是。随着用于创意的各类大模型持续进步，这个生态里有很多公司在做开箱即用的广告素材，你会看到广告主的表现变好。我们也会创造更多广告形式，希望能以更好的方式服务广告主。我们要的是消费者看到的内容有差异性。当你像我们这样一天投放那么多广告时，内容的多样性本身就能带来提升。

这也是我在开场里把它列为重点之一的原因。这款产品还很新——我知道我们已经做了几年，但它确实还很新。广告形式到现在为止演变得并不多，我完全预期未来几年会有大得多的演变。学习是双向的。一方面我们的模型更好了，而且正如我在开场里说的，这个新模型架构在数据较少时也更快。

另一方面，客户在建立一段新关系时会比较厌恶风险。所以即使在我们这里买出来的结果更好看，他们仍然需要去验证。在这个品类里，如果你去跟客户聊，他们要的不只是看到投放和广告支出回报，还得做增量性研究。所以爬坡是慢的，这是行业的现实。但我们的产品在变好。

每过一个季度、每发一个新版本，变好的一部分是让现有客户用得更好；另一部分是：一个客户现在刚接进来，我们系统里关于他没什么数据，我们能多快给他看到好结果？因为这决定了你能不能把流失率降下来。

译者注：增量性研究（incrementality study）：用对照实验判断「这些转化是不是本来也会发生」，以证明广告带来的是净增量、而不是把自然流量算成自己的功劳。管理层说，电商客户往往要跑完这一步，才肯长期把预算加进来。

Q9 · Rob Sanderson

也问几个关于消费者业务的问题。三位数增长，轨迹显然不错。能不能谈谈通过自助渠道或通过你们推荐伙伴进来的新客户线索转化情况，或者客户结果上有什么具体表现？我有点好奇，现在还是有点像碰运气，取决于广告主的成熟度。趋势还是类似的，还是说你对市场推广（go-to-market）的进展有什么可以讲的？

广告创意还是主要障碍吗？过去很多出问题的点，很多跑不动的情况，都是卡在广告创意上。这仍然是主要的卡点吗？还有，如果一年前问这个问题——一年前你会预期行业在生成式 AI 工具上走得更快一些吗？至少在我看来，可能比我们想的要慢一点。我再挤一个问题。你们说的是大得多的模型，是量级上的跃迁。

那你们自身产生的数据够喂这些模型吗？亚当，你也提到过可能通过收购获取数据的可能性。我猜你会找客户数据、交易数据，但哪类数据最有帮助？需要是长期有效（evergreen）的吗？真的必需吗？你们自身产生的数据够不够？

亚当·福鲁吉（CEO）：

我们在这个产品上还很早期。如果客户是通过我们的团队进来的，成功概率要比他自己走自助渠道、自己摸索高得多。当然，如果他自己走自助、本身又很成熟，那是完全可以成功的。但如果是非常小的生意，就属于完全意义上的小微企业（SMB），对我们来说还得再往后放一放。

这件事有一条清晰的路线：灌进系统的数据越多，碰到一个我们几乎没有他数据的新客户，你反而越能预测得准。我们还没到那一步——一个卖珠宝的小商家，我们从没见过，数据很少、GMV 很小，接进来就能直接跑起来。但五年后，如果我们有了很大规模的数据、模型也有时间演进到那个程度，各环节的结果都会好得多。

这是一条路线图，我们得随时间把产品建出来，去覆盖每一种情况。对于要么我们手把手带、要么本身足够成熟的客户，它跑得非常好。

生成式 AI 工具这块，西方的大模型公司关注的是别的东西，所以我们之外投入到这个问题上的研发比较少。至于创意算不算障碍，我不会称它为障碍，但对不投创意的客户来说，它是机会成本、是机会损失。

如果你去问那些同时在 Meta、TikTok 和我们这里投放的客户，他们会反复强调一点：你需要在 AppLovin 上投更多创意素材，才能在我们平台上跑出效果。知道这一点的人，比不知道的人做得更好。不知道的那些可能规模更小。这大概不是能不能跑起来的障碍，但他们少了一个量级的杠杆。

