Web-to-App (W2A) 深度知识库
从原理到实操，全面理解 W2A 投放策略
W2A 不只是「在广告和 App Store 之间加一个落地页」 — 它是 ATT 时代最重要的信号策略之一。 本知识库从行业背景、技术架构、落地页设计、渠道实操到效果衡量，系统性地帮助你理解和实施 W2A。
行业背景：ATT 之后的信号危机
理解 W2A 之前，先理解它为什么被发明出来
2021 年 4 月，Apple 正式上线 ATT（App Tracking Transparency），要求用户主动授权才能被追踪。 全球平均 Opt-in 率约 25-35%，这意味着每 10 个 iOS 用户里，只有 2-3 个能被精确归因和追踪。
这对移动广告的影响是系统性的：
- • 无法获取 IDFA → 不能做精确归因
- • 无法构建 Lookalike Audience
- • 无法做跨 App/跨设备的用户关联
- • Retargeting 受众大幅缩小
- • 渠道 ML 收到的转化信号减少 60-70%
- • SKAN 只有 6-bit 的 Conversion Value
- • 归因延迟从实时变成 24-72 小时
- • Campaign 优化陷入"盲飞"状态
行业的核心诉求变成了一个问题：如何在不违反隐私规则的前提下，给广告平台的 ML 模型喂更多、更好的信号？
W2A 就是这个问题目前最有效的答案之一。
W2A 的底层逻辑：Web 环境是一个"信号绿洲"
理解为什么中间加一步反而效果更好
很多人第一次听到 W2A 的反应是："多一步不是会丢转化吗？" —— 这个直觉在传统直投时代是对的。 但在 ATT 之后，问题不再是转化数量，而是信号质量。
核心洞察：App 和 Web 是两套不同的追踪体系
- • 追踪依赖 IDFA → 需要用户授权
- • 转化回传通过 SKAN → 延迟 + 信息有限
- • 广告平台拿到的信号 = 有限
- • 追踪依赖 Pixel + Cookie → 无需 ATT 授权
- • 转化回传通过 CAPI → 实时 + 信息丰富
- • 广告平台拿到的信号 = 丰富
W2A 的本质是：把用户引到一个「信号更丰富」的环境（Web），让广告平台的 ML 拿到更多数据来学习。这不是一个技术 trick，而是一个架构级的信号策略。
具体来说，W2A 能给 ML 喂什么信号？
| 信号类型 | 直投路径能拿到？ | W2A 路径能拿到？ | ML 价值 |
|---|---|---|---|
| 广告点击 | ✅ | ✅ | 低 |
| 落地页到达 | ❌ 无落地页 | ✅ Pixel PageView | 中 |
| 页面停留时长 | ❌ | ✅ Pixel 自定义事件 | 中 |
| 页面互动（滑动/视频播放/点击） | ❌ | ✅ Pixel 自定义事件 | 中高 |
| CTA 按钮点击（意向信号） | ❌ | ✅ Pixel + CAPI | 高 |
| 跳转 App Store | ✅ | ✅ 可关联 Web 行为 | 高 |
| App 安装 | ⚠️ SKAN 延迟 | ✅ Web CV + SKAN | 高 |
| App 内深度事件 | ⚠️ SKAN CV 有限 | ⚠️ 同样有限但有 Web 信号补充 | 高 |
关键点：直投路径中，广告平台在「点击」和「安装」之间是一片黑盒；W2A 路径则在这中间填充了 3-5 个额外信号点。
信号经济学：CPI 上升，为什么 ROI 反而更好？
W2A 的 ROI 计算逻辑和直投完全不同
W2A 最反直觉的地方是：CPI 上升 40-100%，但整体 ROI 反而更好。原因有三层：
第一层：预筛选效应 → LTV 提升
落地页相当于一个「意愿过滤器」。用户需要先看完落地页信息、主动点击下载按钮，才会进入 App Store。 这个额外步骤过滤掉了大量「误触」和「好奇但无意愿」的用户。 留下来的用户已经对产品有了初步认知，安装意愿和留存率自然更高。
W2A: 100 次点击 → 60 次落地页到达 → 25 次安装 → 8 个有付费意愿 (转化率 32%)
虽然安装量降了一半，但高意愿用户反而多了 60%
第二层：信号增强效应 → ML 优化精度提升
更多的信号意味着广告平台的 ML 能更快、更准确地学会「什么样的用户最有价值」。 直投路径下，ML 只能用「点击 → 安装」这一个信号来学习；W2A 路径下，ML 可以用 「点击 → 页面浏览 → 页面互动 → CTA 点击 → 安装」这一串信号来学习。
实际效果：W2A Campaign 的学习期通常更短（因为 ML 每次展示拿到的信号更多）， 出学习期后的出价稳定性也更好。
第三层：归因补全效应 → 数据可见性提升
直投路径下，大量 iOS 安装因为 ATT 未授权无法归因，报表里出现大量「Organic」或「Unknown」。 W2A 路径下，即使用户没有授权 IDFA，Pixel 和 CAPI 仍然能把 Web 端行为归因到具体的 Campaign/Ad Group/Ad。你知道钱花在哪了，才能做出正确的优化决策。
W2A ROI 的正确计算方式
❌ 错误: 只比 CPI → "W2A 的 CPI $18 vs 直投 $12，W2A 太贵了"
✅ 正确: 比单位花费产出 →
直投: 花 $1200 → 100 安装 → D30 收入 $180 → D30 ROAS = 15%
W2A: 花 $1200 → 67 安装 → D30 收入 $300 → D30 ROAS = 25%
→ 同样的预算，W2A 的回收多了 67%
什么时候 W2A 不适用？
- • 超休闲游戏: 用户决策路径极短，多一步损失大量转化，LTV 也不够覆盖 CPI 溢价
- • 日 Budget < $500 的小规模测试: ML 学习需要足够量级，小预算 W2A 学习期太长
- • Android Campaign: Android 没有 ATT 限制（暂时），信号本身已经丰富，W2A 的信号增益有限
- • 产品本身难以在落地页展示: 如工具类 App 功能简单，落地页没什么可展示的
- • 中重度游戏（SLG/RPG/卡牌）: 用户决策重、LTV 高，落地页可展示世界观/玩法
- • iOS Campaign: ATT 环境下信号增益最大
- • T1 市场高 CPI 品类: CPI 本就高，W2A 的绝对溢价金额在可接受范围
- • 有付费门槛的产品: 落地页预筛选对付费用户比例提升效果最明显