讲了太久“承压”，今年全球广告行业终于有了欣喜变化。

首先是市场复苏已带来显著的业务提升。

国内，绝大多数互联网公司们在今年二季度的广告业务都实现了同比增长，BAT三家恢复了两位数增速，拼多多的广告收入增速甚至达到了50%。海外亦是如此，二季度谷歌的广告收入在连续两季度下滑后终于重回增长，亚马逊和Meta的广告收入也都高于分析师预期。

其次，今年广告业也有了更多创新突破。

国内，百度和阿里妈妈都宣布AI全面运用于商业化，从广告技术、应用到解决方案都有更新和升级。巨量引擎也推出了基于AI的直播脚本生成和智能成片工具；而腾讯针对视频号、小红书针对直播都在加速补齐多项商业化能力；快手磁力引擎在流量扩容、提效和产品化三方面推出新产品及工具；B站、知乎也在抓紧结合自身特点建设商业化能力。

在海外，各大互联网巨头不约而同地借助AI做广告创新——谷歌、亚马逊和Meta基于AI的智能生成广告素材产品已覆盖图文及视频等多种内容形态，微软和Snap推出类ChatGPT的对话类产品中都在尝试加入广告链接。

但为新技术而兴奋之外，我们还看到海外营销的起起落落——Twitter改名后大批广告主流失；Meta则宣布Reels年化收入已达百亿；谷歌的隐私沙盒终于落地，行业新一轮争议又起；Pinterest和亚马逊牵手，讲起了“种拔草一体”的故事；TikTok则是“两手抓”，在营销和电商业务上都动作频频……

海外消费者的触媒习惯、主流的媒介类型、商家经营方式都与国内存在明显差异，这会直接体现在广告产品以及业务上。从今年的这些动态来看，似乎也给国内带来启发。他们具体在做什么？有哪些差异化布局？其行动路线和方向又有哪些？

AI狂热，元宇宙落寞

今年AI有多火热已不用赘述。手握大模型的海外巨头们，行动速度都相当快，如今基于AI的广告新产品及工具已有不少能落地应用，整体来看包含了三大类：广告内容生成、bot以及广告自动化升级。

聚焦在内容智能化生成是水到渠成的，因为生成式AI其核心就是从已有数据中学习，进而生成新的原创内容或产品。目前，谷歌、亚马逊、Meta等海外大厂几乎都已有相关的产品或工具，主要功能是通过生成式AI来生成文本、图像、3D、视频等多种形式的内容，帮助广告创意生产方优化创作、提高效率。

图源：Google AI官网

比如谷歌的Product Studio，可让商家为产品素材自行设计图片整体的背景；AI创意指导在YouTube中使用时可帮助商家去判断品牌标志、广告时长和宽高比怎样更合适。亚马逊的一大AI工具是让卖家简要输入商品信息，即可自动生成适配的广告文案。

对比来看，海内外巨头在AI智能生成广告内容这一方面，既有相似之处也有不同的思路：相似的是，商家现在只需要有最基础的产品信息和素材就都可以生成广告文案和素材，显著降低门槛。不同的是，国内更期待的是用新技术去直接生成可商用广告，且最好还能一键投放。但海外更为看重广告创意，所以在图片和视频生成方面更强调用AI来做辅助和优化。

ChatGPT的备受瞩目，让对话聊天型bot这种产品形式最先广泛落地。

运用在商业中，开发者主要是在用户在与对话时，将广告商的营销信息插入其中。微软的New Bing、谷歌的Brad和Snap的My AI都属于这类产品，目前微软和Snap都明确表示已经在其中加入了广告链接。

以New Bing为例，用户在聊天答案正文中会看到品牌相关链接，当你将鼠标悬停在链接上还会显示更多。同时，在聊天结果下方用户还会看到“了解更多”的选项，这些也是指引用户看到更多品牌相关信息的入口。Snap的My AI也是类似，比如用户询问去哪里吃晚饭时会提供由当地餐厅或外卖应用赞助的链接。

