三七
Google UAC 系列（一）：IAA广告变现投放指南，从安装优化到收入优化
从 UAC 1.0 到 3.0，Google Ads 正在把 IAA 投放从“买用户”推向“买收入”。
写在前面：投放不是在真空里发生的
做出海投放久了，人会慢慢发现一件事：
我们以为自己每天面对的是账户、预算、CPI、ROAS、留存曲线、广告收入回传、eCPM、填充率、国家包和素材组。
但真实世界并不是一张干净的投放报表。
它会以一种非常粗暴的方式，闯进你的 campaign。
一个地区的政局变化，可能让广告主突然撤预算；
一次制裁升级，可能让支付、广告填充、结算链路同时变脏；
一场战争，会让你在后台看到非常诡异的数据：
用户还在，留存还在，甚至活跃还很好，但收入没了。
这就是 IAA 出海最残酷的地方。
我们做的是广告套利，逻辑听起来很简单：
低价买用户，高价卖广告。
但现实里，用户不是静态的数字，国家也不是静态的标签。
同样是一个便宜地区，昨天它可能是低 CPI、高留存、能回收的洼地；今天它可能就变成了高留存、零广告填充、零变现的黑洞。
你买到的用户依然真实存在。
他们会打开 App，会停留，会消费内容，会完成你设置的核心事件。
但广告主不在那里出价了，广告平台不愿意在那里填充了，eCPM 掉穿了，回收链路断了。
这时候你会突然意识到：
投放优化师可以优化 ROI，但优化不了世界的崩坏。
我们可以改素材，可以拆国家，可以调出价，可以换事件，可以让模型更聪明；
但我们改变不了地缘风险、金融封锁、广告主撤资、支付链路波动，以及某些市场突然失去商业价值这件事。
也正因为如此，Google UAC 在 IAA 里的价值，才不只是“帮你买量”。
它真正重要的地方在于：
当世界开始变得不可控时，算法能不能尽快帮你识别：哪些用户还值得买，哪些地区正在变脏，哪些行为只是虚假的繁荣。
今天这篇，我们先不聊具体怎么搭 campaign。
先把 UAC 从 1.0 到 3.0 的进化逻辑讲清楚。
因为你只有先理解 Google 到底在帮你买什么人，后面才知道为什么同样是 IAA 项目，有的人 1.0 还能活，有的人非 3.0 不投，有的人开 tROAS 能赚钱，有的人一开就死。
一、IAA 投放的本质：低买高卖，但难点在“卖得出去”
在 IAA 项目里，商业模式非常直接。
用户不付费，广告主替用户付费。
所以我们表面上是在买用户，实际上是在买一批未来能够贡献广告收入的流量资产。
最理想的状态是：
- 我用 0.05 美金买来一个用户；
- 这个用户未来 7 天给我贡献 0.10 美金广告收入；
- 我再把预算放大；
- 账户持续滚动。
这就是 IAA 最朴素的逻辑。
但问题在于，用户价值不是平均分布的。
有些用户会高频打开 App，高频观看激励视频，高频触发插屏广告；
有些用户只是装了一下，打开一次就走；
有些用户留存很好，但所在地区广告填充极差；
有些用户行为看起来很活跃，但广告主对这个国家根本不出价。
所以 IAA 的核心矛盾不是“买不到用户”。
而是：
你买到的人，是否真的能被广告系统卖出价格。
这也是 UAC 从 1.0 进化到 3.0 的根本原因。
早期我们只关心安装。
后来我们开始关心行为。
再后来我们发现，行为也不够，我们必须直接关心广告收入。
于是 UAC 的进化路径，本质上就是：
从买“人”，到买“看广告的人”，再到买“能贡献广告收入的人”。
二、UAC 1.0：买人头的时代
UAC 1.0 可以理解为最原始、最粗暴、也最容易起量的阶段。
它的核心目标很简单：
用你设定的目标 CPI，尽可能多地买安装。
在这个阶段，系统最关心的是 install。
谁更容易安装，谁更便宜，谁更容易被素材打动，系统就会把更多预算推给谁。
这类 campaign 的优点非常明显：
- 冷启动快；
- 起量快；
- 测素材快；
- 对事件回传要求低；
- 对新项目非常友好；
- 适合前期快速拿用户数据。
所以在很多 0-1 项目里，1.0 并不是完全没有价值。
