【萬字實錄】對話千億美金AI第一股AppLovin核心高管：2年市值25倍的傳奇成長史

✨🎙️OnBoard! 久違的更新來了！今天的訪談物件不得了，這是一家在過去幾年裡創造了美股增長神話的千億美金傳奇公司——AppLovin。如果你關注美股和遊戲廣告市場，Applovin 的名字一定早就如雷貫耳了。

這一期訪談，是 AppLovin 核心高管罕見的第一次中文深度訪談。我們2小時對談AppLovin 的技術副總裁葛小川（Giovanni Ge），在 Meta 參與了廣告系統核心演算法的他，在 AppLovin 轉型的關鍵時刻加入，併發揮了非常核心的作用。

這期訪談上線後廣受好評，20000多字的文字稿也在網友的千呼萬喚下準備好啦！感謝 AppLovin 朋友的協助~

如果你還不瞭解 AppLovin, 這是一些背景知識：

AppLovin成立於2012年，2021年在納斯達克時估值還不到300億美金，之後一度下跌至不到30億美金，而經過短短幾年的轉型，2023年至今市值已經飆升20多倍，成為躋身納斯達克 100 指數(NASDAQ-100) 的美股頂流千億美金公司。2024 年營收 47 億美元，同比 +43%，淨利率也高的嚇人，EBITDA 高達 27億美金。而 Applovin 總員工數不到1000人，實現了“人均創造400萬美金EBITDA”的驚人效率。

這一系列數字背後，是一個在矽谷都值得銘記的神奇故事：一家公司如何從遊戲營銷經紀公司，轉型為遊戲公司，又在大家以為廣告行業被Google, meta 等巨頭壟斷沒有新機會的時候，剝離所有遊戲業務，成功轉型為廣告技術平臺，並重塑行業生態。

雖然業績亮眼，但AppLovin在成長過程中也一直飽受爭議。那麼爭議背後的真實情況是什麼？他們所做的事情與我們理解的廣告、AI應用到底有怎樣的關係？每日觸達超 14 億活躍使用者的廣告引擎，究竟是怎樣打造的？

我們暢談了很多理解這個公司的關鍵問題：

如何從物理學博士轉型，並在關鍵時刻加入 AppLovin
AppLovin 兩次轉型的精彩歷程
如何在被低估的手遊廣告市場中打造了買賣閉環的新型平臺
這個 AI 第一股背後樸實又本質的演算法邏輯和技術思考
華爾街為何集體錯判（並且似乎還沒看清）
電商如何成為下一個增長飛輪
……
我們還聊到AppLovin 為什麼自認為是 "千億美金的創業公司”，形成了no meeting，CTO親手寫程式碼和產品原型的獨特文化。

（注：本文不構成任何投資建議！）

友情小廣告！

2024 年，AppLovin 在北京正式組建 Axon China 團隊啦！這支團隊致力於打造全球化的廣告產品，同時，積極探索大語言模型的應用，以技術創新推動行業變革，重新定義廣告的未來。如果你聽完了這一期分享，對公司的職位感興趣，可以在如下招聘渠道中申請，不要錯過跟這麼有意思的一群人打造未來的機會！

AppLovin招聘郵箱：[email protected]

招聘網址：

中國：https://app.mokahr.com/m/social-recruitment/applovin/148184#/home

北美：https://www.applovin.com/jobs/

正文約26,000字，閱讀時間約50分鐘

Monica Xie：大家好，歡迎來到Onboard。其實很多同學都很久沒有聽到Onboard了。之前的好幾期找了非常多的行業嘉賓，跟大家討論了非常多硬核的技術話題。今天我想把這個視野放得更寬一些。如果你關注AI這個領域，或者你在關注過去五年到十年，還有什麼值得關注的新成長出來的千億美金的公司，那我相信你一定得要了解這家公司，叫AppLovin。

AppLovin是一家廣告聚合公司，他們成立於2012年，在2021年的時候上市。給大家分享幾個數字，就知道為什麼這家公司是這麼值得關注的一個公司，不僅僅是一個你所想象的又一個廣告科技的公司。在21年上市的時候，AppLovin的估值還不到300億美金，而到了現在，AppLovin已經是一家上千億美金的公司。這幾年時間內，市值漲了三到四倍。

