方正证券报告深入分析AI在数字营销领域的变现路径。Meta和AppLovin是AI+营销赛道的两大代表。Meta于24年2月发布生成式推荐模型GR，验证了推荐系统的Scaling Law，Advantage+广告工具使投放效果提升22%，AI驱动广告业务量价齐升。AppLovin凭借AppDiscovery+MAX+Adjust的完整数据闭环，AXON 2.0驱动广告收入持续超预期，24Q3收入增速39%，毛利率提升至73%。本报告解析AI广告推荐算法的技术演进与竞争壁垒。
AI驱动广告平台量价齐升，Meta 24Q3广告收入+19%
Meta将AI应用分为核心AI和生成式AI两条路线。核心AI方面，Advantage+广告工具套件利用Meta AI进行实时自动化调整，广告主可选择自动化设置某个环节或使用端到端自动化工具。据公司业绩会信息，A+购物广告能使投放效果提高22%。Meta Lattice（根据数据点预测广告效果）、Image Animation（图片生成视频）、Video Expansion（视频延展）陆续发布，为广告ROI和CPM带来提升空间。
AI算法更新已显著提高广告ROI，驱动广告业务量价齐升。23Q4/24Q1/24Q2/24Q3广告触达量分别同比增长21%/20%/10%/7%，CPM分别同比增长2%/6%/10%/11%，进入ARPP端参与度与货币化率双轮驱动阶段。24Q3广告收入399亿美元（+19%），毛利率稳定在80%以上，净利率提升至38%。
表：Meta广告业务量价齐升趋势| 指标 | 23Q4 | 24Q1 | 24Q2 | 24Q3 |
|---|
| 广告触达量YoY | +21% | +20% | +10% | +7% |
| CPM YoY | +2% | +6% | +10% | +11% |
生成式推荐模型GR验证Scaling Law，Meta引领技术路线升级
在推荐系统领域，最主流的模型是深度学习推荐模型（DRM），利用大量异构特征（数值特征如CTR、分类特征如创作者ID/用户ID）建模用户和商品关系。但这种范式没有体现出Scaling Law——即随着计算规模扩大，模型性能难以提升。
Meta于2024年2月发布《Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations》，提出生成式推荐模型（GR），在其中验证了推荐系统的Scaling Law。论文提及，公司核心产品线中已用GR替换DLRM范式。生成式推荐模型通过将用户行为序列建模为生成任务，使模型性能随参数规模和数据量增加持续提升，为广告推荐算法开辟了新方向。
AppLovin数据闭环+AXON引擎构筑护城河，24Q3收入+39%
AppLovin是第三方广告平台，旗下平台包括：AppDiscovery（DSP，整合广告主需求并协助竞价，由AXON支持）、MAX（Mediation，帮助流量主集成竞价进行撮合）、Adjust（归因平台，提供数据监测和归因分析）。公司业务逻辑：AppDiscovery指导广告主投放预算和出价目标，MAX知道流量主竞价情况，公司通过信息不对称优化出价策略，赚取差价。广告主和流量主的双向锁定形成生态闭环。
推荐引擎AXON于2022年发布，23年初迭代至2.0版本，大幅提高广告投放精准度，使客户能在几微秒间完成大规模广告拍卖。AXON 2.0通过持续迭代学习、训练数据量增加和推荐算法增强，匹配用户与广告更精准快速，为广告商增加ROAS，吸引更多客户加入带来更多数据，形成数据-算法-客户数的正向循环。公司24Q3收入11.98亿美元（+39%），毛利率从65%提升至73%，净利润率从-14%提升至36%。
苹果ATT是催化剂，数据优势拉开差距
苹果2021年4月发布iOS14.5，上线ATT框架限制应用读取用户设备IDFA。约80%用户选择禁止跨平台追踪，移动广告投放精准度受打击，个性推荐广告CPM相对主动搜索和品牌广告大幅降低。2022年网络广告增速明显下滑（YoY -23.1pct），Meta/AppLovin收入YoY -1%/+1%。
ATT实施之后，广告平台更多依赖第一手用户行为数据进行分析和推荐，涉及AI/ML能力，广告推荐门槛由此提高。Meta和AppLovin率先完成算法优化，借助广告ROI优势实现业绩高增。算法的成功改造背后是多年数据积累：Meta拥有五款社交应用去重后MAU占全球网民74%；AppLovin通过AppDiscovery、MAX、Adjust获取广告主数据、流量主数据和用户转化数据的完整闭环，使AXON无需依赖外部数据就能精准优化ROAS。数据+算法+用户的正向循环，使领先者与其他竞争者差距持续拉大。
