Adam Foroughi，AppLovin CEO：92%回撤求生、广告即 ML 1.0与500亿美元游戏广告市场

摘要

• AppLovin 所处的移动游戏广告市场，Foroughi 估算年规模约为500亿美元——“不久之前，社交广告还是一个500亿美元的机会。” 每天有超过10亿成年人玩休闲手游；AppLovin 近两年前披露，其平台年广告支出为110亿美元，此后同比增长约60%（“按这个增速粗略算到今天，就是一个好看的整数：200亿美元”），如今的逻辑是把游戏间的广告意图延伸至电商购物行为。
• 主持人把这期关于内部文化的讨论放在股价回撤92%的背景下；Foroughi 对资本配置的回应堪称教科书：2021年4月IPO时，市值约280亿美元、EBITDA为6亿美元，随后涨至400亿美元，又在2022年崩至38亿美元，而EBITDA却达到10亿美元——估值不到4x。 他不再把精力放在投资者关系上，而是买回约60亿美元股票，注销了20–25%的流通股；这些回购在峰值时价值超过500亿美元，股价随后在2.5年内从$9涨到$750，一度触及2500亿美元市值。
• 重估的催化剂是 ML 1.0 → ML 2.0：用2023年4月上线的深度学习广告模型，替代原有的回归模型。 由于模型提升了广告主效果，也让客户能够扩大投放，公司因此快速增长；Foroughi 于2023年9月前后恢复在纽约与投资者会面，投资者这才开始注意到它。“就在那一周，股价从$80涨到$150”——对应市值大约从280亿美元升至550亿美元；他告诉投资者，公司已经熬过来了。
• Foroughi 对广告市场的拆分，是理解 OpenAI 广告争论的关键框架：LLM 广告“几乎将只会与 Google Search 业务竞争”，而发现式广告会创造净新增的经济活动。 漏斗底部的交易本来就会发生；让消费者看到“他们此前完全不知道存在的东西”，才是 Meta 业务的驱动力，也是 AppLovin 想实现的方向。
• 面对竞争对手压缩其所称84%的EBITDA利润率，他的回答是：复杂性、差异化数据和规模构成护城河——“只要你能创新，并且拥有差异化数据，就能建立优势。” 他以 Anthropic 在大型语言模型中的位置作类比，尽管理论上它本不该在这一市场中一骑绝尘。
• 关于监控，他表示不认为广告公司能够追踪位置，称 AppLovin 完全不追踪位置，并认为解析麦克风音频来投放广告并不现实。 他将许多看似神准的广告归因于用户做过却忘记的可追踪行为。至于 Agent，他认为其适合保健品订阅等重复性行为，但典型购物者仍想浏览、比较并享受交易过程；“我们确实过度向 Twitterverse 倾斜。”

精读

1. 藏在10万款移动游戏里的500亿美元广告市场

• Foroughi 对为何鲜有人知道这家公司的解释是：早期没有VC融资，“只能安静地把产品做出来”；“这个有点滑稽的名字”也没帮上忙。公司的本质，是一个广告平台，服务于一个每天有超过10亿人玩休闲手游的世界——“这些人都是成年人，是家庭的主要决策者。”
• 规模推导是：近两年前披露的平台年广告支出为110亿美元，此后同比增长约60% → 如今约200亿美元；再把其他变现平台加总，规模翻倍有余 → 年规模约500亿美元。奖励机制——用户观看广告换取奖励——让广告具备形成明确意图的可能；增长机会在于把这种游戏到游戏的推荐行为延伸到购物。

2. 广告是 ML 1.0；发现式广告能穿越 LLM 时代

• 广告是早期深度学习的落地场景之一：“广告就是 ML 1.0。”推荐系统与大型语言模型彼此相关，在很多方面也遵循相似的发展路径；研究成果可以相互迁移，而广告能够即时兑现预测带来的价值。
• 主持人问到 OpenAI 广告时，核心区别在于：漏斗底部的搜索广告，完成的是“本来就会发生的交易”，因此 LLM 广告“几乎只会与 Google Search 业务竞争”。发现式广告——Meta 的模式以及 AppLovin 希望实现的方向——则会推荐并促成此前不存在的交易，还让消费者在等待包裹时获得“一段真正有趣的时刻”。
• 关于广告自2005年以来的质量演变——“完全是垃圾。全是垃圾信息”——Facebook 把现成数据和更好的技术结合起来，让广告越来越像内容。在 AppLovin 的领域，Foroughi 说“人们喜欢这些广告”：用户会在其他游戏内与可试玩的小游戏预览互动。

