Adam Foroughi - AppLovin CEO

一家藏在游戏里的广告公司

节目一开始，主持人把 Adam Foroughi 介绍成一位“可能是少有人听说过的最佳创始人”，并称 AppLovin 的广告平台隐藏在十万个手机游戏中，在电商品牌广告上悄悄超过 Meta Platforms 的广告。节目还预测，公司今年可能产生约六十亿美元现金。这些首先是节目中的评价和预测。

Adam Foroughi 是 AppLovin 的首席执行官。主持人说，这家公司并不经常出现在头条，也不常接受媒体采访，于是请 Adam 先解释 AppLovin 到底做什么。

Adam 的回答很直接：AppLovin 是一家帮助手机游戏开发者实现广告变现的公司。它真正服务的不是某一个游戏，而是围绕移动游戏形成的广告生态。Adam 说，每天有超过十亿人玩手机休闲游戏，而且这些用户大多是成年人和家庭决策者，所以广告机会非常大。

给你一个具体的规模。Adam 回顾说，AppLovin 曾披露自有平台每年的广告支出约为一百一十亿美元。之后平台同比增长约百分之六十，按他的说法，把这个规模粗略放大并取整，今天大约是两百亿美元。再加上其他广告公司的参与，他把整个移动游戏生态每年的广告支出估为约五百亿美元。

这里的数字都是 Adam 在节目中的口述。重要的不只是数字本身，而是他的判断：移动游戏已经拥有巨大而且还在快速增长的受众，这个市场的广告价值，足以和曾经的社交广告机会相提并论。

从游戏广告走向购物意图

AppLovin 早期做的事情，可以概括成一句话：把用户从一个游戏体验带到下一个游戏体验。Adam 说，在公司的大部分发展历程里，平台都在创造这种意图，让用户愿意尝试另一款游戏。

但他认为，深度学习模型变强之后，同一套能力可能延伸到购物行为。这里的关键词是“可能”。Adam 不是说移动游戏广告已经全面变成购物平台，而是认为模型有机会把游戏广告空间里的成年人，带入一种购物行为体验。

如果模型能够更好地理解什么内容与什么用户相关，平台就不只是在安排游戏之间的跳转，也可能把用户带向更大的消费市场。Adam 因此认为，AppLovin 有机会触达更大的经济体，并产生更大的经济影响。

主持人接着问，广告是不是人工智能最早、也最赚钱的应用之一。Adam 把广告称为机器学习一点零。他的意思不是广告等于今天所有的人工智能，而是广告很早就把预测、推荐和商业变现结合在了一起。

推荐系统和大语言模型的结构并不相同。大语言模型主要处理语言生成和理解，推荐系统则是在预测用户会对什么内容或商品感兴趣。但 Adam 认为，它们沿着相近的轨迹发展。大语言模型领域的研究成果可能迁移到推荐系统，反过来也一样。

广告模型的商业优势在于，它是在预测未来结果。这个结果可能是一次点击、一次交易，或者一次社交互动。更关键的是，预测的价值可以立刻转换成收入。模型预测用户可能采取什么行动，广告系统就能马上围绕这个预测完成定价和交易。

广告为什么越来越像内容

Adam 说，自己二零零五年开始工作时，互联网广告“完全是垃圾信息”，技术还不够强，广告与用户没有真正的相关性。

后来，数据和技术被结合起来，广告开始变得更像内容。他认为 Meta Platforms 在这方面做得很好：平台利用大量数据，再配合更强的技术，让广告更接近用户真正可能感兴趣的东西。现在，很多人的购物推荐来自 Instagram，广告和内容之间的边界也越来越模糊。

AppLovin 所在的移动游戏领域也有类似变化。Adam 说，平台会在一款游戏里展示另一款游戏的试玩广告。用户不只是被动看几秒钟，而是会实际操作这些小游戏预览。平台看到的互动非常多。

这背后的逻辑是，广告不一定只能是打断。如果推荐系统足够准确，广告也可以变成一种体验。用户看到一个相关的产品，愿意试玩、比较，再决定是否继续。Adam 的判断是，技术越能把合适的内容送给合适的人，广告就越可能从垃圾信息变成用户愿意参与的内容。

