广告行业已进入The Drum所称的“成果时代”。核心很简单:投入的每一美元——无论是品牌广告还是效果采买——现在都必须证明其商业效果。过去“品牌广告”与“直接效果广告”的界限正在消融。对媒介采买人员和流量套利者而言,这意味着上层漏斗若无法以可衡量的方式与转化挂钩,将变得越来越昂贵且充满风险。
推动这一转变的因素包括程序化采买与实时竞价、像Google Analytics这样将展示到行动闭环的工具,以及像AppLovin这样的闭环系统——它们自动吸收成果数据、建模并重新分配预算。结果是,成果不再是目标,而是采买的架构本身。
本文将拆解成果经济的运作机制,它对套利者和媒介采买者意味着什么,以及如何在过渡期重新调整采买策略以避免ROI流失。
什么是“成果时代”,我们是如何走到这一步的
成果导向营销是一种方法:每一次广告触达都按其带来可衡量商业结果(购买、安装、线索、订阅)的概率来评估——而不是看覆盖、点击或品牌提升,而是看最终成果。
通往这一模式的道路经历了约二十年:
- 2000年代——CPC模式。Google AdWords让点击成为主要货币。营销人首次获得了直接响应。
- 2010年代——程序化与RTB。算法采买让每个展示在毫秒内被评估,并基于转化概率出价。
- 2020年代——闭环系统。AppLovin、Meta和Google完成了闭环:成果数据自动回传到优化器,无需人工干预即可重新分配预算。
每个阶段都在收紧对可衡量性的要求。在CPC时代,你还可以用“网站流量”来解释花费;而现在,客户或采买者必须说明这些流量带来了多少收入。
闭环效果:AppLovin如何改写规则
AppLovin是移动营销中闭环系统最典型的例子。平台不仅采买展示——它吸收回传事件数据(安装、购买、留存),构建成果概率模型,并自动将预算重新投入到最有效的受众群体中。
对套利者而言,这意味着:
- 预算向算法转移。基于CPI/CTR的手动优化输给了基于LTV/购买行为的自动优化。
- 透明度下降。你看不到算法选择某个展示的具体逻辑——只能看到结果。
- 反应速度加快。如果某个创意不再产生成果,系统会在几分钟内而非几天内关闭它。
类似的机制也出现在Google Ads中:Smart Bidding的Target ROAS、Performance Max、按价值优化——这些都是闭环方法的组成部分,系统自行将展示与成果关联并调整出价。
为什么品牌广告再也无法逃避问责

长期以来,品牌广告一直活在“问责避风港”里:其效果被认为是长期的、难以衡量的、不适用于直接归因的。成果时代正在打破这个避风港。
现在,品牌投资也必须证明商业效果。这不意味着品牌认知不再需要——而是说,没有与转化关联的认知无法证明预算的合理性。对媒介采买者来说,这带来了一个具体问题:上层漏斗采买(展示广告、YouTube、Meta视频)越来越多地按增量效果来评估——即相比对照组,它们增加了多少转化。
实际影响:
- 没有增量测试的品牌广告是风险。如果你无法证明上层漏斗展示提升了下层转化,预算就会被削减。
- 归因变成多点触控。仅靠最后一次点击已不再有效——需要在所有触点上分配价值。
- 展示频次按成果优化,而非覆盖。“展示7次以加深记忆”是旧逻辑。新逻辑是:展示到转化概率最大化的次数为止。
如何在成果时代重新分配预算
对套利者和媒介采买者来说,转向成果经济需要重新计算媒介组合。以下是关键变化:
1. 从覆盖型格式转向效果型库存
过去可以把30%预算花在“预热”上,现在每个渠道都必须做出可衡量的贡献。上层漏斗格式依然存在,但份额缩减到10–15%,释放出的资金流向效果渠道:Search、Shopping、Performance Max、应用安装广告。
2. 按价值优化,而非按数量
CPC和CPA是上一阶段的指标。成果经济要求按价值优化:ROAS、LTV、每展示利润。在Google Ads中,这意味着转向Target ROAS或Maximize Conversion Value。在套利中,这意味着不再按“一个线索多少钱”计算组合,而是按“一个客户全生命周期带来多少收入”。
3. 在数据端完成闭环
如果你在投放流量却没有完成闭环——你不在成果经济里,你还在CPC经济里。你需要:
- 设置服务端转化跟踪。
- 将价值(订单金额)回传给广告平台。
- 在Google Ads中使用增强转化以在Cookie丢失后恢复数据。
Google Ads与成果导向优化:该用什么
Google Ads提供了几个直接支持成果导向方法的工具:
- Performance Max。根据转化概率自动在所有Google库存中分配预算。本质上是Google生态系统内的闭环系统。
- Target ROAS。出价按目标广告支出回报优化,而非按点击或转化成本。
- 转化价值规则。允许根据受众、地区或设备设置不同的转化价值——这对精确的成果建模至关重要。
- 数据驱动归因。根据实际数据而非固定模型,在所有触点上分配转化价值。
对套利者来说至关重要:如果你不向Google Ads回传转化价值,算法会按数量而非收入优化。这意味着你获得的是便宜但低质量的转化。
