访谈千亿美金AI第一股 AppLovin 核心高管

AppLovin 的核心用户群是移动应用（尤其是手游）开发者和广告主。对于开发者而言，他们的不变需求是在激烈的市场中高效赚取广告收入并高效的扩大用户规模。开发者可以使用 Applovin 的聚合平台 MAX，为其广告库存进行实时竞价拍卖（在卖方平台 MAX，Applovin 的游戏行业市占率非常高）。另外可以用 AXON AI 引擎驱动的 AppDiscovery，利用广告活动的目标（如目标 ROAS）和数据，为发行商的应用获取更多高价值用户（在买方领域，Applovin会采买 MAX 里面 40%的需求，另外 60%考虑到谷歌、Meta 等出价更高就卖给他们。然后其中自己采买的部分的广告-用户反馈对增强自己的模型会有帮助）。

Applovin 的优势：1）企业文化里面很重视广告卖方（客户）的利益，为他们寻找到最高价格的渠道；对广告采买方而言，帮助他们找到最匹配最高转化率的渠道，2）模型相对干净、规则更少，使得效果更好，所以即使不在于知道用户的真实世界身份，而在于能基于上下文和行为信号，精准预测用户在应用内的下一步行动。 现在是唯一能把点击的转化价值，都预估得非常准的公司。3）卖方一般只使用一个卖方渠道来上架自己的广告库存，所以如果Applovin 的效率高会有一定的信任度和粘性。4）在早期大家觉得广告卖方的生意很小的时候（甚至 Meta 都退出了），Applovin 早期介入，积累了数据和算法；

访谈链接：网页链接

更多内容：

我先工作了两到三年后，就去了Uber做模型的相关应用，之后到Meta(Facebook)做广告方面的AI工作。之前的数学和计算机基础让我这个转型其实没有遇到特别大的挑战。

我在Uber的时候开始是用machine learning做Uber Eats的一些pricing，但我觉得那个时候业务本身其实用不到太深的模型，里面有很多规则引擎。所以我做了大概不到一年就觉得这里面涉及到的数学和模型的深度没有我想要的那么深，就跳槽去了Facebook。

我去Facebook的时候感受特别好，因为以推荐算法为基础的效果广告，它是特别考验数学和模型深度的一个领域，甚至比单纯的信息流更考验模型。因为信息流还涉及到很多产品方面的一些特征，有些时候推荐本身不需要特别好，但是如果产品做得很好的话也会有很好的结果。但是效果广告真的就是真枪实弹地考验推荐算法到底有多好。

2022年底，正好在圣诞节期间加入AppLovin，现在已经两年半左右的时间了。

因为我本身之前是做效果广告的，我对整个广告的推荐算法还是比较了解的。原来也知道当时AppLovin主要是在做应用的广告，但我知道广告推荐算法的核心技术是可以转换的。我当时在AppLovin看到了很好的机会。面试的时候我问了CTO最重要的一个问题是“你们现在最大的痛点是什么？”，他就跟我解释了一下当时他们算法里面遇到的种种痛点，想解决的问题不能解决，想达到效果不能达到。这段对话可能就五分钟时间，听完之后我就跟他说，我的技能是有限的，不是所有东西都会，但是你现在面临的这个问题我非常擅长解决它，所以双方立刻就看到了相互之间的价值。

公司从创业开始到现在经历过几次比较大的转型。最开始刚成立的时候确实就是一个应用推广的公司，但那个时候做这种业务的核心技术不是现代化的推荐算法，而是基于一些social graph的规则引擎。比如说那时候他们可能会用到一些方法知道朋友之间的关系，知道你的朋友装了什么软件，然后他会告诉你某个朋友装了这个软件，你是不是也想装？然后通过短信、邮件甚至一些应用里的推送来做这种推荐。