尤其是当你刚开始跑一个新产品、新语种包、新国家组合时，1.0 可以快速帮你回答几个基础问题：
- 这个素材有没有点击吸引力？
- 这个地区 CPI 大概在什么区间？
- 用户是否愿意安装？
- App 包体、商店页、标题、icon 有没有基础转化能力？
- 哪些国家能跑量？
- 哪些素材天然有流量倾斜？
但是，1.0 的问题也非常致命。
它买的是安装，不是价值。
系统并不真正关心这个用户后面会不会打开 App，会不会看广告，会不会产生收入。
所以 1.0 很容易买到一种用户：
安装动作很便宜，但商业价值很低。
我一般把这类用户叫做“广告绝缘体”。
他们不是假用户，也不一定是垃圾用户。
他们可能真的会安装，甚至可能真的会打开。
但他们对广告不敏感，对内容不深度消费，对激励广告没有需求，或者所在地区根本没有足够广告主出价。
在 IAA 里，这类用户很危险。
因为他们会让前端数据看起来很好：
- CPI 很低；
- install 很多；
- 首日成本很好看；
- 账户消耗很顺。
但等你看收入的时候，会发现：
- ARPU 很低；
- eCPM 很低；
- 填充很差；
- D0/D1 收入回不来；
- 量越大亏越多。
所以 UAC 1.0 的最大价值不是赚钱，而是探索。
它适合用来测市场、测素材、测包、测基础转化路径。
但如果一个 IAA 项目长期只靠 1.0，除非你的变现模型极强、素材极强、国家选择极准，否则很容易陷入“便宜流量陷阱”。
三、UAC 2.0：从安装到应用内行为
UAC 2.0 相比 1.0，最大的变化是：
系统不再只看安装，而是开始寻找更可能完成应用内关键行为的用户。
也就是说，你不只是告诉 Google：
“帮我买一个安装。”
而是告诉它：
“帮我买一个更可能完成某个行为的用户。”
这个行为可以是：
- 完成新手引导；
- 完成注册；
- 首次打开某个页面；
- 完成一次内容消费；
- 观看一次激励视频；
- 触发一次插屏广告；
- 完成一次核心任务；
- 达到某个使用时长；
- 完成某个广告相关事件。
这一步非常关键。
因为从 2.0 开始，UAC 才真正从“流量采买”走向“用户筛选”。
1.0 的用户可能只是被素材吸引了一下。
2.0 的用户至少证明了自己愿意在产品里多走一步。
对 IAA 来说，这一步尤其重要。
因为 IAA 不怕用户不付费，怕的是用户不消费内容、不看广告、不产生曝光。
所以如果你只优化安装，系统会买到大量浅层用户；
但如果你优化广告相关行为，系统就会开始寻找那些更可能进入广告变现链路的人。
这就是 UAC 2.0 的核心价值：
它开始帮你过滤掉一部分“只安装、不变现”的人。
但是 2.0 也有一个问题。
单次行为不一定等于高价值。
比如，一个用户看了一次广告，并不代表他未来会持续看广告。
一个用户完成了新手引导，也不代表他会留下来。
一个用户触发了某个浅层事件，也不代表他有商业价值。
所以 2.0 比 1.0 更聪明，但还不够聪明。
它能帮你买到“有动作的人”，但不一定能帮你买到“高价值的人”。
四、UAC 2.5：IAA 的止损线
我个人会把 UAC 2.5 理解为 IAA 里非常重要的过渡阶段。
它不是官方意义上完全独立的一代产品，而更像是投放实践里形成的一种思路：
不只优化一次行为，而是优化高频行为。
比如：
- 观看 3 次广告；
- 观看 5 次激励视频；
- D0 内触发多次广告展示；
- 完成多次内容消费；
- 达到一定会话深度；
- 达到某个广告曝光频次；
- 完成连续行为链路。
它和 2.0 的区别在于：
2.0 关注“有没有做”。
2.5 关注“愿不愿意重复做”。
这对 IAA 非常重要。
因为广告收入不是由一次行为决定的，而是由重复曝光决定的。
IAA 用户的价值，往往不来自某一次广告观看，而来自一种可复制的行为惯性：
- 他不反感广告；
- 他愿意为了内容看广告；
- 他愿意为了奖励看广告；
- 他会持续打开；
- 他会重复触发广告场景；