谈到大语言模型和 Google Search 的竞争时，Adam 先把广告分成两类。

第一类是漏斗底部广告。用户已经知道自己想买什么，只是在研究和完成交易。比如，用户想买一双正装鞋，就去 Google 搜索，比较不同选项，再通过广告找到交易入口。现在，大语言模型也可以帮助用户完成同样的闭环。

Adam 认为，这种广告模式会主要与 Google Search 的业务竞争。但他同时指出，搜索和大语言模型完成的很多交易，本来就会发生。即使没有大语言模型，只要用户已经有明确需求，搜索、比较和购买也可能完成。所以，这类技术更多是在承接原有交易，不一定带来很多新的经济扩张。

第二类是发现型广告。平台并不知道用户已经想买什么，而是向他展示一个此前完全不知道存在的产品。用户看到后可能会说，这看起来很不错，然后第一次产生购买意愿。

Adam 认为，Meta Platforms 的广告业务之所以强，就在于这种发现能力。消费者看到新产品，会期待包裹送到，也会期待拆开它。对 Adam 来说，这不仅是一次更有趣的购物体验，也是在创造原本不存在的交易，所以可能带来经济扩张。

主持人提到，未来用户也许会在聊天机器人里进行五六次查询，很多人不会每月支付二十美元，甚至百分之九十五的人可能希望免费使用。这些数字属于主持人提出问题时的背景，不是 Adam 在回答中确认的市场事实。真正的分歧在于：人工智能究竟只是替代搜索，还是会创造新的需求。

广告到底从哪里知道你想要什么

主持人提出了一个很多人都有过的体验：中午和朋友聊到某个产品，过一会儿就在 Meta Platforms 或其他平台上看到相关广告。是不是手机一直在监听？

Adam 的解释是，用户更可能在此前做过某些可追踪的动作，比如搜索、浏览网站，或者搜索过相关产品，只是自己没有把这些行为和后续广告联系起来。于是，当用户在午餐时又提到同一个主题，就会觉得广告像是听见了谈话。

他不认为通常需要靠麦克风完成这件事。Adam 说，追踪精确位置再投放广告本身就很重，而持续传输麦克风内容、解析谈话、再把它转换成一条广告，也不现实。Adam 还表示，据他的说法，AppLovin 不追踪精确位置。

主持人继续追问另一种可能：一群朋友在同一个地点聊天，其中一个人离开后搜索了某只手表，平台根据位置和社交关系，把手表广告推给同一群人。Adam 没有接受精确位置的推断，但他承认，社交网络中的关系可能影响广告体验。比如 Chamath Palihapitiya 搜索某个东西，其他人也可能看到相关内容。

Adam 认为，大家很容易只注意到数据收集的诡异感，却忽略相关广告创造的经济价值。二十年前，用户可能完全认不出一个广告；今天，用户看到的广告更可能和自己的兴趣相关。他据此认为，数字广告经济已经创造了价值，而且技术越好，经济增长可能越快。这是 Adam 的判断，不是节目已经证明的宏观因果关系。

从上市到市值腰斩再腰斩

Adam 说自己住在洛杉矶，AppLovin 起步于硅谷，公司位于 Palo Alto。据他介绍，工程团队分布在 Palo Alto、北京和新加坡。

AppLovin 在二零二一年四月上市。Adam 称，上市时公司市值约二百八十亿美元，EBITDA，也就是息税折旧摊销前利润，约为六亿美元。之后市值一度达到约四百亿美元。

但到了二零二二年，股价几乎每天都在下跌。Adam 称，公司市值一度降到约三十八亿美元，可是当年的 EBITDA 已经达到十亿美元。也就是说，经营数字没有按同样的方向恶化，市场给出的估值却大幅收缩。

Adam 把原因解释为供需错位。公司上市时，私募股权投资者、联合创始人和部分团队成员准备出售股票。与此同时，疫情时期有大量公司上市，很多蓝筹投资者没有认真研究这个名字古怪的公司。于是，市场上卖的人很多，真正愿意买、愿意理解公司的人却很少。