早期这种方法其实是很有竞争力的，但随着隐私管理变得更加严格，包括像类似Facebook的崛起，这种方法就不再具有竞争力了。然后公司就开始转型去帮助一些手机的游戏进行用户增长。其实当时国内有很多游戏的开发者，他们开发了很好的游戏，但他们不是特别擅长在海外发行这些游戏，带来用户增长。于是AppLovin就开始做类似于agency的工作，帮助他们进行增长，渐渐的又收购了很多此类的游戏公司。所以一度成为了一个游戏公司。我记得在巅峰的时候，公司拥有非常多休闲类的小游戏，仅仅按游戏的下载量来排名的话甚至一度排在全美第一。

后来因为我们自己有这么大的广告投放的需求之后就开始思考建立自己的广告相关技术。这时候就有产生了一系列的收购，第一轮的收购是收购了两家做广告汇聚平台的公司，当时一个是MAX，一个是从推特买过来的。这两家公司做的是广告的卖方平台，就是说如果你自己有个手游，然后手游想变现的话可以在手游里面投放广告，把这个广告流量放在卖方的汇聚平台上，然后卖方汇聚平台会把你这个广告流量以实时竞价的方式分发到不同的潜在购买者那里，大家竞价之后价最高的买家就可以把它广告放在上面。

当时AppLovin买了这两家公司，并且和自己的广告需求整合。之后又买了一家游戏公司叫Machine Zone。对于AppLovin的意义不仅是一个游戏studio增加了自己生产的游戏，最重要的是Machine Zone当时有一个自己的广告投放的团队，相当于一个买方平台，吸纳了这个买方平台自己开发广告投放的一些算法，然后在自己和Google平台上进行投放。

从这个时候开始，AppLovin就转变成了一个由游戏加上广告的hybrid的公司，但当时大部分的收入还是来自于游戏，广告可能占比不到20%或者30%。

很多头部的游戏公司会有自己的算法团队去进行投放。刚才我说的像MAX这种卖方的平台会接入很多买方平台叫DSP，这些买方平台上汇聚的像我们这种公司，但也有一些单独的游戏公司，通过买方的身份接入到卖方平台，然后在里面自己给自己做竞价。但其实最近几年，由于像AppLovin这样的公司业绩的崛起，越来越多的游戏公司发现他们自己的投放团队所能实现的性价比，是远远赶不上直接把钱交给AppLovin的。所以刚才说的这种情况在最近几年可能变得会越来越少。

接着说业务发展，2023年年初的时候我加入，然后重新从零开始搭建一个新的广告推荐算法和平台。市面上会把我们叫做Axon2.0，但对我们自己来说它其实不是一个产品而是很多不同的体系综合在一起。

从那之后我们广告营收在公司一下就腾飞了，在整个公司的revenue里面占比也越来越高，从当初的一小部分到现在变成了全公司的绝大部分。所以最近我们已经把所有的游戏业务打包卖给另外一家公司，可能在这个季度结束之前我们又回到了一个彻彻底底的广告技术公司，回到我们创业最初那个核心业务上去了。

我们有两部分，一个是卖方的平台，一个是买方平台。原本这两个都是我们自己内部的工具。

一个market place如果受到network的相互影响，就会有一个相互促进的作用，带来更大效益的结果。我们既做买方也做卖方，说明我们既有供给也有需求。我们有一种选择是把我们做成一个封闭的、闭环的平台，直接把我们的供给卖给我们的需求，中间不会参与任何第三者，但这会有非常大效率的损失。

比如有一个特定的用户对于我们的买方来说价值不高，我们出不了很高的价格，这种情况我们其实更愿意把这个用户卖给出价更高的比如Google、Facebook。短时间看可能是我们失去了一个用户，对于我们的买方来说是一个损失，但它带来的好处是使得我们的卖方能够赚到更多的钱。卖方能够赚到更多钱他们的公司就会发展，他们就会有更多的资源去开发更好的产品、更好的游戏，反过来促进整个游戏的生态发展了，我们买方以后能够买到的机会就越多。

最开始其实AppLovin的买方和卖方都是游戏公司。但现在比如我们的MAX（应用内竞价变现解决方案）可能一半左右的流量会卖给我们自己，另一半会卖给像Google、TikTok、Pinterest所有这些做广告的公司。