更令人關注的是，現在整體的宏觀環境、廣告到遊戲的市場也都有些不確定性的情況下，包括AppLovin所專注的遊戲平臺裡面的廣告分發市場似乎都在一個個位數增長的階段。給大家分享幾個數字，從2023年到2024年，AppLovin的收入增長了43%，達到了47億美金，而他們的利潤增長了80%。這個也是一會我們可以一起探討的一個話題，為什麼AppLovin反而可以以更高的增速增長，達到了驚人的27億美金。大家可以簡單算一下，這意味著怎樣的利潤率。

而在這個增長的背後，是一個在矽谷都非常值得被記住的傳奇故事。一個公司如何從遊戲行業、遊戲公司，在大家以為廣告行業已經幾乎沒有什麼新的機會的時候，成功地轉型成了一個廣告平臺公司，現在成長成為一個千億美金的公司。如果你關注二級市場的話，你也許會知道這家公司在成長過程中，伴隨著亮眼的業績卻又一直飽受爭議。那這個爭議的背後到底什麼是真實的，他們所在做的這個事情到底跟我們所理解的廣告，我們理解的所謂AI的應用到底又是有怎樣的關係？有哪些我們可能還沒有了解到的背後的真實故事。

我們今天邀請到的這位嘉賓讓我非常的興奮，是Monica的老朋友葛小川。

他是AppLovin的工程副總裁（VP of Engineering），而且他加入的時間點正好就是AppLovin在我們剛剛提到的這個非常傳奇轉型的時間點。他在這個轉型的過程中也發揮了非常核心的作用。今天我們非常高興邀請到小川來跟大家一起做這個分享。歡迎來到Onboard。

葛小川：你好Monica，感謝邀請。

Monica Xie：今天我們準備了非常多的話題。為了準備這次話題，我專門去聽了很多earnings call還跟很多二級的同學做了交流，所以希望今天是一個我們可以不只是討論business technology，還有葛小川對於整個廣告以及整個AI行業未來的一些展望。

小川先跟大家介紹一下你自己，以及你是怎麼開始在AppLovin的這段經歷。我發現一個fun facts是你的本科和PhD都是學的凝聚態材料物理（condensed matter materials physics）。可以跟大家講講怎麼從這個轉換到AI以及廣告行業的。

葛小川：這個問題挺有意思的，因為很多人都問我為什麼以前學物理，現在做AI。其實我2005年上大學的時候，那時候大學專業的選擇不像今天這麼豐富，人工智慧的科班當時就完全沒有，計算機也沒有現在這麼火。當時成績比較好的話就會去學習物理或者數學之類的，所以我當時就選擇了物理專業。但其實我一直對於程式設計都非常感興趣，所以我在做PhD的時候學的就是計算物理，從那以後一直在從事程式設計的工作。

感謝中國的基礎教育，只要你是學理工科的，數學和計算機的基礎都會打得非常紮實。所以我先工作了兩到三年後，就去了Uber做模型的相關應用，之後到Meta(Facebook)做廣告方面的AI工作。之前的數學和計算機基礎讓我這個轉型其實沒有遇到特別大的挑戰。

Monica Xie：

可以跟大家講講你在Uber和Meta主要做什麼，當時怎麼決定在那個時間點加入AppLovin。

葛小川：我在Uber的時候開始是用machine learning做Uber Eats的一些pricing，但我覺得那個時候業務本身其實用不到太深的模型，裡面有很多規則引擎。所以我做了大概不到一年就覺得這裡面涉及到的數學和模型的深度沒有我想要的那麼深，就跳槽去了Facebook。

我去Facebook的時候感受特別好，因為以推薦演算法為基礎的效果廣告，它是特別考驗數學和模型深度的一個領域，甚至比單純的資訊流更考驗模型。因為資訊流還涉及到很多產品方面的一些特徵，有些時候推薦本身不需要特別好，但是如果產品做得很好的話也會有很好的結果。但是效果廣告真的就是真槍實彈地考驗推薦演算法到底有多好。