成果导向方法的风险与局限
成果经济并非没有问题,媒介采买者必须理解:
- 数据瘫痪。过多的指标和信号可能造成混乱。如果你跟踪15个不同价值的事件,算法可能找不到模式。解决方案:选择2–3个关键成果事件。
- 短期思维。按即时成果优化可能扼杀长期价值。例如,激进的重定向今天提升了转化,但因受众疲劳降低了LTV。
- 平台依赖。像AppLovin或PMax这样的闭环系统从采买者手中夺走了控制权。你看不到钱具体花在哪里——只看到最终ROAS。这对薄利润套利者是风险。
- 信号丢失。隐私变化(ATT、第三方Cookie弃用)降低了成果优化所依赖的数据质量。服务端跟踪不再是可选项,而是必需品。
媒介采买者策略:实操步骤
要在向成果经济过渡时保持效率,媒介采买者需要系统性地行动:
步骤1:审计现有归因
检查你跟踪哪些转化,以及是否回传了价值。如果Google Ads只设置了“购买”转化而没有价值——你在按数量而非收入优化。
步骤2:实施转化价值
设置动态转化价值。电商用订单金额。联盟用线索佣金。mVAS用每订阅收入。通过GTM或服务端将此值回传给Google Ads。
步骤3:增量测试
运行留出测试:在测试组关闭上层漏斗渠道,与对照组比较转化。如果差异在统计上不显著——该渠道不产生增量效果,预算应重新分配。
步骤4:转向基于价值的出价
将广告系列从Maximize Conversions切换到Target ROAS或Maximize Conversion Value。给算法2–3周学习时间。
步骤5:监控转化质量
成果不仅是数量,更是质量。跟踪转化后指标:退货、流失、复购。如果ROAS上升但LTV下降——系统在错误方向上优化。
Criteo与新渠道:对中小企业和套利者意味着什么
Criteo最近扩展了Criteo GO平台,为中小企业增加了全自助功能,并加入了ChatGPT Ads库存。约2000个品牌已通过Criteo在ChatGPT上投放广告。对媒介采买者来说,这意味着一个新渠道的出现:
- 可通过自助界面使用(无需大型DSP的最低预算)。
- 支持跨渠道采买(Meta、视频、ChatGPT)。
- 基于Criteo的重定向数据,这对电商联盟组合尤其有价值。
但Criteo作为套利渠道需要谨慎:重定向库存依赖Cookie和第三方数据,在隐私收紧环境下覆盖面会下降。将Criteo作为Google Ads的补充,而非替代。
YouTube作为成果策略的一部分
YouTube预计收入约620亿美元,正从视频托管平台转变为全漏斗生态系统:CTV +社交 +效果。对媒介采买者来说,YouTube采买现在可以按转化而非仅按覆盖来优化。
实操步骤:
- 使用Video Action Campaigns按转化优化。
- 为YouTube广告系列接入转化价值。
- 在Google Ads中测试Demand Gen作为Meta效果视频的替代。
清单:转向成果导向采买
- 是否在Google Ads中设置了转化价值回传(而非仅转化事实)?
- 是否使用数据驱动归因而非最后点击?
- 是否至少对一个上层漏斗渠道进行了留出测试?
- 关键广告系列是否已切换到Target ROAS或Maximize Conversion Value?
- 是否跟踪转化后指标(退货、LTV、流失)?
- 是否设置了服务端跟踪以在Cookie丢失后恢复数据?
未来展望
成果时代不是临时趋势,而是结构性转变。闭环系统将继续扩展:Google、Meta、AppLovin、Amazon——都在向按商业结果自动优化发展。媒介采买者的角色正从管理出价转向管理数据:你传递给系统的信号质量决定了优化质量。
对套利者来说,没有闭环的组合——即没有转化及其价值的反馈——将越来越处于劣势。那些建立高质量数据管道并转向基于价值优化的人,将因算法获得正确信号而在CPM和转化上占据优势。
常见问题
成果导向营销与普通效果营销有什么区别?
效果营销聚焦于行动——点击、转化、安装。成果导向营销更进一步:每个行动按商业结果(收入、ROAS、LTV)来评估。不仅是“获得转化”,而是“获得带来利润的转化”。
在成果时代是否需要完全放弃品牌广告?
不需要。品牌广告对漏斗顶部仍然重要,但现在必须证明增量效果——相比对照组的转化实际增长。如果品牌渠道没有通过增量测试,预算应重新分配。
通过GTM或服务端回传动态转化价值。联盟用线索佣金。电商用订单金额。mVAS用每订阅收入。没有转化价值,Google Ads算法会按数量而非收入优化。
什么是闭环系统,为什么它对套利很重要?
闭环系统自动将广告展示与成果(转化)关联,并将预算重新投入到最有效的受众群体中。AppLovin、Performance Max、Smart Bidding都是例子。它重要是因为如果数据配置正确,手动优化无法与算法的速度和精度竞争。
转向成果导向优化有哪些风险?
主要风险:短期思维(为快速转化牺牲LTV)、对平台算法的依赖(失去对采买的控制)、因隐私变化导致数据质量下降。解决方案是监控转化后指标和使用服务端跟踪。