今年之前主要的这些流量都是来自于游戏的应用广告，但我们卖出的，其实也有多样化的一些流量。

现在手机digital广告主要流量来自三方：第一方是Meta系的流量，Facebook、Instagram；第二方是Google的流量，Google搜索、YouTube；这两家流量其实非常巨大，可能占了整个这个手机 digital 流量的绝大部分。但此外其实还有几万甚至几十万的这种长尾流量。比如说你朋友可能是一个游戏公司的CEO，他手下有几百款小游戏，每个小游戏本身流量没法跟Google和Facebook比，但把全世界所有小游戏或手机应用的流量加在一起是非常可观的流量。

在这个可观流量上，一直以来都有很多公司在进行变现的业务。但由于流量本身非常碎片化，导致在这个碎片化的流量池里面做变现的公司竞争也非常碎片化。我来AppLovin之前，整个这一块像是战国时期诸侯割据的状态。当时比较有竞争力的除了Google、Facebook，还有几家像AppLovin一样，可能普通人没听过但在业界比较有名的中小型公司，比如Unity、Moloco。

AppLovin最近两年最大的成功就是在这个碎片化的市场里面站住了脚，成为了整个市场的龙头老大。

如果你有一个手机小游戏，你想卖你的广告，可以选择来AppLovin或者选择去Google去卖。在卖方市场的话，我们应该占了全世界大部分的份额。

而在买方市场上，我们购买了MAX里的比较大的一部分流量，同时还会去Google、IronSource去买少量流量。

北美的这个广告行业相比于国内，我觉得很好的一点，就是大家都有很多竞争对手，但同时也拥有一个健康良好的合作伙伴的关系，相互交织。我们的买方是Google的卖方客户，也是我们自己的卖方客户。同时，Google的买方是我们的卖方的客户，也是他们自己卖方客户。

假设你作为一个游戏的卖方，开发了一个小游戏，一般你只能选择一个卖方平台比如AppLovin，就像一个上市公司只能选一个交易所来上市你的股票，但是你可以找不同的资产管理公司来帮你交易你的股票。

而作为买方的话，一些流量汇聚平台会把最好的资源和流量保留给自己。但在AppLovin，我们的流量汇聚平台MAX（卖方和买方平台），唯一的KPI就是开发者在这个平台上能赚多少钱，而非我们作为买方能从这个平台买到多少流量。如果能够让我们的开发者赚到更多的钱，我们是愿意把这个流量卖给Google和 Facebook 的。

因为竞价都是实时的，所以这个算法本身很简单：如果我们自己愿意出1元，Google愿意出1.2元的话，不管这个用户多好，我们都会把这个用户让给Google。

短期来看，或许觉得这对自己也是个损失，如果Google1.2元买来的话，这1.2元会给到开发者，如果广告投放效果比较好的话，Google也许能赚到 0.3元或者0.4元。而我们的MAX 平台收费很低，如果想优化短期利益的话，我们应该不把这个量给Google，而是留给自己。这样的话，假设我们1元把它买下来，那我们能赚0.2或者0.3元，而Google一分钱赚不了。

但是，这时候开发者就只能赚1元了，而不是1.2元了，对吧？因此从长远利益来看，我们会优先保护开发者的利益。所以很多开发者发现，如果他们开发了游戏放在 MAX 上，他能赚的钱要比放在其他所有平台上的更多，就会更愿意选择这个平台。在这个过程中同样也让 MAX 逐渐成为全世界手机最大的买方平台。

比如说 Google 或者 Meta 也有自己的卖方平台，他们是怎么做这个事情的呢？ 在这个领域我们现在在这个竞争里面能够胜出，有两个大的原因，就是相比于Google Meta 之外的这种较小的平台公司，我们的算法和技术确实要领先很多，甚至我觉得领先一代到两代都不夸张。而相比Google和 Meta 来说，我觉得我们最大优势是我们的专注度。因为这一类的流量对于Google Meta 来说是属于一个比较小的流量，所以他们在这一块的专注度是不如我们的。以 Meta 为例，在 2020、2021 年之前，他们是有卖方平台的，但在 2021 年左右的时候，Meta把卖方平台给关了。

