ATT后，CAPI提升ROAS 5%，DSP效能狂飙4倍！

自2021年美国苹果公司推出应用追踪透明度（ATT）政策以来，全球移动营销格局经历了深刻变革。这项政策并非简单地改变了行业规则，而是重塑了整个移动应用推广的运作模式。转眼到了2025年，尽管已过去四年，许多开发者和发行商仍然面临数据可视性下降和信号减弱的挑战。然而，一些领先的团队却找到了在这一新环境中实现盈利增长的路径。他们的成功秘诀在于构建了一套能够适应不完美数据，并侧重于更智能衡量体系的系统。

正如海外报告中的行业专家所言，那些在后ATT时代取得显著进展的团队，不再盲目追求“完美无缺”的数据，而是积极打造能驾驭不确定性的系统。一位来自中度游戏工作室的移动增长负责人直言：“我们不再等待完美的数据，而是着手构建能够处理不完善信息的系统。我们加大了测试力度，通过市场营销组合模型（MMM）进行验证，即便过程艰难，也坚持运行转化API（CAPI）。”这种务实求真的心态，在当下已经成为驱动工作室高效增长的核心准则。

后ATT时代：工具增多，确定性减少

ATT政策的核心在于限制了对用户层面数据的访问，尤其是在iOS生态系统内。这项调整给营销人员带来了两大突出难题：

可见性丧失： 营销人员难以全面掌握用户行为路径，导致难以准确评估哪些营销活动真正有效。
信号减弱： 广告平台接收到的用户反馈数据减少，使得其算法在用户定向和效果优化方面的能力受限。

如果问任何一位用户获取（UA）经理，自ATT实施以来最大的变化是什么，他们很可能会提到同一个答案：能看到的数据更少，能传递的数据也更少。

不过，并非全是坏消息。在过去四年里，行业各方积极探索，逐步构建了新的技术栈，一系列新的工具也应运而生。

SKAN 4.0： 作为苹果推出的归因框架，它提供了更长的回传窗口，并支持多达三次回传。虽然数据依然存在延迟和聚合性，但相比早期版本，其可用性已大大提高。
AEM (Meta) 与 ICM (Google)： Meta和谷歌等平台推出的转化测量替代方案，在遵守隐私政策的前提下，拓宽了转化追踪的范围。
CAPI (Conversions API)： 允许直接将经过哈希处理的事件级数据（如电子邮件、电话号码、点击ID等）从服务器端发送至广告平台，提升数据匹配的精确度。
Web-to-App 和 Web-to-Web-to-App： 借助网页流程实现归因追踪，在不依赖设备标识符（IDFA）的情况下，有效提升了追踪能力。
MMM (Marketing Mix Modeling) 与增量研究 (Lift Studies)： 这类宏观模型提供了更高层面的绩效视图，有助于验证营销投入是否真正带来了增量价值。

行业专家强调，这些工具中的任何一个都不是“万金油”。“最聪明的团队不会只依赖某一种方法，他们善于将其有机结合，形成一套组合拳。”

即便现在可用的工具更多，来自移动归因合作伙伴（MMP）如Airbridge等平台的数据，依然被视为最有价值的信号来源。在iOS生态中，归因往往依赖于概率匹配，利用IP地址、操作系统版本或屏幕尺寸等设备层面特征，将广告点击与应用安装关联起来。虽然并非百分之百精确，但它为团队提供了可操作的绩效视图。此外，MMP还能将SKAN的回传数据和转化价值清理并转化为易于理解的格式，使其成为日常营销分析和决策的核心依据。

一位行业专家指出：“在ATT之后，目前工作室所依赖的最有影响力的数据信号，依然源自MMP数据。MMP将利用设备层面数据点和广告平台触点信号进行的概率归因，与苹果SKAN的数据相结合，共同为工作室在受隐私限制的生态系统中，描绘出最清晰的用户行为图景。”

领军游戏工作室的差异化策略：他们究竟做对了什么？

面对不断变化的市场环境，一些领军游戏工作室通过实践，形成了一套行之有效的应对策略。

1. 将CAPI作为核心基础设施

转化API（CAPI）已成为追求更高匹配率和更丰富优化信号的工作室的基础设施。在移动端，它通过传递内购等有价值的安装后事件，弥补了ATT同意率较低带来的数据缺口。对于Steam平台上的PC和主机游戏而言，由于SDK集成受限且客户端追踪难以实现，CAPI更是一个突破性的进展。