在这种情况下，Adam 称公司的估值倍数从一个很高的水平跌到低于四倍 EBITDA。这个解释仍然是 Adam 对股价下跌的归因，但它引出了他的下一步行动：如果市场不愿意投资 AppLovin，公司自己可以成为买家。

Adam 说，自己后来不再花时间和不买股票的投资者沟通，而是转身对团队说，公司产生了很多现金，可以开始回购自己的股票，成为自己的最佳投资者。

他称，公司启动了非常激进的回购计划，大约花了六十亿美元回购股票，并注销约百分之二十到百分之二十五的流通股。Adam 还说，这六十亿美元买回的股票，在峰值时价值曾超过五百亿美元。

Adam 将这些数字都说成约数。五百亿美元是他对回购股票峰值价值的估算，不是公司财报确认的现值。

这个策略的逻辑很清楚：如果公司有现金，而市场把公司估值压到极低水平，那么回购股票就可能比把钱投向其他地方更有吸引力。Adam 甚至把这段经历描述成一个转折点。一个让人感觉非常沮丧的时刻，也可能变成一个巨大的机会。

但财务动作并不能自动解决人的压力。主持人问，当股价下跌百分之九十二时，公司内部怎么维持士气。Adam 说，自己会接到家人和朋友的电话，团队成员也会接到类似的电话。员工可能原本以为可以买房，后来发现财富预期消失了。

公司的应对方式是建立一种“我们对抗全世界”的心态，并扩大绩效股票计划。这个计划通常只给 CEO，但 AppLovin 把它推广给关键员工，告诉他们，如果团队一起坚持并恢复增长，就可以分享上行收益。

从早期机器学习到深度学习

Adam 把业务复苏的一部分归因于模型升级。公司从机器学习一点零的回归模型，转向机器学习二点零的深度学习模型。

这不是简单地换一个名词。广告业务的收入和算法效果直接相连。算法越能帮助广告主找到有效用户，广告主得到的回报就越好。因为 AppLovin 做的是绩效导向的广告，广告主看到效果之后，会扩大投放；投放规模扩大，公司也就更快增长。

Adam 说，公司在二零二三年四月推出这个模型时，仍然没有积极向投资者沟通，所以市场还没有完全知道业务表现。大约在二零二三年九月，他到纽约后决定开始与投资者交流。当时股价约八十美元。

Adam 称，就在那一周，股价从约八十美元升到约一百五十美元，市值从约二百八十亿美元升到约五百五十亿美元。这是他回忆中的时间并行关系，不能据此说所有涨幅都由投资者会议单独造成。

他在会议现场感受到，投资者的态度完全变了。过去大家像是在问公司为什么存在，后来则有人开始打电话给朋友说要买入。至于模型效果、回购和投资者态度变化各自起了多大作用，节目没有进一步拆分。

Adam 还给出一个更极端的长期数字。他称，AppLovin 的股价在约两年半内从九美元升到七百五十美元，市值从约三十八亿美元升到二千五百亿美元。

在他看来，AppLovin 经历了公开市场最极端的两端：先是市场几乎完全不相信它，后来又把它推到极高的估值。这个过程并不是一条平滑的价值发现曲线。

Adam 认为，公募投资者和私募投资者并没有本质区别，他们都会追随趋势。差别在于，有的人更早识别趋势，有的人要等趋势已经非常明显才跟上。于是，市场里有优秀的风险投资人，也有普通的风险投资人；公募市场同样有成熟和不成熟的参与者。

这个观点也解释了他为什么对投资者关系保持谨慎。公司在最不被相信时，可能被忽略；公司在最受追捧时，也可能被过度追逐。管理者面对的不是一个稳定的市场，而是一群会在不同阶段集体改变看法的投资者。

隐私限制下，广告还要不要相关

谈到 Apple、欧盟和隐私监管，Adam 的第一反应不是反对监管，而是希望规则清晰。规则一旦明确，技术公司就可以调整产品和模型。

他举的例子是精确定位。五年前，平台也许可以在 iOS 上更精准地定位用户；如果用户后来表示不希望被精确定位，平台就把用户放入更大的群组，投放更不精准、也可能更差的广告。