关闭是因为当时不是公司的优先级，因为那当时这种卖方平台的市场还没有今天这么大，今天由于AppLovin的成功，市场其实变得要比当年大很多了，那个时候不是很大，然后相比于买它本身的流量，有就是体量又太小了，所以可能Meta就把它给关了。

卖方平台关的意思就是说就是 Meta 只管 Meta 自己平台例如 Instagram，除此之外的他就不管了。比如说你作为游戏开发者，你开发了一个新游戏，之后你想在游戏里面卖广告，你就不会去找 Meta 合作了。你只会去找 Meta 买广告，你不会去找 Meta 卖广告。

在过去十年的推荐算法，它有不同的generation，从这个大的框架上来说，我们和Google是属于同一个generation。

算法当然是核心了，即便模型的框架差不多，但它里边细节的把控也是可以千差万别。AppLovin非常引以为豪的一个东西，就是在所有的广告推荐算法做得比较好的公司里，AppLovin是唯一一个可以把 deep funnel 拟合问题做得很好的。

什么叫 deep funnel 拟合呢？我举个例子，你投放广告的话，以 100 块钱的价格能够买到越多的点击就越好，这就是 CTR optimization，这属于非常 top funnel的东西。但是会有很多点击是低效的，并没有什么意义。那么有的公司例如Google、Meta就会做得稍微更深层一点，不仅能够帮你优化点击，还可以帮你优化转换率、购买率。在此基础上，AppLovin是现在我知道的唯一能把点击的转化价值，都预估得非常准的公司。

再举个例子，如果你花 10 块钱去购买这个广告的转化，有一个模型可以帮你最大化它的转化数，比如10块钱可以买到5个转化，但是这5个转化加起来产生的总的购买价值只有 20 块钱；但是另外一个模型不仅可以帮助你找到想买东西的用户，更能找到会愿意花很多钱买东西的用户，可能 10 块钱只可以给你买到两个转化，但这两个转化带来的购买价值可能是100 块。如果你作为广告商的话，你是你会更倾向于要第二种结果。

其实从一个广告投放者的角度来说的话，他们最终关心的其实是什么？应该是转化价值。但很遗憾是，现在市面上大部分广告投放公司都不能把这个最终的转化价值预估得很准，所以广告商他们需要自己去操作一些近似。比如他发现，在这样一个demo graphic的人群里面，如果点击率很高了，或者如果转化率高了，他最后的价值很可能就会比较高，所以他们会采取一些人工的操作去近似自己想要达到这种效果。

以Meta为例，大部分在 Meta 做广告的广告商不会使用他的 ROAS的产品， ROAS就是优化转化价值的这个模型。因为 Meta 的转化价值的模型不如转化率做得准，所以大部分的广告商即便非常希望要转化价值，但还是会在 Meta 直接优化转化率，然后自己再做一些微调。

但是在AppLovin做广告就很简单了，因为我们转化价值的模型非常好，我们绝大部分的流量，其实广告商都会直接选择优化转化价值。所以他们只要告诉我们，想要优化转化价值，他就不用再去做任何操作了，因为我们的模型已经做得很好了。

一个很困难的东西，它之所以成功，其实背后是他是在解决这个问题的过程中，每一天都要经历几十个甚至上百个这种micro decision，而这所有的决策都做好，或者说你做了更多正确的选择，日积月累之后，你就会把这个问题解决得比别人更好。

所以我觉得我们之所以能够把这样一个业界看起来非常困难的，很少有公司能够解决的问题做得很好，根源就是我们会非常关注每一个细节，并且保证我们对每个细节有非常深入的研究，而不是去照搬一些业界已有的方式。所以就像刚才你说的，框架上其实头部的公司都差不多。但是呢，真正决定输赢的就是大家对细节的一些把控。这些细节包括抖音、Facebook他们发布的推荐算法，都不会把这些真正决定成败的细节放在里面。