国内目前还没有类似的产品推出，在海外这一产品要真正广泛应用起来也为时尚早：一方面相比于成熟的搜索引擎，这种新产品让广告出现的时间、位置都不可控，而且大众还没有高频次地使用起来，所以广告主态度仍谨慎。另一方面是用户本能的想要避开广告，所以在Snap的My AI宣布要测试投入广告时，就已有不少用户在社交媒体上表达了不满。

图源：Microsoft Bing Blogs

广告自动化则是更广泛地应用了AI的能力，主要是让AI在预算优化、投放流程、数据归因等多个方面发挥作用，提高投放广告全流程的效率和效果。

谷歌2020年提出的Performance Max计划是一典型案例。这是一种以目标为导向的新型广告产品，有诸多创新升级的功能。比如跨渠道通投，广告主只需制作一个广告，就可以对接YouTube、搜索、Discover、Gmail和地图等所有Google渠道进行投放。再比如广告主可以将销售、潜在客户获取、本地实体店光顾和促销等目标都同时选中，后续各项工作几乎都能交由系统智能化完成。因为广告出价、预算优化、受众群体精准触达、广告归因和监测，这些机器学习模型都可以更准确地预测和计划如何做的效果最佳。

图源：Google Ads官网

基于AI的各类创新如火如荼，曾火爆一时的“元宇宙营销”似乎就成了明日黄花。

去年一整年广告营销行业都在为“元宇宙”而兴奋，对此的畅想也相当多：包括如何在虚拟世界创造更身临其境的购物体验、品牌是否可以彻底改变与消费者互动的方式、甚至是帮助品牌去创建了线上专属空间。

一众科技巨头中，Facebook在去年率先重命名为Meta，并将自己的筹码放在虚拟宇宙概念上。但热度来得快去得也快，今年Meta的虚拟世界应用程序的用户数量仍较低，海外媒体也普遍评价“市场还没有完全准备好接受其所描绘的愿景”，自然而然品牌商家对其能否用来做广告这一点也仍处在观望状态。

人们在虚拟环境中花费的时间要多久才会像如今在移动设备上一样多，仍是个未知数。

Meta今年也无法逃开要跟着行业热点去讲AI这个新故事的命运，扎克伯格在今年二季度的财报电话会上也提到“我们正在驾驭两个技术浪潮，近期的人工智能和长期的元宇宙”，显然AI的紧要性更高。而目前Meta也已经推出了AI Sandbox，主要是做内容智能化生成，不过Meta的目标更为远大，此前就表示要了解对广告商有效的生产性功能有哪些，然后将其都吸纳进去。

图源：Meta官网

AI和元宇宙其实并不是完全独立的技术，但显然生成式AI的应用速度更快，且应用效果更为真实可见。

AI和元宇宙的潮起潮落，其实不只是风口的变换，这种表象下也体现出了品牌商家如今更加追求新技术真正能为生意带来些什么的务实心理。

“老问题”数据隐私，“新解法”持续推进

除了跟上“新热点”，包括Meta在内的一众海外巨头们今年也还在应对一些“老问题”——数据隐私。

2021 年苹果更改iOS系统，推行隐私新政以限制应用程序跟踪用户行为的能力。这使得广告平台精准定位能力、归因准确性都随之受到影响，巨头之间矛盾因此加剧。Meta多次抨击苹果隐私新政为行业带来负面影响，并在去年明确表示将因此损失100亿美元。

现实已无法更改，Meta不得不在抨击的同时，加紧构建无需跟踪用户即可做广告的产品，今年其重点工作之一也仍在于此。在近期，挪威就对Meta利用用户个人资料投放定向广告发布了禁令，若不遵守规定Meta将被处以每天100万克朗（约10万美元）的罚款。所以对于Meta而言，加紧做新产品不仅是要适应苹果的变化，其实也是到了一个必须为了适应数字广告数据使用现状而做出改变和升级的时刻。