难点在于，我们的广告时长长得多，而且是真被看完的。你在别的平台加载 10 条广告，它们被看到的时间没那么长，很多根本没被看到。你在我们平台加载 10 条广告，平均能拿到超过 35 秒的观看时长。用户在屏幕上做不了别的事，这是全屏广告，曝光 100% 可见。

广告条数和广告组合的质量，才是在我们平台上做出规模的关键。有些客户懂这一点，他们能成为我们的大投放客户；其他人得慢慢学。

显然，本季度我们有一个非常好的季度，是我们用现有数据做到的最好水平。系统里并没有增量数据进来，对吧？一方面，把你手上已有的数据用更聪明的方式处理，就能带来提升；另一方面，这些模型就是需要更多数据，这在任何做模型的公司里都是一致的。把更多数据弄进系统对我们很重要。我们不着急，生意做得很好。

每接入一个客户，就是在商业收入关系之上又加了一层数据关系。但长期看，如果我们能增加让数据更快进入系统的途径，这门生意短期内能跑的路就长得多。

Q10 · Shweta Khajuria

我有个偏宏观的问题，有些问题前面已经被问过了。作为一家广告技术公司，有些投资者在质疑你们商业模式的可见度、以及你们对收入增长持续性的信心。有没有什么额外的信息你愿意分享，能让大家对产品如何运作、你能提供的可见度、以及你正在构建的护城河更有信心？这个说法公允，也有帮助。

亚当·福鲁吉（CEO）：

过去大概 16 个季度里（具体我也没细数），我们有 15 个季度表现出色。在我们这个体量上，我们的增速比世界上几乎所有已上市的科技公司都高，而我们的利润率大概是无人能及的。

所以你看，这门生意未来是不可预测的，我们确实没法给出 KPI 去预测一个还不存在的东西——很大程度上取决于我们能不能把技术做得更好，另一部分取决于新客户的增长。但我们在消费者这块还太早期，那里还没有什么足够有分量、可以外推未来的东西。你只能自己猜。

我记得大概 12 个季度前、Axon 2.0 早期我说过，人在预测一件事的时候，往往对未来的看法偏负面。在我们这门生意里，可以是负面也可以是正面，但几乎所有这些季度里——我想 16 个季度里有 14 个——我们都超过了指引上限，而且幅度不小。我们一直在持续跑赢任何人的预期。所以我认为这需要时间。

人们得慢慢接受：「这是一家更大的广告技术公司，是没有第一方站点的独立广告技术公司，规模比我们见过的任何一家都大。」我们今天已经是一家非常大的生意了。我们产生大量现金流，我们为客户提供的广告支出回报规模极大——他们每年投进我们平台的钱，在另一端对应着数百亿美元的收入。

所以我们现在是一股很大的经济力量。这些广告投放是在创造 GDP，是在创造本来不会存在的新交易。作为一家很大的生意，我们增长很快。

我们给不了你想要的那些 KPI，因为我们还没到那个稳定阶段，但我们手上有一样催化剂，而且非常有价值：工程师改进模型、把更多数据喂进系统，这件事不可预测，但它能带来非常高的上行空间。

Q11 · Ralph Schackart

亚当、马特。亚当，你在开场里提到、或者说暗示这次模型的跃迁和 Axon 2.0 一样大，我记得你是这么说的。我好奇，把它理解成 Axon 3.0 是否合理？我主要是想给这次模型更新定个位——当年转到 Axon 2.0 时，你们有一个相当明显的拐点。当然现在生意大得多了。

但能不能帮我们概念性地理解，这个新模型全面上线后的影响会有多大？好，追问一个。今晚的结果本身已经说明问题了，但上个季度之后，市场有很多关于竞争的担心。能不能就你今天看到的市场和竞争格局，给我们一个更新？

