AppGrowing的这九年，经历了广告的三次变革

互联网炸过两次

第一次，在 2000 年，纳斯达克暴跌 78%，科技股市值蒸发 5 万亿美元，原因很简单，绝大多数 PC 网页虽有流量，却无法换成钱。

后来精英们找到了答案——卖广告。

可历史再次重演。在 2021 年，移动互联网泡沫，仅中概互联市值合计蒸发超 1 万亿美元，大量独角兽估值腰斩、裁员退市。

不是卖广告就好了吗？

对，但怎么在一块手掌大小的屏幕上卖出足够多的广告，养活海量 APP 公司，从而让移动互联网生态能繁荣下去？否则，就没有那么多 APP 应用，苹果手机的交互创新也沦为鸡肋，人们将持续依赖邮箱与短信，移动支付和共享经济更无从谈起。

这是一个值得载入人类发展史的难题。

还好，人类再次找到答案：

把广告往，下，划。

Tweetie 发布下拉刷新（Pull to Refresh），人们第一次习惯了一个没有尽头的页面。内容不再一页一页切换，而是像瀑布一样不断流动，这一机制被称之为信息流。

更重要的是，「广告」和「内容」被综合在一个流里，用户看得越多，平台收获更多反馈，从而优化体验和推荐；用户日趋依赖，广告主也收获增长。用户、平台、广告主再次聚合起来。

新的问题：同质化与低质

故事没有结束，相反，新的问题来了。

人们发现信息流广告越来越雷同与低质。砍我一刀，油腻的师姐，鲲鲲鲲鲲鲲……一个爆款，会被全行业翻抄，直至彻底糊烂。

背后原因是，在上一代推荐体系里，一条素材始终是一个整体。

算法能够判断它表现好不好，却无法理解它由哪些内容组成。画面、人物、文案、节奏、音乐、情绪，都混在同一个结果里。

因此，想知道一条素材为什么成功，只能不断修改其中一个元素，再重新投放测试。广告行业长期依赖 A/B Test，本质上就是在用实验代替理解。

比如，让成龙和张家辉代言传奇类广告，喊“砍我一刀”，是真的能吸引一些怀旧党，但换个小鲜肉来，反而效果更差了，即使后者在当下的流量更大、代言费用更高。

大量测试数据，都只能说明现象，而无法回答这究竟是“为什么”，因此无法形成一个长期稳定的创意策略路线。但对“人”来说，这个问题很简单，玩过传奇的人年纪比较大，他们相信那个时代的国民巨星，仅此而已罢了。

回过头来，以往推荐算法对内容的识别能力较差，从业者想堆量，也往往限于表面。一个爆款出现后，被复制的是它的开头、画面和台词，而不是它真正有效的内容机制。

然而，这一套以物理堆量、暴力通投为核心的作业方式，正在被更先进的推荐算法汰换中。

新版本来了。

创意即定向：算法的涌现

科学家发现过一个现象：简单个体遵循简单规则大量聚合后，会凭空诞生出个体单独完全不具备的高级整体特性。

比如单只蚂蚁、蜜蜂只有简单本能，大量个体相互协作后，群体却诞生出个体不可能拥有的统筹筑巢、寻路、分配资源的智能，这就是涌现（Emergence）。

随着推荐算法不断进化，新的行业生态正在萌芽。

在抖音、TikTok、Facebook 等等平台的推荐系统里，一条广告素材里头的人物、台词、音乐节奏、镜头切换的节点……都在被算法拆解成无数的向量化特征，去找到喜欢这些内容的人。

创意即定向，素材长什么样，直接决定系统把它推给谁。

来源：《Hierarchical Structured Neural Network: Efficient Retrieval Scaling for Large Scale Recommendation》

比如双塔模型（Two-Tower Model），一边理解用户，另一边理解内容，广告主不再需要手动勾选"18-25 岁、男性、游戏兴趣”，你只需要做出符合 18-25 岁男性会停留的内容，算法自己就会找到他们。