从数据角度来说的话，有两种数据，一个就是organic的数据，就是用户在玩这个游戏的时候，他看到一个广告，广告的卖方平台就会把这个广告请求分发给AppLovin、Google和Meta。那么从这个角度来说的话，即便我们拥有MAX平台，我们拿到的这种organic的数据是和所有其他竞价者是一模一样的。其次像Google、Meta，他们是有一些他们自己的数据，比如Meta，他会有你在 Facebook 里边的一些行为数据，对吧？这个是我们拿不到的。

除此之外还有一个叫做用户反馈数据，就是你给用户投放这个广告，投放之后你知道这个用户有没有点击、点击后有没有下载、下载后有没有购买转化，这种数据只有当你赢得了这个竞价之后你才会拿到，那么这个确实就渐渐成为了 AppLovin的一个优势。为什么呢？因为我们的算法很好，我们现在这个平台的购买力很强，我们能够买到比别人更多的用户的impression，所以我们就会拿到更多这种反馈数据。我们在earning call上反复强调这个“feedback loop”其实更多的是指这个用户反馈数据。

那这个反馈数据不是因为你们是一个买和卖方都做的一个平台，所以你们才有更多这样的数据。这是两个产品，包括数据的交互、产品的KPI都是非常独立的。今天，比如说把MAX分出去，完全变成另外一家公司，对我们的买方平台也没有任何影响。

所以在赢到了用户曝光之后，才能拿到这个反馈数据。比如Facebook赢了这个竞价，然后投放广告给这个用户，从这里开始我们就什么都不知道了，他投了什么广告，广告有没有被点击、有没有转化。那同样的，如果这广告被我们买过来的话，那他们也不会知道。

大家基本上一致地认为保护长期的利益才是对公司更好的一个东西，这也是我们公司文化的一部分。大家对于长期利益的拥护和重视要远远高于短期利益。并且我们始终坚信，虽然我们是个上市公司，但我们不会让股价去决定我们内部的决策。因为我们觉得构建一个好的产品，做好业绩的增长，股市对你的反馈总有一天会跟上来。

我特别喜欢把AppLovin和Airbnb做类比。从某种角度来说，Airbnb和几个主流的、大的连锁的宾馆竞争，它其实就是把这种小的民宿的供给整合在一起了，在Airbnb出现之前，人们会觉得民宿是比酒店更低消费的住宿选择。然后由于这些提供民宿服务的人卖不到好的价钱，赚不到很多钱，民宿的这个规格和质量也相对比较低。而在Airbnb出现之后呢，提高了人们对于民宿的需求，这个需求又给这个民宿行业注入了很多资金，民宿的质量和规格也上去了，现在Airbnb的民宿其实跟酒店已经可以有比较好的竞争了（文丰：有点类似美团的酒旅和携程酒旅的关系）

我觉得AppLovin在第三方手机应用的流量，其实有点类似。过去因为没有很好的需求，导致这个行业没有足够的资金去提高自己的质量。但我们这两年的这个发展一方面提高了这个购买者在这个平台里面能够购买的价值，同时也极大提高了广告卖方能够得到的利润。所以这样一个相互促进会使这个生态以后的竞争力会越来越大。

我觉得至少是个三方获利的事情，我们作为一个商业公司肯定要从中获利，卖方他们会用更好的价钱卖出他们的流量也会获利，买方可以是游戏，也可以是电商，他们可以赚到更多的钱，给社会提供更多的价值，产生更多的就业。另外这里面第四方的获利就是用户本身。当你的推荐有更高的相关性之后，用户就可以有更好游戏体验，你看到的广告价值更高，可能对你来说更有用所以这也是个价值的提升。