这会产生一个反直觉结果。隐私调整后，用户可能抱怨广告像垃圾信息，同时又要求平台提供更相关的广告。Adam 的解释是，消费者不一定反对相关广告，他们只是希望相关性建立在可以接受的规则上。相关广告可以帮助用户发现产品。

他用游戏里的三十秒广告举例。用户如果看完一段广告，就能获得一个免费生命，那么这三十秒本身就具有货币价值。既然用户愿意用时间交换价值，他们当然更希望看到有用的内容，而不是垃圾信息。

Adam 还解释了 AppLovin 为什么曾经收购游戏工作室。按他的说法，最初的目的不是长期经营游戏，而是获得训练数据。游戏工作室通常不愿意把用户数据分享给第三方，于是公司买下自己的工作室，为第一个深度学习模型准备数据。

Adam 称，这个模型在市场上取得成功。后来第三方进入这一领域，公司就把游戏业务剥离出售。这个故事在他的叙述中体现了一个顺序：先为了训练模型取得数据，再用模型建立业务，等外部生态成熟后退出游戏工作室本身。

代理会替人购物吗

主持人把话题转向代理购物。Adam 预测，一部分消费者会把稳定、重复的购物行为交给代理。比如，把补充剂订阅交给一个代理，让它每个月自动优化并按时送达。

但他认为，发现型平台服务的典型消费者，不是每天追踪技术圈、马上采用最新工具的人。典型消费者可能仍然想亲自寻找商品、橱窗浏览、比较选项、完成交易，再追踪包裹。

这里的重点是，购物不只是得到一个商品，也包括整个过程带来的体验。Adam 说，如果一笔交易价值五十美元，代理理论上可以节省百分之二十，但这未必会改变消费者的选择，因为消费者享受的是寻找和完成购买的过程本身。

所以，在 Adam 的预测里，代理会先进入重复、稳定、低变化的消费场景；而发现型平台仍然依赖用户主动浏览、比较和被新产品吸引。技术圈可能高估了代理改变普通消费者行为的速度，因为最活跃的技术采用者并不代表所有购物者。

主持人最后问，Meta Platforms、Alphabet 和 Google 都拥有世界上最强的工程师，也做了十年到二十年的广告模型，AppLovin 这样的小公司为什么还能竞争。

Adam 首先拒绝“我们已经赢了”的说法。他说，公司每天醒来都觉得自己可能马上遇到麻烦，因此必须继续努力。这种不把胜利当成终点的心态，是公司文化的一部分。

在经营上，他把优势归因于精简组织、专业人才和聚焦。AppLovin 专注移动游戏体验，再把这种经验转化为交易行为。团队如果始终集中在一个具体问题上，减少组织层级，就可能比大型公司更快行动。

关于利润率，Adam 称公司的 EBITDA 利润率约为百分之八十四，并认为精益、算法驱动和高度自动化的运营模式没有太多泄漏点。节目没有说明这个百分比对应的期间，也没有明确是否是调整后 EBITDA，因此它不能被理解为永久不变的公司指标。

他用卖口红的广告主解释绩效模式。广告主花钱购买消费者触达，如果消费者完成交易，产生的收入就能立即覆盖获客成本。广告主觉得划算，就继续扩大投放。AppLovin 不在完整交易链条里直接销售口红，但它帮助广告主找到消费者，这种绩效模式因此可以规模化。

Adam 认为，真正的竞争壁垒来自复杂技术、差异化数据、达到规模的模型，以及大型社区的采用。一个模型如果只是实验室里的模型，未必足以形成壁垒；但当它在真实规模上运行，并被大量用户和广告主使用，数据、反馈和社区就会反过来强化它，形成竞争者难以跨越的护城河。

Adam 最后谈到团队。他说，自己创业的目标之一，就是和优秀的人一起工作、共同解决问题。他形容团队成员谦逊、勤奋、聪明，还说自己坐在团队成员中间时，常觉得自己可能是房间里最不聪明的人。

这句话把整场访谈收束起来：AppLovin 的故事既是广告模型和股价的故事，也是一个团队在市场极端怀疑时保持专注、在模型有效时快速行动，并始终认为自己还没有赢的故事。