3. 熬过崩盘：把回购当进攻

• 主持人把文化挑战放在股价回撤92%的背景下。Foroughi 对崩盘的判断是，股价取决于持股投资者的质量。疫情时期的IPO浪潮意味着，蓝筹投资者没有研究“这家名字有点滑稽的公司”，在供给很大的情况下，需求却寥寥无几；股价在2022年“简直每天都在跌”，从400亿美元峰值跌至38亿美元，而EBITDA达到10亿美元。
• 公司的应对是停止把精力放在投资者关系上，把现金投入约60亿美元回购，注销20–25%的股份。“事情的另一边，确实有机会在等着你。”
• 人的代价是真实存在的：“我会接到家人和朋友打来的电话——你是不是想自杀了？”他的团队没有他所拥有的持股缓冲，也接到了类似电话。公司的回应是“我们对抗全世界”的心态，并把绩效股权计划扩展到关键员工：“我们知道，你原以为自己拥有一套房子，而现在没有了。”
• 复苏的机制是：2023年4月的深度学习模型提升了广告效果；由于业务按效果收费，更高的广告主回报让客户能够扩大投放，并推动公司快速增长。Foroughi 于2023年9月前后恢复与投资者会面，当周股价从$80涨到$150。他从完整的$9到$750周期中得出的结论是，公开市场和私募市场投资者往往跟随趋势的时间晚于理想时点；最好的投资者会尽早识别趋势。

4. 隐私、“诡异”广告，以及 Agent 为什么不会取代发现式广告

• 主持人的理论是：通过地理位置把一起吃午餐的朋友归为一组，随后在其中一人搜索后向他们投放广告。Foroughi 给出的回应有所限定：“我不认为广告公司能追踪位置。我们完全不追踪位置。”解析麦克风音频并将其转化为广告“不现实”。更日常的解释是，用户做过搜索或浏览等可追踪行为，只是后来忘了。他也承认社交网络关系可能影响广告体验：如果一个人搜索，朋友可能看到相关内容，“这没什么问题”。
• 对于 Apple 收紧隐私规则，他认为监管应当清晰，让科技公司能够适应。用户被更宽泛地分组后，一些人会抱怨广告像垃圾信息，并要求更相关的广告。他还认为，相关广告会创造经济价值：数字广告经济对GDP有贡献，更好的技术可以加快GDP增长。
• 在 Agent 商业方面，Agent 适合他的保健品订阅这类稳定、重复的行为。但典型购物者“想逛一逛”，想比较商品、追踪订单并享受交易过程；即使在一笔50美元的购买上节省20%，也未必抵得过这段体验。“我们确实过度向 Twitterverse 倾斜。”

5. 凭借84%利润率打造精干机器，与 Meta 和 Google 竞争

• 被问到一家小公司如何与 Meta 和 Google 长达10年或20年的广告经验竞争时，Foroughi 的回答是：“我们从未认为自己赢了。”公司保持精干，让移动游戏和交易行为领域的专家集中协作，并努力比更大的竞争对手行动更快。收购游戏工作室本质上是一次数据布局：AppLovin 收购它们，为第一代深度学习模型提供训练数据；第三方开始供数后，公司又将这些工作室剥离。
• 主持人追问利润流失问题，基本没有撼动 AppLovin 所称的84% EBITDA利润率。Foroughi 的例子是，口红广告主支付给 AppLovin 的金额，低于20美元售价减去商品成本；广告主即时承担获客成本，随后在按效果计费模式下扩大投放。承认的缺口是，AppLovin“不是完整链条”，本身也不是广告主。
• 竞争对手为何没有把利润率压下来？这些技术本身很复杂，差异化数据，加上能够达到规模并获得采用的模型，可以形成难以攻克的护城河。Foroughi 将这种动态与 Anthropic 在大型语言模型市场中的位置作了比较。
• 谈到 Palo Alto、北京和新加坡的工程办公室时，他形容中国同事谦逊、勤奋且敏锐，并说与部分团队成员一起工作时，“我知道自己大概是房间里最笨的人。这反而让我兴奋地来上班。”