- 他不会在第一次广告后立刻流失。
所以我一直觉得，2.5 是很多 IAA 玩家的“止损线”。
它不直接计算美金收入，但它通过频次筛掉了一批广告耐受度不够的人。
换句话说：
2.5 买的不是收入，买的是广告耐受性。
这一步对很多项目很实用。
尤其是当你的广告收入回传还不够稳定，或者你的 tROAS/ARO 数据条件还不成熟时，高频广告事件优化往往比纯安装更稳。
它不能保证你一定赚钱，但至少能减少你买到完全不看广告用户的概率。
在很多长留内容项目里，2.5 的留存表现往往也会比较稳定。
因为能完成多次行为的用户，本身就更接近产品真实用户，而不是被素材骗进来的浅层安装用户。
五、UAC 3.0：从行为优化进入收入优化
到了 UAC 3.0，逻辑就彻底变了。
系统不再只问：
“这个用户会不会安装？”
“这个用户会不会完成某个行为？”
“这个用户会不会看几次广告？”
而是开始问：
这个用户未来能贡献多少广告收入？
这就是 IAA 投放从“行为逻辑”进入“收入逻辑”的关键节点。
在 3.0 里，Google 不再只是根据事件频次判断用户价值，而是把广告收入回传作为更核心的优化信号。
这对 IAA 来说是一次质变。
因为 IAA 最终看的不是用户做了几次动作，而是这些动作到底卖出了多少钱。
两个用户可能都看了 5 次广告，但价值完全不同。
用户 A 在高 eCPM 国家，5 次广告可能贡献 0.08 美金；
用户 B 在低填充地区，5 次广告可能贡献 0.002 美金；
用户 C 看了广告，但广告主没有出价，实际收入接近 0。
如果你只优化频次，系统可能会觉得 A、B、C 都不错。
但如果你优化广告收入，系统会明显更偏向 A。
这就是 UAC 3.0 解决的问题：
它把“行为”翻译成“钱”。
这也是为什么现在很多 IAA 团队会认为：
能上 3.0，就尽量上 3.0。
因为你不再需要用一个行为事件去间接代表价值，而是直接把价值本身喂给系统。
六、1.0、2.5、3.0 的核心差异
简单说：
- 1.0 买的是人；
- 2.0 买的是会做事的人；
- 2.5 买的是愿意重复做事的人；
- 3.0 买的是能产生收入的人。
如果放到 IAA 场景里，可以这样理解：
| 阶段 | 核心目标 | 系统理解的“好用户” | IAA 价值 | 最大风险 |
|---|---|---|---|---|
| UAC 1.0 | 安装 | 容易安装的人 | 测素材、测国家、快速起量 | 买到低价值安装 |
| UAC 2.0 | 单次行为 | 会完成关键事件的人 | 过滤浅层用户 | 行为不等于收入 |
| UAC 2.5 | 高频行为 | 愿意重复看广告/消费内容的人 | 提升广告耐受度和留存质量 | 仍然不能识别 eCPM 差异 |
| UAC 3.0 ARO | 广告收入潜力 | 未来可能贡献高 LTV 的人 | 抢高价值增量 | 波动更明显 |
| UAC 3.0 tROAS | 回收目标 | 能满足目标回收的人 | 控制利润和 ROI | 量可能变窄 |
再压缩一点：
1.0 解决“有没有量”；
2.5 解决“是不是有效用户”；
3.0 解决“到底值多少钱”。
七、为什么 IAA 玩家必须理解 ARO 和 tROAS
很多人一听到 UAC 3.0，就会把 ARO 和 tROAS 混在一起。
但在实际投放里，它们的性格完全不同。
ARO：更像抢量模型
ARO 可以理解为 App Revenue Optimization，也就是围绕广告收入价值做优化。
它更偏向于帮助系统识别未来可能贡献高广告收入的用户。
在 IAA 里，ARO 最大的特点是：
- 更容易起量；
- CPI 往往相对更友好；
- 能探索高潜力用户；
- 适合放量；
- 对高 LTV 增量更敏感。
它买的不是已经确定产生收入的人，而是系统预测未来可能产生收入的人。
这就像你在用户还没真正贡献很多收入之前，系统已经根据大量信号判断：
“这个人可能值钱。”