译者注：Axon 2.0：AppLovin 的上一代投放模型。本次电话会上，管理层既用它来比喻这轮模型换代的分量，也把当年切到 Axon 2.0 时出现的「明显拐点」当作参照，并说那大约是 12 个季度前。

亚当·福鲁吉（CEO）：

从技术复杂度这个角度，我会把它放在那个层级上。从业务角度，这是下一代模型。我们不是一家直接面向消费者的 AI 公司，所以我们不会用版本号去迭代模型。但现实是，它给我们未来打开了一条大得多的路——处理更多数据、起更大的集群，希望拿到更好的输出。团队对它意味着什么非常兴奋。

我们现在还在部分上线，它得铺到我们所有的模型上去，那里还有大量复杂的研发工作，但它给我们的路线图比旧模型长得多，这让团队非常兴奋。外面那些行业调研都摆给大家看了，其它公司在市场上表现确实很好。我们从上市起就说过，这不是零和游戏。

我们的预测、我们对一次曝光的判断、我们给客户的定价，都会和任何别的模型不同。这个品类之所以好，是因为所有模型一起变好，才让这些客户生意更好做。所以「别的公司增长就会挤压我们」从来都不成立。上个季度电话会上我就说过，那件事并没有真的发生，是我们自己没跑好。

现在，在其它公司表现良好的情况下，这一点得到了验证——而且不是一家，是同时多家。而我们交出了一个巨大的季度。

Q12 · Bryan Smilek

我很好奇，亚当，你在 All-In 峰会上好像提到，流经 AppLovin 生态的毛投放已经接近年化 200 亿美元。往前看，要实现 30% 的长期增长算法，其中多少来自新模型带来的实际效果提升，多少来自游戏侧和消费者侧新增客户？

另外马特，近一点看，三季度这个表现很好，隐含四季度环比 8%–10%。年底消费者季节性更强我完全理解。但我好奇，从游戏的角度，随着新模型继续铺开，指引里含了什么假设？

亚当·福鲁吉（CEO）：

长期增长的构成很难预测。当然，新客户进来会是一个组成部分，但不会来自游戏侧——我们大概已经把每一家手游公司都接进来了；消费者侧则真的很早期。系统里的数据会变好，模型架构现在给了我们很长的优化跑道。我们不知道具体会怎样，有意思的是每个季度都可能不一样。

如果你把业务按垂直切开看，游戏侧可能有消费者侧享受不到的提升，某个季度它跑得快，下个季度又反过来。真正让我们兴奋的是，消费者增长非常快，正越来越成为我们业务的一部分。它本身的跑道长得多，因为我们在这个客户市场上的渗透还很浅。随着每个季度过去，更多客户知道我们，那块业务会增长得非常快。

马特·斯坦普夫（CFO）：

关于指引，Bryan，我们显然不拆游戏和消费者的具体数字，我也不会给你具体比例，但我们为游戏和消费者假设的走势是一致的。进入 Q4 是有季节性的，两者都强，但原因不同。消费者这边有黑色星期五、网购星期一，然后是假日季；游戏那边也有季节性，Q4 一向很强。

这些都含在指引里了，另外我们迄今取得的模型改进，也反映在这 8%–10% 里。

Q13 · Alec Brondolo

能听到吗？我问两个。第一个，你在回答关于电商或网页广告的问题时提到了收购数据这个想法，现在市场上有一种看法在发酵，认为可以通过小规模并购（tuck-in M&A）来加速电商方面的能力。能不能谈谈你心目中理想的收购标的、或者你理想中要找的数据是什么样的，这样大家能更好地框定这个机会。

第二个，你提到了像素数据，那我就问了。显然，亚太（APAC）——像素数据的大多数拐点、以及电商客户增长的大多数拐点，似乎都来自亚太。你觉得为什么这个区域比美国和欧洲更早找到更强的产品市场匹配？

亚当·福鲁吉（CEO）：

我先答第二个。我们在北美有销售团队，EMEA 也有，但亚太和北美是最大的两支。我们传统上一直同时聚焦这两个市场，这两个市场体量都不小。亚太客户接入的是亚洲供应链，他们常常会为特定品类专门起新站点，这些站点不在别处买量。