所以在那裡我覺得自己的工作感受非常好，我在那三年期間對工作的投入也特別深。我覺得去之前我還是一個比較注重生活和工作平衡的人，而那三年就徹底的淪為了一個工作狂。當然，我自己也積累了很多知識，個人成長也很快。

不過，很快我就看到了自己在Meta事業發展的瓶頸，我希望到一個自己能夠做更多決定、承擔更多風險和責任，並拿到結果的地方。當時考慮了不同的選擇，聊過一些早期的初創公司、也想過自己去創業、還聊過其他幾家像AppLovin這樣已經上市了、但是業務上核心技術遇到比較大瓶頸的公司。

而當時AppLovin打動我的是兩點：第一是他們業務裡面遇到的技術瓶頸正好是我最擅長的。既然抱著一種解決問題的態度出來，其實都是想去解決一個自己擅長的問題。AppLovin當時就給我提供了這樣一個很好的平臺，那些我不擅長的問題公司本身已經解決得很好了，但他遇到最核心的瓶頸正是我最擅長的。第二點更加打動我的是我在加入之前和當時公司的高層有過交流，覺得我們的價值觀、看待問題的方式甚至性格都很有共鳴，所以後來就決定加入了。

Monica Xie：雖然前面做了一些介紹，但是廣告行業的確是一個大家既熟悉又陌生的行業。要不還是請小川具體講一講到底AppLovin是做什麼的，正好也可以聊一聊當時你在加入的那個時間點的行業是怎麼樣的，為什麼他還能有這樣的一個契機讓你去改變。我們聽眾中有很多技術出身、或者在讀phd、或正在大廠的同學，小川你做career choice的時候的思考，對我們的聽眾裡的年輕人應該都會有很多的幫助。

葛小川：其實我加入AppLovin已經兩年半左右的時間了。公司從創業開始到現在經歷過幾次比較大的轉型。最開始剛成立的時候確實就是一個應用推廣的公司，但那個時候做這種業務的核心技術不是現代化的推薦演算法，而是基於一些social graph的規則引擎。比如說那時候他們可能會用到一些方法知道朋友之間的關係，知道你的朋友裝了什麼軟體，然後他會告訴你某個朋友裝了這個軟體，你是不是也想裝？然後透過簡訊、郵件甚至一些應用裡的推送來做這種推薦。

早期這種方法其實是很有競爭力的，但隨著隱私管理變得更加嚴格，包括像類似Facebook的崛起，這種方法就不再具有競爭力了。然後公司就開始轉型去幫助一些手機的遊戲進行使用者增長。其實當時國內有很多遊戲的開發者，他們開發了很好的遊戲，但他們不是特別擅長在海外發行這些遊戲，帶來使用者增長。於是AppLovin就開始做類似於agency的工作，幫助他們進行增長，漸漸的又收購了很多此類的遊戲公司。所以一度成為了一個遊戲公司。我記得在巔峰的時候，公司擁有非常多休閒類的小遊戲，僅僅按遊戲的下載量來排名的話甚至一度排在全美第一。

Monica Xie：一開始的時候做分發業務，那個時候你們自己平臺還是在用Google、Meta這些廣告平臺，只是你們作為一個agent幫別人去用這些工具而已。

葛小川：對，幫別人用這些工具。後來因為我們自己有這麼大的廣告投放的需求之後就開始思考建立自己的廣告相關技術。這時候就有產生了一系列的收購，第一輪的收購是收購了兩家做廣告匯聚平臺的公司，當時一個是MAX，一個是從推特買過來的。這兩家公司做的是廣告的賣方平臺，就是說如果你自己有個手遊，然後手遊想變現的話可以在手遊裡面投放廣告，把這個廣告流量放在賣方的匯聚平臺上，然後賣方匯聚平臺會把你這個廣告流量以即時競價的方式分發到不同的潛在購買者那裡，大家競價之後價最高的買家就可以把它廣告放在上面。

