Performance Advertising: How we drive value and handle data

摘要

AppLovin近期发布深度博客，详细拆解其高速增长的广告技术业务模式与数据原则。自2023年第二季度Axon 2上线后，其广告平台年化消费额在两年内增长约4倍，突破100亿美元，成为行业估值最高的广告公司。这一增长的核心驱动力是自研AI引擎Axon，它通过类似大型语言模型的技术路线，利用五个数据源（包括标准竞价信号、广告主数据、游戏使用模式、第三方SDK/像素数据及广告互动反馈）进行模型训练，并通过强化学习循环实现快速迭代——每次广告曝光都能获得数十次用户互动反馈，从而让模型越来越智能。

在移动游戏领域，Axon 2成功扭转了后IDFA时代的行业下滑趋势，使IAP收入恢复年增长中单位数，而使用MAX聚合的出版商增速更快。在电商等网页广告领域，AppLovin在短短数月内将年化消费额推至10亿美元，尽管产品仍处于早期阶段。公司强调其技术创造的是增量收入而非预算转移，许多广告主在测试中发现其带来的增量甚至超过100%，意味着AppLovin贡献了归因系统未记录的安装。

数据隐私是AppLovin重点阐述的话题。在iOS端，公司严格遵守ATT框架，不创建替代IDFA的设备指纹，仅使用日活级、非持久性信号（如IP范围、应用上下文）进行统计学习。IDFA仍然有价值但非必需——拥有IDFA的广告位CPM大约是无IDFA的两倍。公司明确不购买或出售第三方数据，不收集邮箱、电话等可识别身份的信息。其SDK仅收集操作系统公开API提供的基础设备数据，且竞价数据流在7天后清除。

归因方面，应用内广告依赖AppsFlyer、Adjust等MMP，使用IDFA或概率匹配（短时间窗口内IP匹配）进行归因；网页广告则使用自有系统，基于第一方像素cookie和交易ID，80%的转化在24小时内完成。公司强调广告主依赖自己的归因工具做预算决策，而第三方报告证实其流量带来的是发现而非蚕食。

最后，博客以美妆客户为例展示了Axon的冷启动能力：一个新广告在500次曝光后，模型通过15次点击和后续互动快速学习用户偏好，经过多轮迭代后实现高效投放。AppLovin将这一过程类比为TikTok算法对新视频的快速适配，认为其技术优势不在于数据囤积，而在于世界级的小团队工程实力。