一个拥有每日1000次购买量的免费射击游戏，在通过CAPI发送购买数据后的三周内，广告投入产出比（ROAS）提升了5%。尽管增幅不大，但持续稳定。业内专家提醒道：

“CAPI不会让你的收入一夜之间翻倍，但它能带来持续的复合增长……CAPI通常能帮助实现小幅但稳定的改进，通常能让ROAS提升3%到5%左右。如果你有足够的研发资源，这项工作是值得投入的，但不要期待立竿见影的巨大效果。”

这提示我们，在跨境营销中，长期主义和持续优化才是王道。

2. Web-to-App的悄然回归

随着iOS应用安装广告在ATT政策下受到更多限制，营销人员开始重新将网页作为第一个触点，以期重新获得可见性。目前，主要有两种设置方式备受关注。

（1）Web-to-App (W2A)： 用户点击网页广告后，直接跳转到App Store，并附带UTM参数进行追踪。
（2）Web-to-Web-to-App (W2W2A)： 用户首先访问一个网页（例如：问答页面、商店页面或落地页），然后通过行动号召（CTA）继续跳转到App Store。通过网页SDK或追踪脚本，可以捕获到安装前的活动数据，例如点击或互动。

这种模式的重要性在于，App Store内部的归因信号相对有限。而网页作为中介，能够让营销人员衡量用户意图，测试创意概念，并设计更丰富的用户旅程。

订阅和内容应用早已广泛采用这些漏斗模型，如今，游戏工作室也开始积极采纳。一个成功的案例是在落地页中嵌入HTML5可玩广告，让用户在下载前先体验游戏。这不仅提升了追踪效果，也通过筛选出更具参与度的玩家，从而提高了转化率。

3. SKAN：聚焦首次回传数据

SKAdNetwork（SKAN）是苹果公司为iOS应用安装广告活动设计的一套以隐私保护为核心的归因系统。它不依赖用户层面的标识符，独立于MMP运行，不受ATT同意情况的影响。尽管SKAN 4.0允许多达三次回传，但行业专家强调，工作室应将重心放在首次回传上。

为何首次SKAN回传数据最为关键？

及时性： 首次回传通常在2到4天内到达，足以支持及时的优化决策。
丰富性： 它包含高达64个细粒度转化值，能提供更深入的用户行为洞察。
兼容性： 在SKAN 3和4版本中保持一致，简化了设置流程。

而后续的回传数据不仅有延迟，并且只包含粗粒度信息，对于实时决策的价值相对较低。

与管理回传同样重要的是，在SKAN生效前采取的措施，而这始于ATT同意。获得的用户同意越多，你捕获到的ADID（广告标识符）就越多，这会增强通过MMP获得的数据可见性。实际上，SKAN应被视为“B计划”，而最大限度地提高用户选择同意率永远是“A计划”。

专家提出了三个经过验证的方法来提高ATT同意率：

预先提示： 清晰解释请求用户同意的原因，以及数据如何改善用户体验。真诚透明的沟通能建立信任。
自定义ATT提示语： 让提示语更人性化。一些小型工作室成功地使用了类似“我们使用这些数据是为了向您展示更少、更优质的广告，并让游戏保持免费”的措辞。
发送ATT后提醒： 如果用户选择了“不允许”，可以在后续适时提醒他们，并引导他们到设置中更新权限。

专家强调：“SKAN是B计划，A计划始终是最大化同意选择。你拥有的ADID越多，MMP数据就越强大。”

（图中人物：LILA GAMES创始人兼GameMakers播客主持人Joseph Kim与Airbridge & Airflux首席执行官兼联合创始人Roi Nam）

4. 更多工作室投资MMM（市场营销组合模型）

随着用户层面追踪的可靠性降低，越来越多的团队开始转向市场营销组合模型（MMM）。与依赖用户标识符的归因方法不同，MMM是隐私安全的，非常适合当前的环境。它能回答MMP或SKAN单独无法解决的问题：

真正来自付费用户获取（UA）的收入有多少？
哪些渠道正在带来增量价值，而不仅仅是被归因的转化？
在不影响增长的情况下，哪些方面的支出可以削减？

休闲游戏发行商通常能从中获得最大的益处，因为他们的营销活动通常更简单，渠道较少，数据也更清晰。这使得MMM模型更容易提供可靠的洞察。

工作室在实施MMM时，通常有两种选择：聘请供应商或构建自服务系统。一个典型的自服务工作流程如下：

选择模型： 选用如Meta的Robyn或谷歌的Meridian等模型。
选择变量： 结合营销投入（成本、曝光、安装量）与季节性或应用商店排名等背景信息。
模型校准： 利用Meta或谷歌的增量研究进行校准，以确保结果的准确性。
准确性检查： 通过R²、MAPE或MCMC收敛等统计指标检查准确性，确保统计可靠性。
定期运行： 每1-3个月更新输入数据并运行模型，每3-6个月进行重新校准。
逐步优化： 逐步审查和优化预算，在不过度调整的前提下应用洞察。

