今年ChinaJoy，我们在上海打开了两种截然不同的体验。
一边是穿越未来城市副本的「Metal Odyssey」概念派对，在音乐、光影与互动任务中，与老朋友重逢、认识新伙伴；另一边是观点密集的游戏出海高峰论坛「智链全球2.0」，与行业专家共同拆解AI时代的全球市场、智能增长、数据决策与发行实践。
从尽兴相聚到深度交流，从未来想象到增长方法，现在就跟随镜头，一起重温今年ChinaJoy的精彩瞬间。
Metal Odyssey：跃迁未来，开启城市副本
7月31日晚，AppLovin携手Adjust、Liftoff和Pangle共同打造ChinaJoy概念派对「Metal Odyssey」。当夜色降临，上海的城市天际线化身通往未来的入口。到场嘉宾从“新手签到”启程，在沉浸式光影、主题互动和派对任务中逐步解锁属于自己的探索路线。
从AI互动、光洞预言到派对BUFF，从限定特调、能量补给到惊喜礼物，每一个环节都为这场未来之旅增加了新的体验。有人在任务中解锁隐藏彩蛋，有人在音乐和碰杯声中遇见新朋友，也有人把新的合作灵感带出了这座“未来城市”。
感谢每一位到场的探索者，与我们共同完成这次「Metal Odyssey」。未来的故事尚未结束，而关于游戏增长的新答案，已经在另一场相聚中展开。
智链全球2.0：解码AI时代的游戏出海新生态
7月31日，AppLovin联合Sensor Tower、Liftoff与Adjust举办年度游戏出海高峰论坛——“智链全球2.0：解码AI时代的游戏出海新生态”。
活动现场，AppLovin大中华区Gaming高级增长经理Frank Pang以《AI时代的增长重构：中国游戏出海的新打法》为题，围绕AppLovin Ads、新品测试、广告活动优化、长线回收与素材策略，分享了AI驱动下游戏出海增长的新思路。下面这份精华笔记，带你快速回顾现场干货。
当AI逐渐成为游戏行业的新基础设施，全球游戏市场也迎来新的增长拐点。从买量策略到内容生产，从数据决策到全球发行，AI正在重塑游戏增长的每一个关键环节。
在Frank看来，AI带来的变化并不只是自动生成素材或提高执行效率。更深层的改变是：增长团队需要把目标、数据、预算、市场与创意转化为更清晰的信号，让平台的智能系统拥有充分的学习空间。游戏出海的竞争，也正从单点投放技巧，转向一套更系统、更长期的经营能力。
AppLovin Ads全面开放：让AI围绕商业目标自动寻找高价值用户
分享伊始，Frank介绍了AppLovin在用户增长与广告变现两端的产品能力。数据显示，在美国Android平台下载量排名前30的免费益智游戏中，超过96%使用AppLovin Max进行广告变现；在iOS平台，这一比例超过93%。这意味着，对于许多游戏厂商而言，Max已经成为连接广告需求与变现收入的重要基础设施。
在买量侧，AppLovin Ads自助广告平台已面向所有广告主开放。企业无需业务对接或推荐码，即可直接注册、创建广告活动并启动投放。平台由AppLovin AI赋能，目前支持三类核心投放目标：以收入回报为导向的ROAS、以获取付费用户为导向的Cost per Purchaser，以及面向线索型业务的Leads。对于游戏广告主而言，关键并不是预先圈定一批“看起来可能付费”的用户，而是明确回收目标、持续提供转化与收入信号，再由系统动态完成匹配、竞价与优化。
这一变化也重新定义了增长团队的工作重心。过去，优化往往依赖人工拆分受众、频繁调整出价；在AI驱动的平台上，团队更需要回答三个问题：希望系统优化什么结果？能否提供足够稳定的数据？是否给了算法充分的预算、市场和素材空间？目标越清晰，反馈越完整，平台越有机会找到真正具备长期价值的用户。
新品测试：先选对计费方式，再为学习期准备足够的数据
针对新品冷启动，Frank重点介绍了CPM计费方式的应用场景。与以结果计费的传统思路不同，CPM模式可以帮助广告主更精准地控制预算，并由系统在既定预算内持续优化ROAS。对于缺少历史回收数据、需要严格控制测试成本，或尚未明确回收目标的新游戏，CPM提供了一种更适合验证真实回收潜力的起点；对于已有稳定数据、希望快速验证放量能力的成熟产品，则可以结合CPI及IAP ROAS、Ad ROAS、BLD ROAS、CPP等优化目标进行测试。
Frank将AppLovin的新品测试特点概括为“没有蜜月期，所见即所得”。换句话说，测试阶段观察到的结果更接近产品的真实市场表现，因此可以作为后续调整产品和投放策略的参考，也能帮助团队更早判断一款游戏的消耗潜力与规模上限。