这些信号可能包括设备、地区、网络环境、历史广告互动习惯、应用使用行为、相似用户表现、广告生态里的价值预测等等。
当然，我们看不到这些底层参数。
但我们能从结果里感受到它的逻辑：
ARO 很擅长提前下注。
它不一定等用户已经贡献很多广告收入才行动，而是会基于预测去抢未来价值。
所以 ARO 的优点是有机会放大，缺点是波动。
因为它吃的是预测。
当 eCPM 波动、国家填充变化、素材吸引的人群变化、广告主预算变化时，ARO 的表现也可能跟着变化。
这就是为什么有些项目跑 ARO 时，会出现：
- 今天量很好，明天突然慢；
- CPI 很低，但留存波动；
- 收入曲线跟随 eCPM 摆动；
- 某些国家突然被系统放大；
- 预算消耗不如 tROAS 稳定。
所以我对 ARO 的理解是：
ARO 更适合“抓大放小”，用来抢高潜力增量。
它不是最保守的赚钱模型，但它可能是更有弹性的放量模型。
tROAS：更像利润模型
tROAS 的逻辑更直接。
你告诉系统一个目标回收率，然后系统围绕这个目标去找用户。
它不只是问用户有没有收入，而是问：
这个用户能不能满足我设定的回收目标？
所以 tROAS 更适合利润导向。
它的优点是：
- 回收目标更明确；
- 对低价值流量更克制；
- 更适合成熟项目；
- 更适合预算纪律强的团队；
- 更适合做稳定 ROI。
但缺点也很明显：
- 量可能变窄；
- 冷启动要求更高；
- 对数据稳定性要求更高；
- 目标设太高容易跑不动；
- 国家池太杂时学习成本更高。
tROAS 不是不能放量，而是它天然更谨慎。
它不像 ARO 那样主动去赌很多潜在用户。
它更像一个财务纪律很强的买手：
“可以花钱，但必须符合回收目标。”
所以 tROAS 更适合那些已经有比较稳定收入回传、比较清楚 LTV 区间、素材和国家结构已经跑出基础模型的项目。
八、太极：很多人听过，但未必真正理解
在 IAA 圈子里，经常会听到“太极”。
它不是一个普通广告后台里所有人都能直接看到的按钮，更像是 Google 面向部分头部客户、重点项目、复杂账户结构时的一套半自动化优化思路和协同机制。
早期很多人理解太极，是基于 AEO 或 2.5 的模型去做收入方向的优化。
但发展到现在，我更愿意把太极理解成：
黑盒背后的隐形指挥棒。
它不是一个单独的 campaign。
它也不是一个你点一下就能立刻生效的神奇开关。
它更像是系统层面的预算、地区、目标、价值、素材和学习信号之间的再平衡机制。
太极解决的其实是 IAA 最大的痛点：
流量全球化，但变现本地化。
比如你有一个全球通用的阿语内容包。
从产品角度看，中东、北非、部分低成本市场都可以跑。
从投放角度看，这些地区 CPI 可能都很便宜。
从用户角度看，留存可能也都还不错。
但从变现角度看，它们完全不是一回事。
有些国家 eCPM 高，广告主多，填充好；
有些国家用户便宜，但广告收入极低；
有些国家留存漂亮，但广告主不愿意买；
有些地区因为时局、支付、制裁、广告生态变化，突然变成低价值流量池。
太极的价值就在于，它会尝试在更大的系统层面理解这些差异。
它像太极推手一样，讲究“借力打力”。
当某些国家 eCPM 上升，系统会更愿意给它机会；
当某些国家虽然 CPI 便宜但收入承接不住，系统会逐渐减少倾斜；
当某类用户行为不错但回收差，系统会慢慢修正；
当某些国家在同等成本下 LTV 更好，预算会自然被推过去。
当然，它不是神。
它不保证实时正确，也不保证每一次都比人工判断快。
尤其是在一些突发地缘风险、广告主突然撤资、填充突然断掉的市场里，系统可能需要学习时间。
比如某个国家突然出现“高留存、零收入”的情况。
tROAS 或收入优化模型最终会意识到这个地区不值得继续买，但它可能需要两三天，甚至更长时间去完成判断。
而如果你人工已经明确知道这个地区填充极差、收入为零，那直接排除，可能比等系统学习更快。
所以我对太极的态度是：
相信算法的长期优化能力，但不要放弃人工对异常市场的短期干预。
