Moloco 的研究揭示了一个市场认知偏差：尽管用户注意力已🤯转向其他平台，但 88% 的消费级 App 广告支出仍集中在😡 Google 和 Meta 最新研究发现，使用开放互😁联网*的广告主，其投资收益可提升高达 214% 202😅5 年 9 月 28 日 - 中国北京 – AI 效果广告平🤩台 Moloco，今日发布了其最新研究报告《开放互联网驱动效😁果提升：释放 Google 和 Meta 外的移动应用增长新😜势能》，该报告揭示了移动应用广告支出与消费者注意力之间日益扩😴大的差距。报告指出，尽管用户注意力正在向数百万个移动应用转移🙄，但移动营销支出仍高度集中在 Google 和 Meta，这😎两家公司目前占据 88% 的消费级 App 广告支出。这份报🔥告由 Moloco 与 Sensor Tower 和 Sin🙄gular 联合发布，研究表明，如果通过调整广告组合来触达各🔥类移动应用中的用户，特别是那些用户活跃度高的 App，广告主😂可将投资收益提升高达 214%。 Moloco 高级分🚀析经理 Tom Shadbolt 表示：“当前，仍然有大量广🥳告主在过度依赖 Google 和 Meta，但我们发现，更大😜的回报其实来自于科技巨头之外的平台，开放互联网正迅速成为可预🔥测并且能够保证长期效果的新引擎。这项报告向移动应用营销人员提😍供了重要指引。” 2024 年，游戏之外的各类消费级 ❤️App（涵盖娱乐、金融、外卖等）收入迎来大幅增长，其中应用内😡购买与订阅收入达到 705 亿美元，同比增长 25%。同时，❤️这一增长势头仍在加快，预计未来两年，消费级 App 收入将首🤩次超过游戏应用收入。Moloco 的报告为消费级 App 广😜告主提供了把握这一增长机遇的关键洞察。 报告发现： 🤯 尽管用户行为已发生变化，但消费级 App 广告支出仍高度🎉集中于 Google 和 Meta。2024 年，移动应用收💯入增长 25%，但 88% 的营销预算仍集中于大型科技平台，👍这种失衡的状况未反映出用户的实际使用时长分配。将广告支出拓展😢至 Google 和 Meta 以外的渠道可带来巨大的回报。🤗如果消费级 App 营销人员能够将广告组合扩展至 Googl🌟e 和 Meta 以外的渠道，则 ROAS 可提升高达 21🤔4%（Day 30）。成熟市场的移动应用增长速度正在放缓，而🚀新兴市场的移动应用增长速度正在加快。美国、英国、德国和日本的😡用户使用时长进入增长瓶颈期，而南非、印度和菲律宾的用户使用时😊长正在快速提升，这一趋势表明，整个市场正在朝通过多种移动应用🤗触达用户的方向转变，以实现可持续的增长。美国、英国和印度的用😜户注意力正从社交媒体和娱乐应用转向其他移动应用。这几类移动应😊用的使用时长增长速度正在放缓，而休闲游戏、生产力工具和生成式😡 AI 应用的增长速度正在加快。同时，超半数用户（其中包括近😊三分之二的 18 至 34 岁人群）表示想要减少使用社交媒体👍。**开放互联网的潜在用户规模有望***与 TikTok 和🙄 Instagram 的总和相当。开放互联网的日活用户（DA🎉U）已超过 20 亿，无论是在触达范围还是在用户互动方面都与🔥 TikTok 和 Instagram 的总和相当。多渠道投💯放是提升效果的关键。高价值用户分散在上千个移动应用中，因此扩🚀大触达范围对于更大程度地把握每一次转化机会至关重要。 😊知名汽车租赁移动应用 Turo 的用户获取营销总监 Vale😅rie Castro 表示：“自从将渠道扩展到社交媒体合作伙🤩伴之外后，我们不仅实现了平台租赁订单的增长，并通过递增模型验😡证了这一增长的真实性。我们很期待通过加快素材迭代速度，进一步💯推动效果的提升。” 研究方法 本报告的数据来源于⭐ Moloco、Sensor Tower 和 Singula😉r，所有数据来源均在报告相应位置标注，同时，所有数据均经过匿😍名化和整合处理。按类别和市场划分的研究结果，均满足严格的筛选🔥阈值：移动应用数量超过 30 款，且广告支出或收入达到 5 🌟万美元以上。报告覆盖的国家包括澳大利亚、巴西、加拿大、法国、❤️德国、印度、印度尼西亚、日本、墨西哥、韩国、英国、美国和越南😜，时间范围是 2024 年 1 月至 12 月。研究数据集包😉括： Moloco 内部对全球各个渠道移动应用用户获取😂支出所做出的预测。Singular 对 50 亿美元以上广告👏支出以及 2,000 款游戏和消费级 App 的元分析，其对🎉比了两种广告投放策略的差异：一种是将广告支出集中投入到 Go😴ogle 和 Meta 平台，另一种是将支出分散投入到两大平😉台及开放互联网中。Sensor Tower 的移动应用洞察和🤯受众洞察，提供了关于各个国家和用户使用时长的洞察，以及与日活🔥用户（DAU）相关的头部广告平台趋势。 *开放互联网指❤️由 Google、Meta 和 Apple 等大型科技巨头以😴外的独立公司开发、发布和变现的数百万款不同类型的移动应用。 🚀 **基于 Moloco/YouGov 于 2025 年⭐ 6 月在美国、英国和印度对 3,000 名移动应用用户进行⭐的应用使用情况和用户情绪追踪调查 ***基于 Sens🤩or Tower 数据 完整的研究报告及研究方法详见《🔥开放互联网驱动效果提升：释放 Google 和 Meta 外🌟的移动应用增长新势能》，即刻掌握移动移动应用行业最新趋势。返⭐回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多