升级，也伴随着旧玩法的溃败。

三年前，一个视频剪辑师一天能做 3-5 条素材。2025 年，AI 视频工具把这个数字推到 50 条、100 条，并且成本从每条几千块降到几十块。

好消息：产能爆炸了！

坏消息：在算法眼里都是同质化内容，流量池规模还是没变！

当大家都高产，就只能比谁的内容更优质。

优质的前提：新

但什么才算「优质」？

是更精美的画面吗？当然算。游戏 CG、高品质渲染，能打动一部分追求视觉、画风的玩家，在二游领域很常见。

更猎奇的剧情？也算。抓眼球的桥段永远有市场，只是用户免疫的速度越来越快。

但如果，这个方向目前已经有 1000 条素材了，继续做下去，还能拿到好结果吗？

不能。

因此优质的前提，是「新」。

即「有方向地堆量」，而不是在单一套路上卷到极致。

内容矩阵要足够宽——剧情、CG、录屏、真人演绎、招生办（UGC）等等，每种类型都能跑。但能不能跑通，不取决于你想不想做，而取决于你的游戏本身允不允许你做。

如果一款游戏的世界观不吸引人，即使你想做剧情向素材，编导也只能硬编；而愤怒的小鸟有角色、故事、情绪，自然能衍生出很多内容。

同理，你的游戏叙事如果只在国内有共鸣，出海做本地化内容也是强扭的瓜。但如果是末世废土、科幻生存这类海外用户也有认知度的题材，海外市场的内容空间反而比国内更大。

就像《丧尸清道夫》一开始不是在国内抖音爆火，而是被别人搬运去 Youtube 后火回国内。

好的「内容叙事」，更容易在信息流市场形成领先地位。这不单靠素材团队努力，更需要产品、美术在一开始，就打下叙事基底。

衡量叙事的三个维度

衡量叙事的维度有三层：

一是叙事的人群广度，二是对应人群的付费能力。

类《传奇》、《奇迹》、甚至《梦幻西游》内核的怀旧叙事，虽然不能打动广大 00 后群体，但算法识别到的、对这些内容感兴趣的人，当下付费能力并不低。人群广度×付费能力，不仅是一个游戏本身的生意体量，也是在做创意策略时，选择方向的标准公式。

做个梦核风格，还是砍我一刀？

请周杰伦还是张若昀代言？

即和内部的游戏本身有关，也和外部的目标受众有关。

三，是叙事的表面和内核不能太割裂，这也是最关键的一点。

拿《永劫无间》和《燕云十六声》举例，都是武侠题材。

《永劫无间》的表面叙事是武侠江湖，吸引进来的是喜欢武侠、角色、背景故事的人，但它的内核其实是硬核竞技——不靠队友、不看运气、输赢全看状态和练习时长——竞技是如此残酷，以至于真正的玩家受众群体很小。

也因此，《永劫无间》曾经火过，现在也有很多 UGC 内容和短视频，但始终缺乏国民度。

《燕云十六声》同样是打武侠叙事牌，但你可以与人竞技，也可以群体打 BOSS。不喜欢打架或社交，也可以过主线剧情、手搓古风建筑、捏脸换装、在开封城里闲逛解锁各种成就、甚至制作一碗大碗宽面⬇️

被其《武侠》叙事吸引进来的人，总能找到自己理解的武侠。同样投流，后者的留存和长期付费曲线会更好看。

第三次范式变化：立项即营销

游戏企业的组织变革速度非常快，其中有两次「范式变化」：

研运分离。2005 年到 2012 年，是渠道为王的时期，产品好坏不是决定性因素，因此研发商做产品，发行商负责运营和买量，通过「分工」让效率最大化。

研运一体。2012 年后，头部游戏公司自建发行团队，或发行商投资研发。流量精细化运营时期，要求研发团队理解用户，快速迭代。

如今，第三次正在发生：立项即营销。

一个游戏的核心玩法，能否在前 3 秒讲清楚？能否有足够多的内容方向，或在某个叙事上做的比同类更深？

一流的企业在定义类目，而后把定义「多元表达」，或者「深度演绎」。

平台的变化比广告主更快，抖音已经走向全域推广。背后的经济学逻辑也很简单，过去投手要选很多参数并给一个出价，即判断这批用户值多少钱——但当平台的推荐算法已经知晓“一个用户值多少钱”，自然要收回定价权。

早期我们还能说，通过堆计划、测素材、做假转化数据欺骗模型，找到流量洼地。但现在一切在全域算法面前无处遁行，留给广告主的是什么？

产品，以及如何讲好产品。

像短剧、小说、游戏，演绎的难度越来越高。

短剧有大量精华片段，其短平快的拍摄逻辑，本身就和素材很贴近；

小说，有大量的故事片段，甚至能自动化地让 AI 阅读-AI 构思-AI 视频生成；

游戏呢？

题材，玩法，代言人，哪个是新的素材起量方向，如何「演绎」好这个方向？

「演绎」能力，将会是广告主，也是内容团队的价值所在。

AI：团队里的百晓生

因此，未来的增长团队，需要有一个叠满 buff 的“人”：

懂产品，懂行业竞争，懂玩家心理，懂自家游戏的调性，最好还能记得从立项到现在的各种数据变化，比如记得三年前哪条素材跑爆了、为什么跑爆、当时的市场环境是什么？

可公司里，每个人都只懂一部分。

创始人懂产品但不懂执行细节，优化师懂执行但缺乏战略视野，创意人员懂表达但不擅长数据验证……

说白了，没有一个碳基生物能做到完美。

AI 可以。

Ted（AppGrowing CTO）认为，AI 不是在毁灭岗位，而是在满足这样“从来没人能满足的需求”。那些分散在不同人脑袋里的知识，AI 可以把它吃进去消化，再变成团队共享的记忆。