九、为什么我不建议所有国家都无脑 WW
很多人跑 Google IAA，喜欢直接 WW。
理由很简单：
- 让系统自由探索；
- 给算法最大空间；
- 数据池更大；
- 学习更快；
- 起量更容易。
这个思路没错。
尤其是 ARO 或 tROAS 这类更依赖价值信号的模型，理论上确实应该给系统足够大的探索空间。
但在实际投放中，我不建议所有项目都无脑 WW。
特别是对 IAA 来说，国家之间的变现差异太大了。
同样是低 CPI 国家，有些是便宜但能回收；
有些是便宜但完全没广告；
有些是留存很好但 eCPM 极低；
有些是前端数据漂亮但后端收入断层。
如果全部丢进 WW，让系统自己慢慢学，当然也可以。
但你要接受一个问题：
系统学习需要成本，而这个成本是你真实花出去的钱。
所以我的习惯是，在 WW 之外，再拆 Tier 1、Tier 2，甚至针对某些语种包做单独国家组。
这样做的好处是：
- 预算更集中；
- 同价值国家之间更容易比较；
- 可以更快发现性价比洼地；
- 可以手动排除明显无收入地区；
- 不会让极低 CPI 国家过度污染模型；
- 方便后续把高价值国家单独放大。
当然，这样也会带来问题。
比如 WW campaign 和拆出来的国家包可能会有一定竞价关系；
预算分散后，某些 campaign 学习速度会变慢；
如果拆得太细，也可能导致数据量不够。
所以这不是一个固定答案。
我的建议是：
早期可以给 WW 一定探索空间，但只要你发现某些地区形成“高留存、低收入”或“高行为、零变现”的黑洞，就不要完全交给系统慢慢学。
IAA 投放不是纯粹的算法信仰。
它更像是人和系统之间的协作。
系统负责在大盘里找模式，
人负责识别那些系统短期内还没来得及理解的异常。
十、从 SY/VE/PS 这类地区说起：高留存不等于高价值
在一个 IAA 内容长留项目里，我们复盘地区数据时，会看到一些非常典型的现象。
某些地区 CPI 极其便宜，留存也高得离谱。
从前端看，它们简直是完美市场：
- 成本低；
- 安装多；
- 留存强；
- 活跃不错；
- 用户愿意打开；
- 内容消费也不差。
但一看收入，几乎没有。
这类地区最容易骗过投放新手。
因为很多人会本能地认为：
留存高 = 用户质量好。
但在 IAA 里，这句话只对一半。
留存高只能说明用户愿意回来。
但它不能说明广告主愿意为这个用户付钱。
一个地区如果广告主少、填充差、eCPM 极低、支付和商业链路不稳定，那么再高的留存也可能无法转化成收入。
这就是 IAA 和 IAP 最大的区别。
IAP 项目里，用户自己付钱。
只要他愿意消费，地区价值就能被直接体现。
IAA 项目里，用户不付钱。
用户价值必须通过广告市场间接兑现。
所以 IAA 的用户价值，本质上由三层决定：
- 用户是否活跃；
- 用户是否愿意接受广告；
- 广告市场是否愿意为这个用户出价。
前两层是产品和用户行为问题。
第三层是广告生态和国家商业价值问题。
很多项目亏损，不是输在前两层，而是死在第三层。
你买到了活人，也买到了留存，但没有买到可变现的广告市场。
这就是“高留存、零变现”的黑洞。
十一、UAC 1.0 到 3.0，其实是 Google 对“用户”定义的重写
如果只从后台功能看，UAC 的变化好像只是出价策略变化。
但如果从投放认知看，它其实是在重新定义“什么是用户”。
1.0 时代：用户 = 安装
只要装了，就是用户。
这个定义非常粗糙，但适合早期买量。
它适合解决“有没有人愿意下载”的问题。
2.0 时代：用户 = 完成行为的人
装了还不够，必须完成关键事件。
这个定义开始更接近产品增长。
它适合解决“用户是不是有效”的问题。
2.5 时代：用户 = 重复完成行为的人
完成一次还不够，必须多次完成。
这个定义开始接近 IAA 变现逻辑。
它适合解决“用户是不是有广告耐受度”的问题。
3.0 时代：用户 = 未来能产生收入的人
行为还不够，必须能转化成钱。
这个定义才真正接近商业增长。