在苹果隐私新政引发巨大争议的同时，谷歌的隐私沙盒（Privacy Sandbox）其实也带来了行业冲击。

2019年时谷歌就宣布将放弃对第三方Cookie的支持，并提出了“隐私沙盒”计划，旨在引入更新的、更具私密性的广告解决方案，限制与第三方共享用户信息；在实现不跟踪用户前提下，让广告主通过更安全的方式来完成广告推送。由于除了搜索广告之外，互联网上大部分广告都需要仰仗第三方Cookie的追踪来记录用户，所以禁用Cookie就会对业内多方造成巨大影响，行业内不满的声音也相当多。

此前，全球性广告技术平台汇量科技负责人曾告诉「深响」：“不同于IDFA之于苹果，对于以搜索业务起家的谷歌而言，在线广告在谷歌整体业务的战略意义更高，所以我们可以看到谷歌也在广泛地征询生态内参与方的意见，承诺了至少两年的缓冲周期。”

今年，缓冲期已接近尾声，谷歌正式开始在Chrome浏览器中向大多数用户推出隐私沙盒，并将在未来几个月内实现100%覆盖。此前隐私沙盒还只是个概念，但现在已付诸实践。

浏览器将充当用户和网站之间的中介，涉及个人隐私的内容迁移到浏览器本地做存储和处理，其他网站只能获取部分信息。用户可自定义他们感兴趣的广告主题、想要启用的相关性和测量API，或者是选择完全退出这些功能。未来如何去做精准定向广告投送，谷歌所推出的一系列技术替代方案仍需时间验证，对广告主而言现在已经到了一个必须要明确更多条可行出路的时候。

图源：谷歌The Privacy Sandbox 官网

数据隐私保护是必然趋势，关于广告投放巨头这边已有新技术，那么必须要看清楚数据的归因监测环节，广告从业者们怎么办？

其实谷歌、Meta以及亚马逊在近几年也有所准备——投入于MMM（Marketing Mix Modeling）营销组合模型。简单理解，就是巨头们设计一套统计分析技术，来测量包括自身在内的多个渠道和多种营销行为对整体销售及ROI的影响。

这个模型并非是新鲜物种，早在20世纪60年代就开始使用，只不过因为数字广告的兴起，这种不能够极精确定位、跟踪和衡量的方式逐渐过时。不过虽是旧办法，但数据总归是新鲜可用的。亚马逊可为其 MMM 模型提供来自全球最大零售媒体网络的数据，Meta 可提供其众多APP里数十亿用户的数据；同样谷歌也可以利用从 YouTube、搜索、Chrome和地图中挑选的数据。巨头们推出这一模型，是在一定程度上“开源”了数据，为品牌和广告营销机构所用。

无论是用户自身对于数据隐私保护的意识增强，还是各国陆续到位的数据保护法案，都已经为互联网广告指明了方向。虽然巨头带来争议犹在，但数据隐私保护的车轮已经在合规前提下滚滚向前。

海外也要“种拔一体”

数据隐私新政的推进，确实对像Meta这类主要做定向广告的社交平台产生了显著负面影响。但所谓“柳暗花明又一村”，海外市场上视频化也已是主流趋势。海外用户也在短视频内容上投入着大量的时间，从短平快的视频广告中“种草”商品，为兴趣下单。视频广告随之起势，替代了广告主原来曾有的一部分社交广告需求。

Meta旗下应用Instagram所推出的短视频功能Reels（内置于Instagram中）就是受益者。

根据扎克伯格在今年二季度财报电话会上所说，目前Reels每天的播放量超过2000亿次，日分享次数达20亿次。Reels在商业化方面取得了良好的进展，有超过四分之三的Meta广告客户正在使用Reels广告，其年化收入从去年秋天的30亿美元，已上升到现在的100亿美元。

图源：Instagram官网

不只是做广告，Reels整体商业化大踏步向前。Instagram 早已有电商业务布局，并且今年也逐渐从“外链”向“闭环”迈进，用户在Instagram中看短视频，而后就可以直接点击链接，跳转到品牌商家的店铺中购买，实现“种拔草一体”。