當時AppLovin買了這兩家公司，並且和自己的廣告需求整合。之後又買了一家遊戲公司叫Machine Zone。對於AppLovin的意義不僅是一個遊戲studio增加了自己生產的遊戲，最重要的是Machine Zone當時有一個自己的廣告投放的團隊，相當於一個買方平臺，吸納了這個買方平臺自己開發廣告投放的一些演算法，然後在自己和Google平臺上進行投放。

從這個時候開始，AppLovin就轉變成了一個由遊戲加上廣告的hybrid的公司，但當時大部分的收入還是來自於遊戲，廣告可能佔比不到20%或者30%。

Monica Xie：我知道像Shein、Anker這些很大的ecommerce公司，他們自己其實內部也是有一個很大的廣告投放團隊。所以遊戲行業當時是不是也是這樣？像當年的AppLovin這樣有一定規模的遊戲公司，是不是自己也都會有這麼一個投手團隊？或是有一套自己內部的這種工具。

葛小川：很多頭部的遊戲公司會有自己的演算法團隊去進行投放。剛才我說的像MAX這種賣方的平臺會接入很多買方平臺叫DSP，這些買方平臺上匯聚的像我們這種公司，但也有一些單獨的遊戲公司，透過買方的身份接入到賣方平臺，然後在裡面自己給自己做競價。但其實最近幾年，由於像AppLovin這樣的公司業績的崛起，越來越多的遊戲公司發現他們自己的投放團隊所能實現的價效比，是遠遠趕不上直接把錢交給AppLovin的。所以剛才說的這種情況在最近幾年可能變得會越來越少。

接著說業務發展，2023年年初的時候我加入，然後重新從零開始搭建一個新的廣告推薦演算法和平臺。市面上會把我們叫做Axon2.0，但對我們自己來說它其實不是一個產品而是很多不同的體系綜合在一起。

從那之後我們廣告營收在公司一下就騰飛了，在整個公司的revenue裡面佔比也越來越高，從當初的一小部分到現在變成了全公司的絕大部分。所以最近我們已經把所有的遊戲業務打包賣給另外一家公司，可能在這個季度結束之前我們又回到了一個徹徹底底的廣告技術公司，回到我們創業最初那個核心業務上去了。

Monica Xie：所以當時是怎麼決定要把這麼一個本來自己內部用的平臺，把它給別的公司去用，把它變成一個開放的市場？

葛小川：我們有兩部分，一個是賣方的平臺，一個是買方平臺。原本這兩個都是我們自己內部的工具。

一個market place如果受到network的相互影響，就會有一個相互促進的作用，帶來更大效益的結果。我們既做買方也做賣方，說明我們既有供給也有需求。我們有一種選擇是把我們做成一個封閉的、閉環的平臺，直接把我們的供給賣給我們的需求，中間不會參與任何第三者，但這會有非常大效率的損失。

比如有一個特定的使用者對於我們的買方來說價值不高，我們出不了很高的價格，這種情況我們其實更願意把這個使用者賣給出價更高的比如Google、Facebook。短時間看可能是我們失去了一個使用者，對於我們的買方來說是一個損失，但它帶來的好處是使得我們的賣方能夠賺到更多的錢。賣方能夠賺到更多錢他們的公司就會發展，他們就會有更多的資源去開發更好的產品、更好的遊戲，反過來促進整個遊戲的生態發展了，我們買方以後能夠買到的機會就越多。

Monica Xie：所以當時其實AppLovin的買方和賣方都是遊戲公司。

葛小川：最開始都是的，但現在比如我們的MAX（應用內競價變現解決方案）可能一半左右的流量會賣給我們自己，另一半會賣給像Google、TikTok、Pinterest所有這些做廣告的公司。今年之前主要的這些流量都是來自於遊戲的應用廣告，但我們賣出的，其實也有多樣化的一些流量。

Monica Xie：說到這裡我覺得正好就可以聊一聊，當時你加入的那個時間點是在22年。

葛小川： 2022年底，正好在聖誕節期間。

Monica Xie：可以跟大家分享一下當時收到這個公司的邀約，你為什麼看到了這是一個好的機會，而且當時你看到的其實還是個遊戲公司。改變公司的業務重心是一個非常非常大的決定，更別說大家其實也在用Google、Meta。可以聊聊當時你看到的是市場是怎麼樣的，哪些訊號給了你這個信心覺得這個事情能做？