它适合解决“用户到底值多少钱”的问题。
所以 UAC 的进化，不是简单从旧功能到新功能。
它背后是广告系统对用户价值判断方式的升级。
从浅层到深层，
从动作到意愿，
从意愿到收入，
从收入到 LTV 预测。
十二、那是不是所有 IAA 都应该直接上 3.0？
现在很多同行会说：
IAA 不上 3.0 没意义。
这个观点有一定道理，但不绝对。
如果你的项目已经有稳定广告收入回传，事件配置清楚，国家池有基础判断，素材也能持续供给，那 3.0 确实应该是优先选择。
因为它离最终目标最近。
你最终要的是钱，不是安装，也不是行为。
但如果你的项目还在 0-1 阶段，情况就没那么简单。
比如：
- 新包刚上线；
- 没有足够收入回传；
- Firebase/AdMob/Max/ironSource 等链路还在验证；
- 国家价值还不清楚；
- 素材方向还没跑出来；
- App 内容承接还没调好；
- 广告场景还没稳定；
- 回传口径还有误差。
这个时候你直接上 3.0，未必一定跑得动。
因为系统需要价值信号。
没有足够价值信号，它就很难判断谁是高价值用户。
所以在一些 0-1 项目里，1.0、2.0、2.5 仍然有存在意义。
它们可以帮你完成前期探索：
- 1.0 测素材和国家；
- 2.0 测关键行为链路；
- 2.5 测广告耐受和留存质量；
- 3.0 再接收入优化。
这不是说一定要按顺序跑。
成熟团队当然可以更激进。
但对大多数项目来说，UAC 不是一键上 3.0 就结束。
真正的问题是：
你的项目当前阶段，是否已经具备让 3.0 正确学习的条件。
十三、我的阶段性判断
如果用一句话总结：
1.0 是探路，2.5 是止损，3.0 是收割。
更具体一点：
1.0 适合什么？
- 新项目冷启动；
- 新语种包测试；
- 新素材测试；
- 新国家探索；
- 商店页转化测试；
- 需要快速拿基础安装样本。
但不要迷信低 CPI。
低 CPI 只是便宜，不代表赚钱。
2.5 适合什么？
- 已经有基础安装；
- 想过滤浅层用户；
- 收入回传还不够稳定；
- 需要提升广告行为质量；
- 想找广告耐受型用户；
- 适合长留内容产品过渡。
它不直接买收入，但能减少无效流量。
ARO 适合什么？
- 已经有广告收入回传；
- 想要更大增量；
- 能接受一定波动；
- 国家池有探索空间；
- 希望用较低 CPI 抢高潜力用户。
它更像进攻模型。
tROAS 适合什么？
- 收入回传稳定；
- 目标回收明确；
- 预算纪律强；
- 更关注利润；
- 不想被低价值地区拖垮。
它更像防守反击模型。
十四、结语：算法越强，人越不能偷懒
很多人以为 UAC 越进化，投放优化师越轻松。
其实正好相反。
算法越强，人的判断越要前置。
因为当系统把越来越多的决策藏进黑盒里，优化师真正要做的就不再是每天机械调价，而是判断：
- 这个模型现在买的到底是什么人？
- 这个事件是否能代表真实价值？
- 这个国家的留存是不是假繁荣？
- 这个地区的收入断层是暂时波动，还是结构性问题？
- 这个 campaign 跑不动是出价问题，还是信号问题？
- ARO 的波动是正常探索，还是国家池被污染？
- tROAS 的缩量是目标太高，还是高价值用户池太窄？
- WW 是否应该继续放开，还是需要拆 Tier 管控？
IAA 投放从来不是单纯地相信算法。
它更像是在一个不稳定的世界里，把人的经验和机器的判断绑在一起。
机器负责在亿级信号里找概率，
人负责在异常波动里识别风险。
所以，当我们看到某些地区 CPI 便宜到离谱、留存高到离谱、收入却接近于零时，不要急着庆祝。
那可能不是增长红利。
那可能只是世界在那一格里断电了。
Google UAC 从 1.0 到 3.0 的进化，本质上就是一次又一次把“用户”重新定义：
从安装用户，
到行为用户，
到广告耐受用户，
再到广告收入用户。
而 IAA 投放的终点，也从来不是买到更多人。
而是买到那些真正能被广告市场定价的人。