一位休闲益智工作室的增长负责人曾分享：“MMM帮助我们发现，在某些地区，YouTube上的网红营销表现优于奖励视频广告支出。如果只使用末次触达归因，我们根本不会发现这一点。”这充分说明了MMM在发现隐藏价值方面的独特作用。

（图中人物：Airbridge & Airflux首席执行官兼联合创始人Roi Nam）

Airflux：更智能的变现之路

数据衡量只是问题的一半。在用户获取成本不断攀升的今天，真正的核心问题是：如何从现有用户那里获取更大的价值？正是基于这一思考，Airbridge团队构建了Airflux，一个由人工智能驱动的引擎，旨在通过在不同用户分层上运行更智能的广告策略，提升用户生命周期价值（LTV）。

目前，已有不少工作室从中受益。

UA与变现：从分离到融合的闭环

长期以来，用户获取（UA）和变现（Monetization）仿佛是两条平行的轨道。UA团队追逐更低的每安装成本（CPI）和更高的广告投入产出比（ROAS），而变现团队则专注于广告位设置和应用内购买（IAP）流程。两者拥有不同的关键绩效指标（KPI），不同的数据看板，彼此间的交集甚少。

然而，这种割裂的模式在当前环境下已不再适用。随着CPI的不断攀升和数据信号的减弱，增长和变现必须作为一个紧密连接的闭环来运作。最有效率的工作室早已认识到这一点。

现代的广告需求方平台（DSP）正在引领这一趋势。例如，AppLovin将MAX调解（Mediation）竞价数据反馈回其用户获取引擎。这种闭环优化已被证明能将绩效提升高达四倍，这并非因为广告变得更便宜，而是因为营销活动能够针对真实的变现结果进行优化。

工作室可以遵循同样的思路，根据玩家行为来调整营销策略：

IAP核心用户： 推迟广告展示，鼓励早期进行内购。
IAA（应用内广告）核心用户： 从首次会话开始就向以广告互动为主的用户群体展示广告。
混合ROAS策略： 结合以上两种方法，以实现可持续增长。

这里面的挑战在于数据衡量。MMP和SKAN基于末次触达归因，它只能告诉你哪个渠道获得了功劳，但无法揭示真正的增量价值。因此，越来越多的团队通过增量研究（Lift Studies）和市场营销组合模型（MMM）来验证效果。这些层层叠加的分析方法有助于区分哪些是真正推动收入增长的因素，哪些仅仅是表面上的数据表现。

专家指出：“其原理很简单。DSP在识别具有强大IAP或IAA潜力的玩家方面越来越出色。工作室的任务就是将正确的营销策略与正确的受众进行匹配。”

展望未来：更优的信号，更智能的系统

未来的数据衡量体系，不会仅仅依赖于某一个单一的数据源。它将是多种方法的有机组合，每一种方法都为我们提供不同层面的清晰洞察。

MMP等平台能够提供跨营销活动、创意、渠道、国家和操作系统层面的实时可见性。MMM则提供宏观视角，展示线上和线下媒体如何随着时间推移对收入产生贡献。而来自Meta、谷歌或第三方机构的增量研究，则能验证营销投入的增量效果，让团队明确哪些努力真正推动了业务增长。

然而，更深层次的转变在于信号工程。简单地拥有更多数据不再意味着更好的绩效。领先的工作室正在积极过滤掉那些虚假或低价值的信号，转而专注于那些经过验证、高质量的信号，例如应用商店的购买数据，这些数据能有效改善平台优化效果。

与此同时，人工智能（AI）正在重塑增长团队的运作方式。我们已经看到：

创意自动化工具 如Poolday ML、Blay和Incymo，极大地提升了创意生产效率。
智能代理平台 如RetentionX、AppRadar和Pollen VC，在客户关系管理（CRM）、应用商店优化（ASO）和广告运营方面发挥着重要作用。
广告变现引擎 如Airflux，利用强化学习在用户分层层面不断优化策略。

请记住，那些在竞争中脱颖而出的工作室，都专注于以下三个核心优先事项：