TikTok的思路也是如此。今年8月开始TikTok开始加紧做闭环，9月12日在美正式上线电商服务，其电商生态在加速构建完善。由于“营”和“销”又始终紧密连接、彼此带动，所以TikTok广告业务也有推陈出新的功能和产品。

早在4月，TikTok就开始邀请新卖家进行内测。TikTok同步也推出新网红营销渠道，测试了一个针对创作者的联盟营销计划，也就是创作者为品牌推广产品即可赚取佣金。近期，TikTok也开始做搜索广告，整体上和国内抖音思路完全一样，就是在用户搜索后品牌的视频广告会和自然内容一同出现。

短视频平台将广告和电商在站内串联了起来，传统的电商平台也没有忽视用内容种草的大趋势，通过合作实现“种拔一体”就成为了亚马逊的核心思路。

今年4月份时，亚马逊就和Pinterest牵上了线。

Pinterest是一款以瀑布流图片为主的社交内容平台，用户通常在平台上分享时尚内容和室内设计灵感，也有不少品牌早早入驻和布局。与国内的小红书很相似，用户对购物相关内容的接受度普遍较高，用国内主流概念来说就是具备“种草属性”。与亚马逊合作后，用户会在Pinterest 上看到更多亚马逊广告，点击时将会直接跳转至亚马逊的购买页面快速“拔草”，实现更加无缝的购买体验。

当然对亚马逊来说这种合作多多益善。不只是与Pinterest合作，亚马逊今年也将广告扩展到了BuzzFeed、Hearst Newspapers、Raptive 和 Ziff Davis 旗下的 Lifehacker、Mashable等内容分享类应用和网站上，亚马逊也提到是“开启了商品推广之旅”。

如此合作带来的自然会是“双赢”。一直以来许多亚马逊卖家对于如何在社媒上做营销运营其实并不熟悉，通过合作即可直接覆盖各类社交内容平台，打开了曝光量和流量增长的大门。而对于Pinterest等内容分享类平台而言，这也能为平台吸引更多对购物感兴趣的用户提供了助力。用户体量若能因此而持续增长，更多品牌方自然也会更愿意前来做广告，平台的广告收入随之提升。

国内几大电商平台也在和B站、小红书、微博等社交内容类平台展开广泛合作。内容平台上海量创作者产出营销内容，而后设置好跳转链接，用户即可一键来到电商平台商品详情页进行购买。不过，国内电商平台更希望自己也能够做内容，目前淘宝、京东、拼多多内都有短视频内容，而淘宝今年的一大战略就是全面内容化，短视频、直播切片及直播间都是站内重要内容。

从上述来看，海外互联网平台在广告领域所做的，几乎和国内大厂们没有太多不同，甚至国内的广告营销理念上还会更领先一步，有更多概念和玩法，整体上更纷繁复杂。

比如国内的内容平台早就开始探路做闭环电商，在站内实现营销经营一体化。再比如海内外平台现在更多还是用AI技术针对具体环节做优化，而百度近期已推出全球首个AI Native营销平台轻舸，用自然语言对话模式完全改变了传统的投放模式。

不论海内外，广告总是牵一发而动全身。如今广告日益成为集创意、技术、数据、策略、媒体、服务等等的综合体，也就牵动进来了更多种角色为同一生意而发力。有了AI等新技术的加持、对数据的合理运用以及更多要贴近生意增长的策略和趋势，广告行业整体都在降本增效，都能获得正向激励。