但选对计费方式只是第一步。要缩短学习周期，广告活动还需要积累足够的付费事件。Frank建议，测试时应尽量保证每条广告活动能够获得充足的payer数据；如果预算有限，与其把资金分散到多条活动，不如集中资源，让一条活动先建立有效的学习信号。同时，团队可以提前并行布局D7与D28，以及IAP、IAA或混合变现等不同目标的ROAS活动，为短期验证与长期放量保留更多选择。
数据评估：不要让D0、D3、D7遮住真正的长线价值
Frank在分享中反复强调，游戏增长不能只看短线是否达标。若仅依据SKAN D0，或D3、D7的即时表现进行跨渠道比较，很容易低估长周期活动带来的用户价值，并因此过早降低预算或暂停广告活动。
演讲中的案例显示，一条以D28 IAP ROAS为目标的活动，在D0或D7阶段可能暂时落后于其他渠道，但随着回收持续累积，其增长系数可能在D30之后实现反超。案例中，AppLovin与渠道A的D7至D30增长系数分别为2.75倍与2.45倍；进入更长周期后，D28活动的优势进一步显现，并在D45阶段高出渠道A约10%。
这组数据所说明的，并不是所有项目都应机械选择D28，而是评估口径必须与优化周期相匹配。跨渠道对比时，既要看D7、D14、D30的回收绝对值，也要观察D30、D60、D90乃至D180的增长曲线。只有把短线效率和长线价值放在同一张图上，团队才能在保证回本要求的同时，避免错失真正的放量空间。
全球放量：扩大市场覆盖，但要按国家设置不同目标
当平台依赖更多数据完成学习时，过窄的地域设置同样会限制增长。Frank建议，广告主应从只投少数核心国家、使用统一Goal值，转向更广泛的全球测试，再根据不同国家的增长系数分别设定目标。
不同市场的获客成本、付费结构与长线回收速度并不相同。如果所有国家共用同一门槛，部分T2、T3市场可能因为前期数据不够亮眼而被过早排除。更合理的方式，是在扩大区域覆盖的同时做好分国家评估：让成熟市场承担稳定回收，也让潜力市场获得足够的学习与验证机会。
预算策略也要与这一逻辑配套。Frank并不建议用过小预算缓慢试探，因为数据不足会拉长学习期、放大波动。测试预算应尽可能支持稳定的付费事件积累；当活动达标后，也应在验证承接能力的基础上及时放量，使系统能够延续有效学习，而不是在频繁、细碎的预算调整中不断重启判断。
素材策略：AI提升生产力，但“持续提供新信号”更重要
AI正在降低视频素材的生产门槛，但Frank提醒，素材竞争的核心并没有因此变成“生成得越多越好”。真正重要的是持续提供差异化创意，让系统能够识别不同表达与不同用户之间的匹配关系。
从平台数据看，相比单一素材组合，包含多视频、多试玩的n×n素材组拥有更高的消耗占比，并呈现继续增长的趋势。在D28 Ad ROAS与D28 IAP ROAS活动中，n×n素材组的回收分别提升22.4%和15.5%。这说明，素材多样性并非单纯增加量级，而是在为AI系统提供更丰富的测试空间和更优质的流量。
试玩广告同样值得重点投入。Frank分享的观察显示，试玩广告的花费潜力突出，上传数量较多的游戏往往也拥有更高的整体消耗表现。团队应准备多个试玩方向，持续迭代表现优秀的版本，并根据消耗节奏调整上传频率。与此同时，视频素材仍是主流，头部品类保持着较高的更新速度；高频测试、快速复盘和持续上新，已经成为维持竞争力的日常能力。
从“人工控盘”到“系统经营”
回看Frank的整场分享，AI时代的增长并不意味着把投放工作完全交给算法。相反，它要求团队用更准确的目标、更完整的数据和更科学的测试设计，与智能系统建立高质量协作。
对于希望拓展全球市场的游戏厂商，这套方法可以归纳为一条清晰路径：新品阶段根据数据基础选择CPM或CPI等计费方式，并为学习期配置足够预算与素材；投放过程中并行观察不同优化周期，不以短线数据草率否定长线价值；进入放量阶段后扩大区域覆盖，按国家增长系数精细设定目标；在素材侧持续输出视频与试玩广告，为系统不断补充新的增长信号。
AI正在把重复的执行工作交给平台，也把更重要的判断留给增长团队。真正决定出海上限的，将不再是某一次投放中的局部技巧，而是企业能否围绕产品价值、用户价值与长期回收，建立一套可验证、可迭代、可规模化的增长系统。
更多现场精彩照片⬇️
从「Metal Odyssey」中的未来城市想象，到「智链全球2.0」中的增长方法碰撞，今年ChinaJoy让我们以不同方式再次感受到连接的价值。
期待2027年再次相聚，继续探索游戏全球增长的新可能。