大数跨境
0
0

Meta 广告算法变了,你的素材策略该变了

Meta 广告算法变了,你的素材策略该变了 AppGrowing出海观察
2026-01-04
8
导读:买量行业进入“内容即定向”的时代

在过去两年的出海游戏营销交流中,我们反复听到厂商提及一个相似的痛点:素材跑不动了。

更准确地说,是无论怎么调整定向,素材都跑不动。换人群包、改标签,甚至反复回滚历史有效的投放组合,有些素材依然无法冷启动,更谈不上放量。

在与多家出海厂商和广告从业者沟通后,我们发现,问题的根源并不在于素材数量是否足够,也不在于预算是否充足,而在于广告投放的传统逻辑正在失效。换言之,以往广告主能够通过“定向”控制和优化投放效果,但是现在已经行不通了。

究其原因,并非老生常谈的“流量触顶”,而是 Meta 等广告平台的算法模型发生了根本性变化。

在很长一段时间里,广告平台的分发逻辑可以被理解为一种撮合机制。在这个阶段,平台算法更像一位经验丰富的媒婆。

广告主告诉平台“我要 25–40 岁、玩过 SLG 的用户”,平台再根据历史行为,把符合标签的人群匹配给广告。这套体系,对应的是业内熟知的“双塔模型”:一边是用户塔,一边是内容塔,只要标签相似,广告就能被分发。

但这一逻辑正在被重写。

随着今年 HSNN(Hierarchical Sequential Neural Network)的引入,Meta 的分发模型逐步升级为“交互塔”。算法不再只关心“你是谁”,而是试图理解一个更复杂的问题:这个用户,在看到这条广告的前几秒,会不会产生情绪波动,会产生什么样的情绪波动?会不会进一步产生互动行为?

也就是说,在新模型加持下,平台算法从“媒婆”升级为“读心大师”。算法不再依赖广告主给的标签,而是直接“阅读”素材本身。

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

比如说,当一个用户在一条“母女在寒风中修补破屋”的广告上停留了 10 秒,以往算法会将其归类为“喜欢玩某类游戏的用户”,但是现在算法的理解变成了:他对“保护”“修复”“弱势群体”的叙事存在高度情感响应。

在新模型中,素材本身,就是定向。

来源:AppGrowing 国际版

算法模型的升级,实际上是对整个买量逻辑的重构。

第一,素材被系统性重新归类。HSNN 能够对海量广告素材进行系统性的内容理解,并且按照画面结构、情绪走向、互动方式等维度进行分类。素材一旦被归入某一内容集合,就会在很大程度上影响其冷启动表现。

进入“高转化结构”集合的素材,往往能获得更稳定的曝光;反之,即便预算充足,也很难跑出效果。这也就意味着,素材的命运在上线之前就已经被决定了一部分。

第二,简单的“洗素材”打法正在失效。对跑量素材进行快速变体并再次投放(比如换个背景、改个美术皮、替换几个玩法元素),是常见的起量打法。但在交互塔模型下,算法关注的早已不是表层差异,而是结构与情绪曲线。

比如我们想对一则使用了沙漠世界观的爆款素材进行变体,如果只是把“沙漠”换成“冰雪”,却没有重构叙事张力和情绪递进,算法依然会判定其“内容相似但价值不足”,从而限制分发。

第三,“标题党”内容开始反噬账户权重。前面提到,交互塔更重视用户体验的完整闭环。如果素材通过强刺激吸引点击,却在下载后迅速流失用户,算法会将其视为“体验破坏型内容”,不仅影响单条素材,还可能波及整个账户的分发权重。

来源:AppGrowing 国际版

对于厂商而言,这意味着一个明确的信号:内容即定向的时代已经到来,任何试图“欺骗算法”的策略,都会被更快地识别并反制。

当算法开始理解内容,厂商真正需要的,就不再是“更快地做素材”,而是更系统地理解什么样的内容结构,能被算法和用户同时接受。

过去分析竞品素材,更多关注的是投放时长、曝光量、转化率。但在新的算法环境下,更关键的问题是:这条素材触发了用户的哪一种情绪?又如何复刻这套内容逻辑?