作者：吕玥

来源公众号：深响（ID：deep-echo）

以下是观察根据全球 47 个国家/地区、23 家全球性媒体平台的广告数据，对2022 年 9 月应用海外买量特征进行的分析。

9 月应用广告和素材投放量整体呈下滑趋势，月中素材量投放有所上涨，但后期继续减少，呈下降的变化趋势。

在重点类别投放方面，图书类、新闻类应用延续之前的买量趋势，广告量投放占比远大于对应投放的 APP 数量占比。

在投放地区中，9月应用广告投放重点地区占比同上个月相比均有所上升。

头部应用开发者主要来源地区方面，除印度外，其他地区占比均有所下降，土耳其跻身本期榜单，排位第六。

热投应用&推广榜单

9 月应用投放排行榜中，购物类应用《Shopee》加大买量，本月跻身 App Store 端榜单第一。

应用厂商投放排行榜方面，本月共有七家国内厂商进入 TOP10 榜单。点众科技加大买量，进入榜单第十。

热投应用素材&文案盘点

素材一：

来源：AppGrowing 国际版

素材二：

来源：AppGrowing 国际版

作者：白鲸出海

来源：白鲸出海

作为出海变现的第4篇，聊一聊《广告竞价策略》。

前面在《广告变现的关键指标》中提到过部分关键指标，广告收入=广告请求*填充率*展示率*eCPM，广告请求和展示率很大程度与广告聚合SDK的请求及缓存机制有关。而竞价策略更多是为了其中填充率及eCPM两个指标服务。

PART.01 如何选择广告平台

同广告聚合一样，市面上的广告平台一样很多，对于如何选择应当有这样几种考量因素：

1. 广告样式是否能满足需要？

一般游戏最常见的三种广告样式：激励视频、插屏和Banner。大部分平台都是支持的，而游戏广告收入的主要组成部分是插屏和激励，因此选择广告平台的时候尽量选择插屏和激励效果较好的广告平台。

2. 产品功能

比如是否在后台自主设置底价？比如是否有提供API接口，方便后续读取数据？

3. 考虑地区、用户差距

不同广告平台的在不同国家的表现差异是非常大的，开发者要结合自己流量分布的情况选择合适的平台接入，比如AppLovin在欧美等T1国家是表现较好的广告平台，但在欠发达的T3国家如印度、印尼就是相对比较鸡肋的广告平台。

4. 集成的便捷性、版本的稳定性

你选用的广告聚合是否支持该广告平台？同时广告平台是否能提供持续稳定的服务？

由于广告平台的数量实在太多，我这里就不一一汇总了, 我目前接触到的有Facebook、Admob、Ironsource、AppLovin、Unity、Vungle，都是相对较为常见的广告平台。个人认为接入5-6个广告平台来作为主要的变现渠道，完全足够。一次接入过多的广告平台，会导致游戏包体会更大，进而影响到下载和留存，同时也增加了后续的维护成本。

PART.02 竞价策略

目前市面上主要有三种竞价策略：

1. 传统瀑布流（Waterfall）

瀑布流模型（Waterfall）是传统用于应用广告的变现模型，开发者预先给各个广告平台设置预期eCPM出价，并进行优先级排序。当用户触发广告时，优先给出价最高的广告平台展示机会，如果该平台不填充则会流至出价第二的广告平台，通过漏斗的方式，直到有广告被展示。

2. 应用内竞价（In-App Bidding/Advanced Bidding/Header Bidding/Open Bidding）

应用内竞价在各个广告聚合中有不同的说法，但强调的都是Bidding的概念。在传统的瀑布流，想要填充一次展示，广告平台需要排队出价，直到广告位得到填充。广告平台按历史CPMs均值顺序排列，这样的竞价机制会造成延迟，同时也会错过许多高出价机会。

而通过统一的实时竞价机制，应用内竞价可以保证开发者的每次展示都是最高出价。所有的需求合作方在同时间竞价，出价最高的合作方获得该广告位的展示机会，从而让开发者获得更多收益。

3. 混合模式

由于应用内竞价是一个较新的概念和技术，一些游戏开发者已经在使用应用内竞价，而一些则考虑在不久的将来采用该技术；因而，混合方式作为一种过渡模式存在（即使用Waterfall广告聚合网络和竞价广告网络）来产生收益。

目前行业的趋势走向，游戏行业短期还是会以一种瀑布流加上应用内竞价共存竞争的形式存在，但长期则会逐渐转变为应用内竞价的这种变现模式。

PART.03 传统瀑布流的配置策略

1. 配置基本原则

头部抬高价格，保证高价卖出；中间部分要保证一定填充和展示；底部低价处理。如果eCPM比较高，填充较低，则尝试降低eCPM提升填充；反之亦然。总而言之，找到eCPM和填充率的平衡点，实现价值最大化。

