
在过去两年的出海游戏营销交流中,我们反复听到厂商提及一个相似的痛点:素材跑不动了。
更准确地说,是无论怎么调整定向,素材都跑不动。换人群包、改标签,甚至反复回滚历史有效的投放组合,有些素材依然无法冷启动,更谈不上放量。
在与多家出海厂商和广告从业者沟通后,我们发现,问题的根源并不在于素材数量是否足够,也不在于预算是否充足,而在于广告投放的传统逻辑正在失效。换言之,以往广告主能够通过“定向”控制和优化投放效果,但是现在已经行不通了。
究其原因,并非老生常谈的“流量触顶”,而是 Meta 等广告平台的算法模型发生了根本性变化。

在很长一段时间里,广告平台的分发逻辑可以被理解为一种撮合机制。在这个阶段,平台算法更像一位经验丰富的媒婆。
广告主告诉平台“我要 25–40 岁、玩过 SLG 的用户”,平台再根据历史行为,把符合标签的人群匹配给广告。这套体系,对应的是业内熟知的“双塔模型”:一边是用户塔,一边是内容塔,只要标签相似,广告就能被分发。
但这一逻辑正在被重写。
随着今年 HSNN(Hierarchical Sequential Neural Network)的引入,Meta 的分发模型逐步升级为“交互塔”。算法不再只关心“你是谁”,而是试图理解一个更复杂的问题:这个用户,在看到这条广告的前几秒,会不会产生情绪波动,会产生什么样的情绪波动?会不会进一步产生互动行为?
也就是说,在新模型加持下,平台算法从“媒婆”升级为“读心大师”。算法不再依赖广告主给的标签,而是直接“阅读”素材本身。

来源:《Hierarchical Structured Neural Network: Efficient Retrieval Scaling for Large Scale Recommendation》
比如说,当一个用户在一条“母女在寒风中修补破屋”的广告上停留了 10 秒,以往算法会将其归类为“喜欢玩某类游戏的用户”,但是现在算法的理解变成了:他对“保护”“修复”“弱势群体”的叙事存在高度情感响应。
在新模型中,素材本身,就是定向。

来源:AppGrowing 国际版

算法模型的升级,实际上是对整个买量逻辑的重构。
第一,素材被系统性重新归类。HSNN 能够对海量广告素材进行系统性的内容理解,并且按照画面结构、情绪走向、互动方式等维度进行分类。素材一旦被归入某一内容集合,就会在很大程度上影响其冷启动表现。

进入“高转化结构”集合的素材,往往能获得更稳定的曝光;反之,即便预算充足,也很难跑出效果。这也就意味着,素材的命运在上线之前就已经被决定了一部分。
第二,简单的“洗素材”打法正在失效。对跑量素材进行快速变体并再次投放(比如换个背景、改个美术皮、替换几个玩法元素),是常见的起量打法。但在交互塔模型下,算法关注的早已不是表层差异,而是结构与情绪曲线。
比如我们想对一则使用了沙漠世界观的爆款素材进行变体,如果只是把“沙漠”换成“冰雪”,却没有重构叙事张力和情绪递进,算法依然会判定其“内容相似但价值不足”,从而限制分发。
第三,“标题党”内容开始反噬账户权重。前面提到,交互塔更重视用户体验的完整闭环。如果素材通过强刺激吸引点击,却在下载后迅速流失用户,算法会将其视为“体验破坏型内容”,不仅影响单条素材,还可能波及整个账户的分发权重。

来源:AppGrowing 国际版
对于厂商而言,这意味着一个明确的信号:内容即定向的时代已经到来,任何试图“欺骗算法”的策略,都会被更快地识别并反制。

当算法开始理解内容,厂商真正需要的,就不再是“更快地做素材”,而是更系统地理解什么样的内容结构,能被算法和用户同时接受。
过去分析竞品素材,更多关注的是投放时长、曝光量、转化率。但在新的算法环境下,更关键的问题是:这条素材触发了用户的哪一种情绪?又如何复刻这套内容逻辑?
第一步:从“拆画面元素”到“拆情绪结构”
这里举个例子,我们需要拆解柠檬微趣《Gossip Harbor》的某一则爆款素材。运用 AppGrowing 的“AI 画面解析”功能,可以很容易拆解出一组高度重复的核心元素:雪、婴儿、哭泣、破损的房屋、修复失败。

来源:AppGrowing 国际版
但这还不够,我们还需要进一步提炼出这些元素背后的情感叙事公式。为了避免工作量翻倍,可以借助“AI 策略分析”功能,拆解情感元素和归纳叙事公式。
这些核心元素背后隐藏的是“绝望感、保护欲、同情心”等人类共通的情感触发点,综合指向一个稳定的叙事公式:“极端环境 + 弱势群体 + 可互动的修复行为”。

来源:AppGrowing 国际版
第二步:从“模仿素材”到“复刻策略”
当核心公式被提炼出来,那么它就不再局限于某一个品类。
同样的叙事逻辑,可以迁移到不同题材中。例如,将“破屋修补”换成“末日基地防御”,将“自然灾害”替换为“僵尸入侵”,只要叙事底层逻辑一致,算法依然能够将其归类到对应的内容集合,从而触达目标用户。

来源:AppGrowing 国际版
沿用前面得到的《Gossip Harbor》素材内容核心公式,假设需要为一款“末日僵尸”题材的 SLG 产品制作广告脚本,我们就可以输出这段 prompt 并交给“AI 策略分析”:
很快,就可以得到多个基于同一核心公式的差异化创意脚本,实现“旧瓶装新酒”:

左右滑动查看更多 AI 创意脚本
这一套流程走下来,广告主不仅可以通过“AI 策略分析”拆解素材创意,还可以帮助理解内容、复刻策略、验证方向,并在与算法的博弈中重新掌握主动权。

当算法决定“谁能被看见”,真正的竞争早已不在素材数量,而在内容理解能力。
在内容即定向的时代,只有把 AI 用在“思考层”,而不是“执行层”,才可能跑赢下一轮算法升级,找到真正可持续的增长路径。

以上为《Meta 广告算法变了,你的素材策略该变了》。
*以上相关广告素材由 AppGrowing 国际版 采集于公开之信息,仅为研究分析所用,相关版权归原著者所有。内容仅供一般性参考,不应视为针对特定事务的意见或依据。
*部分内容参考自《Hierarchical Structured Neural Network: Efficient Retrieval Scaling for Large Scale Recommendation》。
关注公众号“AppGrowing出海观察”,或立即注册 AppGrowing 国际版 了解更多移动广告策略分析。