对他们来说，在我们这里花 1,000 美元，要么赚钱要么亏钱，非常直接，因为没有归因上的复杂性。有时候那些像素站点就是全新的站点，专门为我们的渠道而起。北美客户是更大的企业，他们不会去另起一个「下一个 Wayfair」——那是一个域名。

所以我不会过度解读「亚太像素数量更多」这个计数，说他们在客户群里的渗透更深。也可能只是某一侧在大量创造新站点，因为他们没有西方一些公司那样的归因复杂性，那些是经营更久的品牌。关于收购数据这一点：我们过去做的并购里，也许最好的一笔是收购 MoPub。

当时我们做 MAX 已经在成功，那是个很好的产品。那时候没人看得懂——这家疯公司买了家公司然后把它关掉了。我们是 90 天内把它关掉的。但我们把所有客户都迁到了我们平台上，因为我们就是能把产品做好。通过那次交易，我们得到了今天的 MAX，所有人都知道那是一门非常有价值的生意。

那笔交易到现在已经回本很多倍了。我们会找的是：能不能买到对我们有价值的数据关系、客户关系？未来十年我们反正会把这些客户都拿到，但如果能买下来，像打一针强心剂一样，把这些客户快速带到我们平台上、把这些数据快速接进我们平台，就能把这门生意本来要花十年做的活，用短得多的时间做完。

我们会找的就是那种结构类似的交易。

译者注：MoPub：AppLovin 早年收购的移动广告平台。管理层在本次回答里说，买下后 90 天内就把它关掉、把客户全部迁到自己的平台，才有了今天的 MAX；他拿这笔交易举例，说明什么样的并购才真正有价值。

Q14 · Omar Dessouky

在你们旧的模型里，你们会持续用实时曝光数据做再训练，这带来了稳定的 3%–5% 的自学习增长，这与工程师主导的模型提升是两回事。上次电话会你没有专门回应这一点，所以能不能告诉我们，你是否还看到来自自学习、以及季度内基于实时曝光数据再训练的同样 3%–5% 的顺风？Q3 里有看到吗？

Q4 指引里假设了吗？往前看，你对这部分增长的可见度有多高？还是说往后完全依赖工程师主导的模型改进？

亚当·福鲁吉（CEO）：

在所有这些模型里，都存在这种强化过程：你做出一个预测，系统里进来数据，它们就变聪明了。任何在写深度学习模型的公司，现在都是这样。你其实不知道到底是 3%、3.2% 还是 4%。

你没法真的追踪模型自己提升了多少，但在一家跑模型、做预测、再评估自己预测的公司里，这种自学习的概念永远都在，而且希望能越走越聪明。这些模型本来就是为此而建的，它们的结构和人脑类似。我们人靠记忆学习、随时间变聪明，这些模型做的完全是一样的事。

我们不会把它拆成「这是增长驱动、把某个数字填进来」，然后在上面再加一层模型提升——因为早年我们也讲过，那时候一年才一个大版本。而在我印象里的这 16 个季度中，几乎每个季度我们都有多次 A/B 测试带来的提升，只有最近这个季度例外，这些共同贡献了业务非常超常的增长。

这件事不那么可预测，也没法拆到某个具体百分比，但它们全都复利成了今天的这门生意。

Q15 · Jim Callahan

亚当，我记得去年你提到 MAX 上的供给增长是双位数。今年到 2027 年，这方面你怎么看？那供给获取成本呢？我们在调研里听到一些说法，说曝光的价格总体在涨。能不能框一下现在的情况，以及明年可能怎么走？

亚当·福鲁吉（CEO）：

还是强劲的双位数。上季度我们告诉过你，单季就实现了双位数增长。这是广告生态里一个增长非常快的空间——而其它大多数广告库存，无论从供给增长还是供给价值看，都没那么快，大概是很低的双位数、甚至可能是个位数。而 MAX 这个市场每年都以非常强的双位数增速在长。