葛小川：因為我本身之前是做效果廣告的，我對整個廣告的推薦演算法還是比較瞭解的。原來也知道當時AppLovin主要是在做應用的廣告，但我知道廣告推薦演算法的核心技術是可以轉換的。我當時在AppLovin看到了很好的機會。面試的時候我問了CTO最重要的一個問題是“你們現在最大的痛點是什麼？”，他就跟我解釋了一下當時他們演算法裡面遇到的種種痛點，想解決的問題不能解決，想達到效果不能達到。這段對話可能就五分鐘時間，聽完之後我就跟他說，我的技能是有限的，不是所有東西都會，但是你現在面臨的這個問題我非常擅長解決它，所以雙方立刻就看到了相互之間的價值。

後來跟CEO也聊了，覺得大家做事情非常的乾脆利索，思維方式也比較契合。我之前在大廠待了很多年之後其實也是有一些受夠了大廠做事情低效、浪費時間。突然看到一家公司做事的方式和自己預想的非常接近，當時就基本上義無反顧加入了。

Monica Xie：當時你透過短短的面試，是怎麼感受到他們做事方式有什麼不一樣？

葛小川：我覺得就是直接吧，大家有什麼想法就會非常坦誠的交流，而不是會像大廠一樣說一句話需要反覆揣測才能知道真實意思。這種交流方式也反映了公司文化，反映了我來到公司後的做事方式。我自己是一個非常追求效率的人，所以我不希望在一些非核心工作之外的地方浪費太多時間。這種文化就跟我自己想要的特別接近。

Monica Xie：當時他們希望你來解決的問題，核心還是提升他們自己的這些能力，這些遊戲的廣告投放效率，還是當時他們就已經想到要把這麼一個平臺的做成一個他們的主要業務了？

葛小川：沒有，當時他們已經在接第三方的廣告商了。但具體有沒有接對我的決定影響也不大，因為我加入這家公司看的不是當時那家公司的現狀，是看他未來的機會。如果當時他還沒有接第三方的廣告商，我也能輕易地看到一旦演算法做好了，第三方廣告商肯定就會來。

這也是後來我們做電商的一個原因，因為我剛加入這家公司就能清晰計算出如果公司只做應用的話上限在什麼地方。當時我知道他們還沒有做電商，但我不擔心，覺得來了之後只要把應用的問題解決了，做電商只是會是個自然而然的事情。所以我來之後一年，我們的遊戲廣告做得特別好，電商其實我最先提出來的，就很快開始著手做電商方面的準備了。

所以，當時公司具體的業務在做什麼不在做什麼，對我當時不是一個很重要的考量，因為我知道公司未來在什麼地方。

Monica Xie：一些聽眾可能對廣告行業不是很瞭解，首先手遊也是一個存在了一段時間的市場，為什麼在這個市場裡，當時沒有一個公司能夠把現在AppLovin在做的事情做好？這背後真正的難點是什麼？為什麼像Google、Meta這些公司沒有再往前做這麼一步？這裡面有哪些是技術，哪些是商業的難點？要做好這個事情，核心的幾個關鍵因素是什麼？

葛小川：現在手機digital廣告主要流量來自三方：第一方是Meta系的流量，Facebook、Instagram；第二方是Google的流量，Google搜尋、YouTube；這兩家流量其實非常巨大，可能佔了整個這個手機 digital 流量的絕大部分。但此外其實還有幾萬甚至幾十萬的這種長尾流量。比如說你朋友可能是一個遊戲公司的CEO，他手下有幾百款小遊戲，每個小遊戲本身流量沒法跟Google和Facebook比，但把全世界所有小遊戲或手機應用的流量加在一起是非常可觀的流量。