当然可能AppLovin谈到这个用户的价值还有点早，如果我们以Facebook为例， 现在人们在facebook看广告的话，其实是一个比较愉悦的感受。因为它的广告的视频效果很好，产品对你确实也有用，但大家记不记得在facebook广告出现之前，在各种网站出现那种狗皮膏药式的广告？其实对于用户的影响远远大于现在这种个性化推行的广告。所以我觉得当一个广告的算法做好之后，对于用户来说也会带来很多正面的价值。

比如说我作为一个广告商。我从流量池直接买流量100块钱就可以把它买下来了，我为什么要给AppLovin 120块钱，让AppLovin再把120块钱里面的100块钱交给流量池呢，让这中间的第三方赚取一个差价？但大家仔细想一下，因为当你让AppLovin这个公司从中间赚一个差价的过程当中，他其实也帮你找到了更合适的用户，他让你用100块钱，能够买到的用户比你之前150块钱买到的更多而且质量更高。

在我们开始做电商广告时候，我们发现在北美买的这种第三方游戏的这个impression里面，它的cpm的价格其实已经不比Google和facebook低太多了。就是说我们这个平台用户的价值和质量其实并不比Google、facebook这两个平台要低。

为什么我们的增速远高于这个整个游戏行业，录播客之前我特意查了一下这个数字。其实整个手机游戏一年增长率在15%到20%左右。刚才也说了手机游戏里可能有一大半会在MAX上作为卖方，因为我们本身自己的推荐算法很好，我们在MAX上也有很强的购买力，而MAX本身又比较优化开发者的收入，开发者的收入在过去两年也是远超大盘的，比如说大盘是15%，如果你用了MAX，你的增长是大盘两倍，那你就是30%。

AppLovin本身购买力的增加，我们在MAX的占比越来越高。比如说两年前的时候，可能我们在MAX上只占20%，那现在占了40%，这就是两倍。刚才说的大盘是15%的话，乘以二再乘以二，这就变成60%，跟你在财报上看到的数据比较接近了。所以我觉得首先大盘也并不是很弱，同时AppLovin也是整个大盘增长的一个非常强有力的推手。

第二个问题很容易理解，AppLovin以前的业务里面，它主要有两块收入，一块是游戏的收入，一块是广告的收入。游戏这块收入增长比较慢，广告这块收入从小部分变成大部分，利润率又比游戏收入的利润率要高很多。当广告的利润率增长了，相比于收入的增速也会比较显著。但以后应该会就比较统一了，因为这个季度之后，我们就会把整个游戏的业务给卖掉。我觉得从下个季度开始，大家能看到这个利润增长和利润率增长也会比较关联了。

我觉得电商其实是个非常自然的一个方向，因为从推荐算法角度来说的话，它是相通的。你用来给软件做推荐的算法，它其实稍微改一改是完全可以用来给电商做推荐的，那么现在整个digital marketing的这个市场的份额来看的话，电商其实要比app要大很多。AppLovin因为一些历史的原因导致它最开始专注的是app，但当我们的算法已经证明了，我们在app的投放上的效果其实是比Google meta的生态要好的，说明我们的核心技术其实已经达到世界最领先的程度了。那么当我们在考虑接下来公司发展的时候，那自然就想到，除了广告app这一块，它这个organic的增长。当然了，直到现在，app这块的organic增长还是公司业绩增长的主要推手，但是你想到公司未来一步的战略的话，那肯定要扩展我们的这个垂类，那么想到最大机会就是电商。

对电商还有一个很重要意义就是如果我们在游戏领域，游戏里面只投游戏广告的话，它会形成一些资金的内循环。比如一个游戏广告商，他花了十块钱去投广告，这十块钱进了那个开发者手里。虽然产生十块钱交易，但你可以认为这个钱还是在整个游戏的生态圈里面运转。

那么这个生态圈的inflow内购是什么呢？ 就是用户在游戏里面买东西。这个内购你从宏观经济角度来看的话，就是这个广告收入而不是这个行业的inflow，只有内购才是真正提供给这个行业提供增长的一个动力源，而广告只是这个动力的传输装置。但是，如果我们在游戏里面开始投放电商广告的话，那所有电商广告的这个花销，它其实都是动力，它相当于从这个生态以外注入进来的新资源。所以从这个角度来说的话，每一块钱的电商广告花费，它给这个生态带来的价值其实超过每一块钱游戏广告带来的价值。