MAX 的增长有两个驱动：一是更多供给，二是买库存的价格在涨——也就是曝光单价（CPM）在涨。成本这块，本质上是各家平台把曝光变现得更好，竞价的价值上升，发行商拿到的更多。反过来，我们要么得为发行商库存付更多钱，要么以同样的速度把自己的技术提上去，或者提得比那个速度更快，才能比市场长得更快。

过去四年我们的很多创新属于后者：我们把技术提升得比市场更快，所以我们的业务增长远快于市场。

Q16 · Vasily Karasyov

亚当，想请你谈谈分成率（take rate）的方向，跟上一季度比、或者同比比，哪个方便就说哪个。然后我的问题是，在消费者和游戏用不同模型的情况下，有没有理由认为其中一侧的分成率波动会比另一侧更大？能不能帮我们框一下该怎么想？

亚当·福鲁吉（CEO）：

我们在公司里不谈分成率，说实话它是事后才发生的。当你的转化率只有略高于 1% 的时候，如果我们买了 1,000 次曝光，大概有 987 次是在亏钱的。所以这里没有分成率——我们全亏了。而在另外那些上，分成率几乎是无限的，因为你用很小的支出赚到了大量收入。

所以它不是我们优化的函数，而且它确实和我前面讲的那点有关：如果我们的工程师在未来两周做出巨大的提升，我们就能多拿，因为我们在技术上把市场里所有人都甩在后面。如果我们只按市场的速度创新，市场价格保持稳定，我们就大致停在原来的位置，那也相当稳定。

如果我们远远落后，我们就消失五年，分成率会收缩，因为市场定价的提升会快于我们技术的改进。而你们在团队身上看到的、以及我们在这些不同业务线上给自己创造的机会，是我们真的很擅长执行。很长一段时间以来，我们在生态里的执行都比别人好。

团队在改进这些技术上非常有经验，而当他们取得像刚刚这样的研发突破时，通常都会领先所有人。甚至在别人还没弄明白怎么做这种技术突破之前，我们就已经领先很多个季度、很多年了。两边大体是一致的、差不多的。这也是为什么我一直说它是一个竞价市场。

假设游戏侧对某次曝光的预测价值是 20 美元 CPM，也就是每次曝光 2 美分，然后一个消费者客户以 21 美元赢下这次曝光。两者非常接近，你要付钱给发行商；如果模型预测得很准，就不会出现一个 50 美元、另一个 20 美元的情况，它们彼此相当有竞争性。

译者注：分成率（take rate）：平台从广告支出中留下的比例。管理层强调它不是能被主动优化的目标，而是事后的结果——买下的曝光里绝大多数是亏的，只有极少数回报极高，所以谈不上一个可以设定的抽成率。

Q17 · Tim Nollen

我的问题是关于数据的，具体是数据来源（provenance）和数据处理的区别。问题其实是：你们这些交易里的数据归谁？是处理数据的你们的聚合平台，还是原始的游戏开发商、或者处理这笔交易的变现平台？是这样，数据源自交易，谁处理交易谁就拿到。

但你们的聚合平台会生成这些「包」（package），你就有这种新的包数据。所以我的问题是，这些数据归谁？如果一条广告被投放出去，是你处理这笔交易、还是别人处理，你能看到流过这些交易的数据。你把这些数据并入了你的聚合平台。

我的问题就是：数据属于原始的游戏开发商、或者处理交易的广告技术公司，还是说通过聚合平台，你取得了对这些数据的来源性权利？这样说清楚吗？好，这回答了。

亚当·福鲁吉（CEO）：

你说的是哪种数据？只是聚合（mediation）数据吗？我们系统里数据很多，我没完全跟上你的意思。什么是包数据？你举一个广告投放的例子，我好回答你。不太清楚，因为我觉得你对我们在聚合里能接触到什么有误解。当我们跑一次聚合竞价时，每家公司都向这个竞价出价。

