AppLovin

草稿

AppLovin MAX 聚合 + AppDiscovery 广告网络，AXON 算法驱动，支持 Web-to-App

casualhypercasualmidcoreglobalrewarded-videoweb-to-appgamefi更新: 2025-12-01

AppLovin 入门基础

适合阅读: 新投手、无 SDK 网络经验的广告技术同学、市场同学

AppLovin 生态全景

AppLovin 是少数同时具备聚合变现、买量广告网络和程序化 DSP 能力的平台，理解这三条产品线是入门第一步：

structure
┌─────────────────────────────────────────────────────────────────┐
│                    AppLovin 生态全景                             │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  发布者视角 (Publisher)          广告主视角 (Advertiser)           │
│  "我有流量要变现"                "我要买用户"                     │
│       │                              │                          │
│       ▼                              ▼                          │
│  ┌─────────┐                  ┌──────────────┐                │
│  │   MAX   │  聚合 40+ 网络    │ AppDiscovery │  UA 广告网络    │
│  │ 中介平台 │◄──In-App Bidding►│  (AXON 驱动)  │                │
│  └────┬────┘                  └──────┬───────┘                │
│       │                               │                         │
│       │  Loss Notifications           │  竞价 + 归因             │
│       │  (竞价胜负数据)                │                         │
│       └──────────────┬────────────────┘                         │
│                      ▼                                          │
│               ┌─────────────┐                                   │
│               │  AXON AI    │  统一 ML 引擎                     │
│               │  (算法核心)  │                                   │
│               └──────┬──────┘                                   │
│                      │                                          │
│       ┌──────────────┼──────────────┐                           │
│       ▼              ▼              ▼                           │
│  SparkLabs      AXON DSP        Web-to-App                      │
│  (AI 创意)      (OpenRTB)       (较新能力)                       │
└─────────────────────────────────────────────────────────────────┘
产品角色一句话说明
MAX聚合平台 (Mediation)帮发布者用 In-App Bidding 管理 Unity、Google、Meta AN 等多网络变现
AppDiscovery广告网络 (Ad Network)广告主买量入口，在 MAX 生态及合作库存中投放 UA 广告
SparkLabsAI 创意工具基于历史表现自动生成/变体视频创意
AXONML 引擎贯穿竞价、出价、创意排序、ROAS 预测的统一 AI 层

来源: AppLovin 官方文档 - https://developers.axon.ai/

双重视角：广告主 vs 发布者

同一公司在 AppLovin 上可能同时扮演两种角色，数据与策略完全不同：

视角核心目标关键指标典型用户
广告主 (UA)以目标 CPI/CPA/ROAS 获取安装与付费用户CPI、IPM、D7 ROAS、Fill Rate游戏发行/增长团队
发布者 (变现)最大化应用内广告收入eCPM、ARPDAU、Fill Rate、Waterfall 效率有自有 App 的开发者

对投手最重要的协同逻辑：若你的游戏既在 AppDiscovery 买量、又用 MAX 变现，AXON 能利用 MAX 侧的一手使用行为信号优化买量模型——这是 AppLovin 相对纯 DSP 的数据优势。

💡 推测: 「买量 + 变现」双端接入时，算法对用户价值的理解可能更完整，但需与 AM 确认数据是否跨账户打通。

核心术语词典

变现与竞价术语

术语全称/含义说明参考范围
eCPMEffective CPM每千次展示的有效收入（变现侧）或成本（买量侧）激励视频买量 eCPM 因品类/国家差异大，见 Dashboard
ARPDAUAvg Revenue Per DAU每日活跃用户平均广告收入发布者核心指标，与游戏品类强相关
Waterfall瀑布流按优先级依次请求广告的传统变现模式MAX 主推 In-App Bidding 替代
In-App Bidding应用内实时竞价各广告网络同时对单次展示出价，最高价获胜MAX 默认机制，超时约 500ms
Fill Rate填充率广告请求中被成功填充的比例过低可能为底价/网络配置问题

买量与算法术语

术语含义在 AppLovin 中的体现
AXONAppLovin AI 广告引擎强化学习循环：展示 → 信号 → 模型更新 → 更优出价/创意匹配
IPMInstall Per Mille每千次展示带来的安装数，= CTR × CVR × 1000，创意核心效率指标
AppDiscoveryUA 广告产品名Dashboard 中创建 Campaign 的买量入口
Loss Notification竞价失败通知MAX 向所有竞价方发送胜负结果，供 AXON 学习市场价格

来源: developers.axon.ai MAX 文档 - First-Price Auction、OpenRTB 2.5

SDK 网络 vs SAN vs DSP

维度SDK 网络 (AppLovin)SAN (Meta/TikTok)纯 DSP (Moloco)
流量来源接入 SDK 的第三方 App 内广告位自有 App 生态外部 Exchange 竞价购买
归因方式自声称 + MMP 验证平台自归因为主完全依赖 MMP
定向能力几乎无手动定向，创意即定向丰富受众/兴趣/LALML 自动定向
数据优势MAX 生态内行为数据社交/兴趣大数据1P 回传事件驱动 ML
学习门槛相对较低Meta 15 事件/周等需足够预算与事件量
典型版位激励视频、插屏、App OpenFeed、Stories、Reels取决于赢得的 Exchange 库存