我觉得现实中很多东西确实比较反直觉，当年当facebook最早提供信息流广告的时候，也有很多人产生同样的质疑，大家都觉得没有人会在社交媒体里看完广告之后去买东西，但事实证明，facebook那套是奏效的。而且对于我们来说，我们一开始也不确定，那么找到这个问题答案最好的方式不是坐在那里辩解，而是我们用最快的方式去生产我们的mvp。当我们mvp生产出来，一上线的时候发现结果非常的明确，就是人们真的会在游戏里面买东西。

可能会像你刚才说的比如说去亚马逊。你看完广告之后，然后去亚马逊买了。甚至比如说，你看完广告之后，你去Google搜索，然后在Google里面买，那这个归因到底应该归给Google呢？还是归给meta呢？还是会归给我们？各个平台会提供一些因果lift test，就是测试一下你的转化和你这个投放指令到底到底有没有真实的因果关系，它不是一个特别容易解决的问题，那大家会采取各种近似去解决它。 一般会做一些hold out test，比如说你在Meta投了一天 10 万块钱的广告，Meta 给你汇报说你是这 10 万块钱是产生的，比如说1万个转化，你怎么知道这1万个转化是真实由 Meta 产生的呢？因为他有可能是去亚马逊产生的 Meta 都不知道，或者他不看广告他也会买，然后被 Meta 算到自己头上了，对吧？一个常见的方法就是比如说我今天就不投了，看我的转化会低多少，然后他用这方法来估计有多少的转化是 Meta 给他带来的。 对于一些体量比较大的广告上会比较好用，假设他们刚开始尝试我们的平台，花的钱会比较少一些，量比较小的时候再做这种测试就会比较困难，这可能是短时间的小挑战。但是我觉得长期来看，这个问题和行业里面大部分的竞争者面临的问题是比较接近的。

我们并不会过度优化短期收益，我们会一直专注在怎么把模型给做好，然后最终通过模型的方式把问题给解决。那么长此以往，就会导致我们的模型里面不会参杂过多的规则引擎，我们的模型非常的干净。当你做一个改变的时候，一个正确的做法和正确的结果之间的相关性就会高很多。

我之前在别的公司工作过，当一个系统里加入了很多这种规则引擎和模型相互掺杂的时候，经常会出现因果率的措施，一个正确的输入反而会带来一个不好的结果。就因果率的破缺会对一个公司长期的发展会形成非常负面的影响。你看为什么我们公司每个季度都会有非常稳定的业绩提升，正是因为我们的模型非常干净，它里面保证这个因果率。

觉得这个世界上没有任何一个技术是技术本身，其实技术的背后是人和文化。今天你可以把Google的算法，复制一份，然后搬到另一个公司去。六个月之后，这个公司也不可能和Google一样，因为人和文化对一个产品的影响是最深远的。

Tiktok具体的广告算法，其实我也不是非常了解，我只能从一些侧面的信息和数字上去估计，比如用他们的用户基数和他们的广告收入进行比较，你可能认为抖音的用户画像不会差别特别大，但它的商业化效率是远低于Meta的。另外抖音内部的工作方式和决策上的权衡，广告推荐和信息流推荐，它看起来好像都是推荐算法，甚至从技术的核心上来说很接近，但是最终的细节其实和结果差别很大，就会形成像抖音它的信息流推荐其实做的非常好，但它广告推荐效果其实并不是那么好。

广告推荐算法它的测量就比较简单一点，它更像是个百米赛跑，可能最决定你的成败的就是你的技术本身。其实很多时候，你在里面想去加一些规则引擎，想要用这个产品特征来弥补模型上的缺失，都是不是那么有效。 $Applovin(APP)$ $Meta(META)$