第一步:从“拆画面元素”到“拆情绪结构”

这里举个例子,我们需要拆解柠檬微趣《Gossip Harbor》的某一则爆款素材。运用 AppGrowing 的“AI 画面解析”功能,可以很容易拆解出一组高度重复的核心元素:雪、婴儿、哭泣、破损的房屋、修复失败。

来源:AppGrowing 国际版

但这还不够,我们还需要进一步提炼出这些元素背后的情感叙事公式。为了避免工作量翻倍,可以借助“AI 策略分析”功能,拆解情感元素和归纳叙事公式。

这些核心元素背后隐藏的是“绝望感、保护欲、同情心”等人类共通的情感触发点,综合指向一个稳定的叙事公式:“极端环境 + 弱势群体 + 可互动的修复行为”。

来源:AppGrowing 国际版

第二步:从“模仿素材”到“复刻策略”

当核心公式被提炼出来,那么它就不再局限于某一个品类。

同样的叙事逻辑,可以迁移到不同题材中。例如,将“破屋修补”换成“末日基地防御”,将“自然灾害”替换为“僵尸入侵”,只要叙事底层逻辑一致,算法依然能够将其归类到对应的内容集合,从而触达目标用户。

来源:AppGrowing 国际版

沿用前面得到的《Gossip Harbor》素材内容核心公式,假设需要为一款“末日僵尸”题材的 SLG 产品制作广告脚本,我们就可以输出这段  prompt 并交给“AI 策略分析”

你是一名资深的广告创意总监,正在为一款【末日僵尸 SLG】制作广告脚本。请分析《Gossip Harbor》爆款脚本(脚本内容:母亲带着孩子在风雪中修补漏雨的屋顶,修补失败后被赶出家门)。


要求:

1. 保留其“资源匮乏、绝望感、保护弱小、失败触发同情心”的底层逻辑

2. 将场景替换为末日题材,“漏雨屋顶”替换为“破损的基地”,“赶出家门”替换为“僵尸入侵”

3. 生成 3 个不同侧重点的脚本,确保能在前 3 秒制造出能被广告算法识别的“保护欲”冲突点

很快,就可以得到多个基于同一核心公式的差异化创意脚本,实现“旧瓶装新酒”:

左右滑动查看更多 AI 创意脚本

这一套流程走下来,广告主不仅可以通过“AI 策略分析”拆解素材创意,还可以帮助理解内容、复刻策略、验证方向,并在与算法的博弈中重新掌握主动权。

当算法决定“谁能被看见”,真正的竞争早已不在素材数量,而在内容理解能力。

在内容即定向的时代,只有把 AI 用在“思考层”,而不是“执行层”,才可能跑赢下一轮算法升级,找到真正可持续的增长路径

以上为《Meta 广告算法变了,你的素材策略该变了》。

*以上相关广告素材由 AppGrowing 国际版 采集于公开之信息,仅为研究分析所用,相关版权归原著者所有。内容仅供一般性参考,不应视为针对特定事务的意见或依据。

*部分内容参考自Hierarchical Structured Neural Network: Efficient Retrieval Scaling for Large Scale Recommendation

推荐阅读

More from App Growing Global

*2026 年的游戏买量市场,已经是 AI 与 AI 的较量

*上线两个月,吸金超千万,乐易网络推出爆款 SLG 续作

*FunPlus 又一轻量化 SLG,这次卷进了“搜打撤”赛道

点击“阅读原文”立即注册体验

【声明】内容源于网络
0
0
AppGrowing出海观察
AppGrowing 国际版是有米云旗下全球移动广告策略分析平台,致力于为全球移动应用广告主提供精细化的广告创意分析和全方位的市场策略洞察,助力出海投放企业实现本地化营销。
内容 413
粉丝 0
AppGrowing出海观察 有米科技股份有限公司 AppGrowing 国际版是有米云旗下全球移动广告策略分析平台,致力于为全球移动应用广告主提供精细化的广告创意分析和全方位的市场策略洞察,助力出海投放企业实现本地化营销。
总阅读5.5k
粉丝0
内容413