有了这样的“人”，能做的事就大大变多了。

在拥有 AI 工作流的企业里，一名广告优化师有想要验证的创意方向时，立马生成新素材进行测试。相比要等到周一开会，给设计提需求，一周后验收再测试的团队，素材的迭代速度不可同日而语。

Harness 与 Loop：AI 工作流的关键

AI 工作流和个人使用的 AI 大模型有什么区别？

有两个关键差异：Harness 和 Loop。

假设大模型是一名顶级人才，但他在街上闲逛，对你而言没有任何价值。你需要招募进来，给他一个办公室——包括公司的过往资料（记忆）、实时情报（数据）、干活必备的工具……这个办公室，就是围绕这个人才的框架，这是 Harness。

那什么时候该干活，什么时候该下班？每周固定要做哪些事，遇到什么事该做什么事？

比如周会前跑个一周复盘，这是「定时」开始；

检测到持续两周的素材内容有些同质化了，立马跑个近 30 天高频 Hook 报告，这是「看情况」开始；

有开始，有评价标准，有结束，这些就是 Loop。

一言以蔽之：

Harness 让 AI 像人一样在企业里工作，Loop 则让祂知道何时做什么，不做什么。

也因此，未来营销团队的竞争力，不是谁买了更贵的 AI 工具，而是谁拥有一套让 AI 持续运转的系统。

市场洞察给出方向，策略分析形成假设，内容生产快速验证效果，投放端反馈沉淀经验，而后再重新进入下一轮优化。

在这个过程中，

人-AI-数据工具是一个稳定的三角型，脱离任何一方都不行。

AppGrowing 过去三年的投入，就是在探索如何帮助团队建立这套新的协作方式：

不是 AI 代替人，是AI 第一次创造了一种过去不存在的岗位能力——团队里的百晓生。

新员工可以通过与 AI 交互，快速获得相当于在公司工作 3-5 年的经验积累，团队结构从以前的 多数 60 分的人 + 少数 80 分的人，变成 AI 保底 80 分 + 少数人做到 95 分，平均水平提升至 90 分。

结语：一人千面的新时代

回到那个问题：移动互联网的第二次泡沫，是怎么被消化的？

不是靠卖更多广告位——屏幕就那么大，

是信息流把有限广告位，变成了无限。

不是靠更精准的定向——标签总有尽头，

是内容本身成了定向。

我们不知不觉中已经找到答案，但面对这样一个新环境，要做的就是如何更快地结合 AI 去吃透，抓住这次潜藏在「内容」中的机会。

以前一家游戏公司真正厉害的优化师、创意负责人为什么值钱？

不是因为他会写 Prompt。

而是因为他踩过几千条素材，踩过无数次坑，形成了近似直觉的判断：

什么 Hook 玩家会停留？

哪种套路生命周期只有 3 天？

哪类明星代言其实不适合 SLG？

哪种剧情在东南亚和国内完全不同？

这些所谓的感觉，本质是看过大量样本后形成的概率，过去这种能力只能靠时间积累。新人再聪明，也得跟着看素材看个一两年，才能培养出感觉。

但现在，AI 第一次拥有了长出“感觉”的能力。

前提是，你有没有给它足够的数据、足够的上下文，以及一套能够持续学习的工作模式。

AppGrowing 做了整整九年，我们看过行业从 PC 横幅到移动信息流，从图片到视频，从账户中心到内容中台。下一步，不是千人千面，是一人千面。

同一个人，在同一天、同一个游戏里，

因为不同的情绪、不同的场景、不同的时刻，

看到完全不同的内容。

当内容开始实时适配人，意味着营销真正进入了一个新的时代。

那么现在要不要开始做 AI？

这个问题，一百多年前也出现过：“要不要把马车换成汽车？”

当汽车刚出现时，很多人觉得马车也够用了。因为他们每天往返的，不过是家 - 农场 - 集市。

直到他们拥有了汽车后才发现，真正的问题，从来不是汽车跑得比马车快，而是汽车能把一个人的生活半径，从几公里扩大到了几十公里、几百公里。

原本马车去不了的港口、工厂、城市，都变成了新的机会。

AI 也是如此。