2. 配置建议

初始建议：

先接入几家常见广告源，每家1层，出价选择系统出价（刚开始数值不重要，只是为了排序），取到7天平均值以后再修改初始数值。中介组中的价格设置只是为了排序，最终出价需要在三方广告源的后台中设置价格，以三方广告源的最终价格为准。

分层不要太密也不要过多：

各个之间有一定落差，分层不至于过密，导致广告请求浪费。广告填充低于10%、广告展示量低于1000的层数可以选择合并，因为一个请求到平台告诉你这个请求没有填充，大概要耗到1~2秒。如果有很多层都没有填充，加起来耗时就会很久，这样就会影响广告的一个展示情况。

时间频率不能过于频繁：

刚开始可以比较频繁，但是最频繁频率不能低于3天（机器需要学习时间）；后面可以延长调整频率，以周为单位修改。

其它：

平台之间的分层要交替排序，不交替的话，那意义就不是就不是很大了。

需要设置1~3个兜底层，这个不要去设底价，主要是用于去吃尾量。

3. 如何调整以及调整后如何判断

• 从展示占比及收入贡献占比较高的层级入手，设置价格与实际价格相差较远；目前某层级填充尚可，继续提升价格，某层级填充较低、需要降价。
• 合并展示量较低层数（低于1000），如上述。
• 单次尽量只改动1个变量，方便后续调整策略。

4. 调整后如何判断好坏

判断整体调整的好坏，在排除新增流量、节日等可能造成的影响，通过ARPU去判断，AIPU辅助判断。

如选择某一层提价，导致ARPU 提升较大，但AIPU下降较多，这种情况要分类型来看。对banner和插屏相对是好的，因为用户减少看到插屏和banner的次数；对激励视频而言是不好的，用户需要看广告的时候，看不到广告，最终需要综合产品留存和使用时长去考虑，回归到用户LTV上。

如果AIPU没有影响，ARPU略有提高，则说明提升是正向的。

如果ARPU下降，多数情况是AIPU下降引起，如发现该层级填充率及展示占比下降明显，这时候说明价格过高，可能需要考虑降价。

如选择某一层降价，也是同理，ARPU去判断，AIPU辅助判断。

如果ARPU 提升较大，但AIPU提升较多，这种情况同样要分情况去看。对banner和插屏相对是不好的，而激励视频是相对较好的，最终同样需要综合产品留存和使用时长去考虑，回归到用户LTV上。

如果ARPU略有提高，且AIPU略有提升，则说明提升是正向的。

如果ARPU提升不明显，需要查看该层级填充率及展示占比，如果填充率无明显变化，可能是因为该层价格仍然过高，需要继续降价；如果持续降价，也不见效，说明该广告平台在对应地区填充不足。

PART.04 流量精细化运营

如何进行流量精细化运营，就是按照一定的规则划分很多组，可以是国家、性别、年龄等标签。不同分组下，用户行为和广告平台的表现是有差异的。所以针对这种差异也去实施差异化的waterfall排序，这样可以达到提升广告效果的目的。前提条件是产生了一定量级以后才需要去做流量精细化运营。

部分广告聚合已经为流量精细化运营提供了很多便利工具，比如IronSource支持分国家设置瀑布流，并提供了A/B Test工具辅助运营决策。

流量精细化运营有几个注意事项：

1. 国家

这是最基础的精细化运营策略，多数广告平台都能支持，且一些广告聚合比如IronSource支持分国家设置瀑布流。

2. 性别、年龄等更多维度数据

部分广告平台没办法分性别看数据，针对这种情况，可以使用单独的广告位ID来去做区分，比如说针对男性用户可以使用一个广告位ID，女性用户使用另一个广告位ID，这样可以区分ID去看数据，但ID越多，运营成本就会越高。如果只用一个ID的话，那就可以根据展示来去拆分，运营成本会低一些，但收益并没有那么精准，所以需要去综合考虑。