AppLovin 的特殊性：官方同时运营 MAX（聚合）和 AppDiscovery（买量），并可通过 AXON DSP 参与 OpenRTB——因此不完全是「纯 SDK 网络」，而是 SDK 网络 + 聚合数据 + 程序化扩展 的混合体。

AXON AI 引擎基础概念

AXON 的核心是以创意和出价为杠杆的强化学习，而非人工受众包：

⏱️
单次广告展示
📍 产生信号: 展示/点击/完播/安装/付费/竞价胜负价格
📊
AXON 模型更新 (pCVR、LTV、创意匹配、出价)
⚙️
下一次 Bid Request 时输出更优出价与创意组合
🔧
飞轮: 规模 ↑ → 数据 ↑ → 预测精度 ↑ → 广告主花费 ↑
AXON 训练数据来源信号价值
MAX Loss Notifications了解市场价格与竞争强度
广告主 MMP 回传事件直接优化 CPI/CPA/ROAS 目标
MAX SDK 游戏使用模式用户兴趣与活跃度预估
广告互动 (完播、Playable)创意质量与人群匹配

来源: AppLovin 官方博客 "How we drive value and handle data"

计费与优化目标

AppLovin 买量侧按 oCPM 逻辑竞价（按展示参与 First-Price 拍卖），广告主设定的是优化目标而非直接买 CPI：

优化目标适用阶段算法行为前提条件
Target CPI冷启动、冲量预测安装概率 × 出价，在首价拍卖中竞争MMP 安装回传正常
Target CPA有深度事件数据后优化注册/关卡/付费等指定事件日均足够事件量
Target ROAS成熟产品利润期预测 LTV，按 ROAS 目标出价IAP + 广告收入回传完整
structure
盈利逻辑 (与全行业一致):
  LTV > CPI → 长期盈利
  ROAS = 收入 / 广告花费 × 100%
  D7 ROAS 常作短期健康度参考 (具体阈值因品类而异)

⚠️ 待验证: 各品类 D7 ROAS 盈亏线需结合自有 Cohort 数据，勿直接套用其他渠道基准。

归因机制

项目规格说明
归因类型自声称 (Self-attributing) + MMP 验证Dashboard 数据与 MMP 可能有差异
Click-through默认 7 天与 MMP 配置应对齐
View-through默认 24 小时可能拉高 MMP 对比时的安装数差异
iOSSKAN 4.0 支持相比 Meta，对 SKAN 依赖度相对较低
必须对接AppsFlyer / Adjust / Singular / Kochava 等事件回传是算法燃料
⏱️
用户路径:
AppDiscovery 展示 (激励视频/插屏等)
📍 点击
App Store / Google Play
📍 安装
MMP 归因 → 回传 Install + 深度事件 + Revenue → AXON 学习

来源: AppLovin Help Center 归因说明 + MMP 对接文档

AppLovin vs Meta vs Moloco

维度AppLovinMeta AdsMoloco
渠道类型SDK 网络 (+聚合数据)SAN纯 DSP
核心流量15万+ 游戏/应用内广告位FB/IG/Reels/AN40+ Exchange 程序化库存
用户场景正在玩其他游戏社交浏览/娱乐取决于赢得的版位
定向创意驱动，无兴趣包Advantage+ / 受众丰富ML 驱动，无自有流量
优化杠杆创意 > 出价 > 结构简化创意 > 预算 > CAPI1P 事件 > 预算 > 素材
学习期约 7 天，少干预15 事件/周 (2026)7-14 天 DNN 收敛
iOS 隐私影响相对较小较大 (SKAN/CAPI)依赖 MMP + SKAN
适合品类超休闲/休闲最强全品类中度/重度 ML 优势常见
预算角色规模化/补量/休闲主力通常最大头高 ML 门槛的增量渠道

新投手如何理解 AppLovin 定位

structure
你应该优先尝试 AppLovin 吗?

Q1: 产品是否为游戏 App (尤其超休闲/休闲)?
  ├── 是 → AppLovin 为核心候选渠道
  └── 否 → 评估是否支持 App 推广类 Campaign

Q2: 是否已有 Meta/TikTok 规模化经验?
  ├── 是 → AppLovin 常作为第 2-3 渠道扩量，CPI 可能更低但需盯后链路
  └── 否 → 可并行测试，但需准备 10+ 条差异化视频/Playable

Q3: 团队是否能持续产出创意 (每周 5-30 条)?
  ├── 是 → 与 AXON「宽创意集」策略匹配
  └── 否 → 先用 SparkLabs 辅助，或降低预期

Q4: 是否同时使用 MAX 变现?
  ├── 是 → 关注买量用户与变现 eCPM 的整体 ROI (IAP + IAA)
  └── 否 → 专注 UA Dashboard 与 MMP 交叉验证即可

一句话定位：AppLovin 是游戏场景下、以 AXON 和创意为核心的 SDK 买量渠道，适合在 Meta 之后做规模化与 CPI 优化；不要期待手动定向，要把精力放在素材产能 + MMP 回传 + 简单 Campaign 结构上。

来源: AppLovin 官方文档 https://developers.axon.ai/ 、AppLovin "State of Creative Optimization 2025" (via RocketShip HQ)、项目 channel-content 验证信息