对 MAX 系统来说，我们当然看得到所有出价；但不知道对方是为哪条广告出这个价。我们的 Axon 模型、我们的系统能拿到的数据只有这些：我们赢了这条广告没有？赢的那次竞价价格是多少？输掉的一方会拿到那次的失标价。就这样。任何人都不应该能拿到别人投放的内容。

我们看不到「这次竞价已成交、是别人赢了、他投的正好是 X」。那个确切的 X，属于那家广告公司的资产——那家写了模型、处理了大量数据、与客户和消费者有投放关系的公司。那是他们的数据，是他们模型的产出，留在他们那里。聚合这件事不会给我们任何神奇的数据访问权。

事实上，我们当年做 MAX 时，做的就是把它全部商品化：我们说，所有人对数据的访问权限，都会和我们作为 MAX 出价方一样，因为我们想要的是一个公平的市场。MAX 之所以比世界上其它手游变现平台变现得更好，就是因为我们把规则做公平了，而那份公平，把每一次曝光的价格推到了尽可能高。

我回答到你的问题了吗？

译者注：聚合（mediation）：帮 App 开发者把多个广告网络的出价拉到一起、挑最高价展示的中间层，MAX 就是这类平台。这段问答争的正是聚合层能看到哪些数据：MAX 看得到各家出价，却不知道对方为哪条广告出价；喂给自家模型的只有输赢与成交价，看不到别家最终投放的素材。

Q18 · Matthew Swanson

消费者这块，亚当，你提到如果不是比较成熟的客户，初期的接入是需要手把手的。我想分两点问：第一，在改善初期表现这件事上，多少责任在你们、多少在他们？还是说仍然主要靠模型，还是靠他们学会更好地用这个平台？第二，当你们在挑选客户时，看起来这些非常成熟的用户更可能马上产生收入。

这是更优先的方向，还是你们在找对 AppLovin 最好的长期伙伴？

亚当·福鲁吉（CEO）：

我认为很大程度上是学习曲线的问题。我们是一个新平台，这些客户里很多人没在游戏里投过广告，他们不习惯一条真的被看完的广告，更不习惯被看那么久的广告。如果你开一家店，我有时候会想，我们是在要求客户做出 60 秒的内容来展示一家店——说真的，一家店有什么可展示的？店铺本身没那么有意思。

而在游戏这边，他们做的是小游戏，用户是在玩他们游戏的一个预览，这很直观。所以这里有一个学习过程，得让媒介采购真正理解这个框架。等他们理解了，越来越多媒介采购懂了、更多代理商受过培训，它就会标准化，就会出现针对我们平台的操作手册（playbook）。

这和 10 年前在社交平台上买量没什么不同：那时候全新，规模小得多，大家不知道怎么做。现在所有人都知道怎么做，因为不知道的人，大概就没能把生意做起来。

至于我们优先要哪类客户，我们在找的是更成熟的那一类，这也是这些合作交易为什么合理：与其到处去做 AppLovin 的推广，通过战略合作，我们能把真正的客户带进来。

行业术语表（Industry Glossary）

统一竞价（Unified Auction）：同一批广告库存由游戏、电商等不同品类广告主在同一场拍卖里竞争出价，谁的预测回报高谁拿到曝光，因此品类之间既竞争又互补。

ROAS（广告支出回报率）：广告主每花一元钱带来的收入。AppLovin 的模型越准，广告主在既定 ROAS 目标下能盈利投放的预算就越多。

增量性研究（Incrementality Study）：用对照实验判断转化是不是「本来就会发生」，以证明平台带来的是净增量而非抢走自然流量，是电商大客户加预算前的常见门槛。

聚合（Mediation，MAX）：App 开发者接入多个广告网络、由系统实时比较出价并挑最高价展示的中间层，MAX 就是 AppLovin 的聚合平台。

联网电视（CTV）：通过互联网观看的电视内容及其广告库存。管理层认为这里缺少从认知到成交的完整效果方案，是可规模化的空白市场。

更多公司的相关资料，放入下面的知识库中，感兴趣的朋友可以看看。