AI Video 如何将 Apple Ads 支出扩大 63%，同时通过关键词匹配付费墙使收入增长三倍

注：AI Video 是 Adapty 的真实客户。应团队要求，为保护其应用身份的保密性，本案例研究使用了匿名名称，并未披露具体的竞争漏斗数据。所有业绩数字均为真实数据，且基于相同的时间窗口进行了对比测量。

AI Video 是 AI 视频生成领域的顶级应用，在 App Store 中拥有强劲的自然流量和较高的品牌辨识度。该应用可将文字提示和图片转化为 AI 生成的视频、动画及短视频内容。

团队投入 Apple Ads 是为了将需求转化为付费增长，然而安装量提升的同时，收入却迟迟未能跟上。三个月后，借助 Adapty 重建漏斗，该渠道首次实现盈利。

以下是发生的改变。

Apple Ads 作为流量来源尽职尽责。用户在移动端 UA 中输入意图最强烈的搜索词——“AI video generator”、“text to video AI”、“AI animation”——找到 AI Video 并完成安装。Apple 的归因框架使搜索关键词在首次打开应用时即可获取。

然而，变现层对这些信息毫无利用。每次安装都对应相同的引导流程和相同的付费墙。一个搜索「AI 动画制作工具」的用户与一个搜索「AI 图片编辑器」的用户看到的是完全相同的界面。

最初 93 天的数据揭示了结局：

• 安装量上来了，但付费用户没有跟上。
• ROAS 始终未能达到盈亏平衡，即便到第 366 天也是如此。
• 每位付费订阅用户的获客成本使规模化扩张在数学上根本不可行。每多投入一美元，亏损就随之扩大。
• 地域扩张陷入僵局。每进入一个新市场，只是在等比例放大亏损。

团队拥有正确的渠道和正确的用户。需要打磨的，是中间那个界面——具体来说，是安装后的 30 秒，那是意图被转化或被浪费的关键时刻。

Adapty 用三个协同运作的模块取代了「所有人共用一个付费墙」的模式：广告系列管理、关键词级别的收入追踪，以及与搜索意图匹配的付费墙。

不借助 Adapty 来实现这一切，意味着需要拼接三个独立的供应商：一个 Apple Ads 管理工具、一个用于归因的 MMP，以及一个付费墙 A/B 测试工具。将它们串联起来的工程工作量，通常比团队预期获得的收益还要高。大多数订阅团队算完这笔账后，都会直接放弃这个项目。

团队直接通过 Adapty Apple Ads Manager 运营 Apple Ads 广告系列：出价、预算、关键词拓展和地区划分。基于规则的自动化处理关键词生命周期操作——启用、暂停或设为否定词，无需人工核对。正是这样，514 个活跃广告系列才能在没有专职团队的情况下正常运转。

概览页面将每一次广告系列层面的调整与其产生的收入并排显示。「做了什么改动」和「带来了多少收入」同处一个产品、同用一份数据，一目了然。

从 3 个地区扩展至 57 个国家市场，使用的是同一套机制。Market Intelligence 在同一仪表盘中呈现竞争对手关键词数据和新市场的搜索需求，因此为新国家构建关键词列表只需几分钟，而非数周。每个新市场就是一个广告系列，而不是一次系统集成。

Apple 的原生仪表盘止步于安装。Adapty 将归因延伸至安装之后——涵盖试用、订阅、续费，以及每个关键词、每个广告组和每个广告系列的生命周期价值。这正是实现关键词到付费墙归因的基础：触发广告展示的同一标识符，会贯穿用户看到的付费墙，一直延伸到订阅事件。

团队可以清楚看到哪些搜索词带来了付费订阅用户，哪些只带来了安装却从未转化。这是精准投放的前提条件。没有这些数据，ROAS 就只是一个汇总数字，无从着力优化。

用户看到的付费墙，取决于其搜索背后的意图类别：

• 搜索 “AI video generator” 的用户看到的付费墙，以视频创作、AI 视频模板和输出质量为主要卖点。
• 搜索 “text to video AI” 的用户看到的是以文字转视频流程为首位的界面，配以提示词和示例输出。
• 搜索 “AI animation” 的用户看到的付费墙围绕动态效果、动画制作和角色生成展开。
• 搜索 “AI photo editor” 的用户首先看到图片编辑功能，视频功能作为追加销售呈现。

团队并非为每个关键词单独设计付费墙。AI Video 划分了三到五个意图分组，每组对应一批相关查询词。这是帕累托最优点：既有足够的差异化来匹配漏斗顶端的意图，变体数量又少到足以维持可管理性。

从关键词识别到付费墙分配的整个漏斗，均在 Adapty 仪表盘中完成配置，仅用数天时间，无需改动任何应用代码。

两个等长的 93 天窗口：基准期与 Adapty 期。所有收入数据均已扣除 Apple 佣金及各国税费，为净收入。

ROAS 翻倍是最显眼的结果。更深刻的发现，在于这一差距随队列成熟而持续扩大。

如果提升仅仅来自在结账环节展示更好的付费墙，那么两个时期之间的差距在队列中应保持平稳。但实际上，差距在持续拉大。改善最为显著的是第 28 天及之后。意图匹配的用户不仅订阅率更高，留存时间也更长。

同样的复利效应在每个队列内部均有体现。两个时期内，每次安装带来的收入均从第 0 天持续增长至第 92 天，但 Adapty 队列的增速更快——起点更高，斜率更陡。在安装时转化率更高的那批用户，三个月后的续费表现同样更好。

之前的时期直至第 366 天都未能实现盈亏平衡。Adapty 时期在第 61 天越过盈亏平衡点，且曲线在第 92 天仍持续上扬。

在 Apple Ads 上，可承受的 CPC 上限，取决于每次点击在后续能产生多少收入。当安装转付费率较低时，上限也随之偏低，任何提价都会将渠道进一步推向亏损。当安装转付费率提升、用户留存改善时，这一上限也会同步上移。

出价空间的扩大，来源于付费墙的优化。更好的付费墙带来了更高的每次点击收入，而更高的每次点击收入则抬高了 CPC 上限。一旦漏斗能够承受更高的 CPC，真正的制约因素就从「这笔账划不划算」转变为「这个市场还有多少搜索量」。这正是团队得以开拓 57 个国家市场而不破坏单位经济模型的原因所在。

大多数 Apple Ads 优化方案都停留在广告账户层面：更精准的关键词、更严格的匹配类型、更智能的出价。这些固然值得去做，但都有天花板，而天花板的高低，取决于安装后 30 秒内发生的事情。

这些关键词本已带来了高意图的安装。AI Video 的逆转，源于将这些关键词与用户真正需要的付费墙连接起来，以及拥有足够的可见性来验证这一连接确实奏效。

漏斗是策略，广告账户只是输入。

如果你在 Apple Ads 上持续投入，安装成本不高但转化始终不动，那问题的根源并不在广告账户。