在這個可觀流量上，一直以來都有很多公司在進行變現的業務。但由於流量本身非常碎片化，導致在這個碎片化的流量池裡面做變現的公司競爭也非常碎片化。我來AppLovin之前，整個這一塊像是戰國時期諸侯割據的狀態。當時比較有競爭力的除了Google、Facebook，還有幾家像AppLovin一樣，可能普通人沒聽過但在業界比較有名的中小型公司，比如Unity、Moloco。

AppLovin最近兩年最大的成功就是在這個碎片化的市場裡面站住了腳，成為了整個市場的龍頭老大。

Monica Xie：可以給大家一個概念嗎，就是我們看到所有這種的遊戲的流量裡，有多少是透過AppLovin來去分的？

葛小川：我對具體的數字不是特別擅長，我只能給你一個大概：如果你有一個手機小遊戲，你想賣你的廣告，可以選擇來AppLovin或者選擇去Google去賣。在賣方市場的話，我們應該佔了全世界大部分的份額。而在買方市場上，我們購買了MAX裡的比較大的一部分流量，同時還會去Google、IronSource去買少量流量。

北美的這個廣告行業相比於國內，我覺得很好的一點，就是大家都有很多競爭對手，但同時也擁有一個健康良好的合作伙伴的關係，相互交織。我們的買方是Google的賣方客戶，也是我們自己的賣方客戶。同時，Google的買方是我們的賣方的客戶，也是他們自己賣方客戶。

假設你作為一個遊戲的賣方，開發了一個小遊戲，一般你只能選擇一個賣方平臺比如AppLovin，就像一個上市公司只能選一個交易所來上市你的股票，但是你可以找不同的資產管理公司來幫你交易你的股票。

而作為買方的話，一些流量匯聚平臺會把最好的資源和流量保留給自己。但在AppLovin，我們的流量匯聚平臺MAX，唯一的KPI就是開發者在這個平臺上能賺多少錢，而非我們作為買方能從這個平臺賣到多少流量。如果能夠讓我們的開發者賺到更多的錢，我們是願意把這個流量賣給Google和 Facebook 的。

因為競價都是即時的，所以這個演算法本身很簡單：如果我們自己願意出1元，Google願意出1.2元的話，不管這個使用者多好，我們都會把這個使用者讓給Google。

短期來看，或許覺得這對自己也是個損失，如果Google1.2元買來的話，這1.2元會給到開發者，如果廣告投放效果比較好的話，Google也許能賺到 0.3元或者0.4元。而我們的MAX 平臺收費很低，如果想最佳化短期利益的話，我們應該不把這個量給Google，而是留給自己。這樣的話，假設我們1元把它買下來，那我們能賺0.2或者0.3元，而Google一分錢賺不了。

但是，這時候開發者就只能賺1元了，而不是1.2元了，對吧？因此從長遠利益來看，我們會優先保護開發者的利益。所以很多開發者發現，如果他們開發了遊戲放在 MAX 上，他能賺的錢要比放在其他所有平臺上的更多，就會更願意選擇這個平臺。在這個過程中同樣也讓 MAX 逐漸成為全世界手機最大的買方平臺。

Monica Xie：那我好奇的是，比如說 Google 或者 Meta 也有自己的賣方平臺，他們是怎麼做這個事情的呢？

葛小川：我覺得在這個領域我們現在在這個競爭裡面能夠勝出，有兩個大的原因，就是相比於Google Meta 之外的這種較小的平臺公司，我們的演算法和技術確實要領先很多，甚至我覺得領先一代到兩代都不誇張。而相比Google和 Meta 來說，我覺得我們最大優勢是我們的專注度。因為這一類的流量對於Google Meta 來說是屬於一個比較小的流量，所以他們在這一塊的專注度是不如我們的。以 Meta 為例，在 2020、2021 年之前，他們是有賣方平臺的，但在 2021 年左右的時候，Meta把賣方平臺給關了。

Monica Xie：為什麼呢？

葛小川：不是公司的優先順序，因為那當時這種賣方平臺的市場還沒有今天這麼大，今天由於AppLovin的成功，市場其實變得要比當年大很多了，那個時候不是很大，然後相比於買它本身的流量，有就是體量又太小了，所以可能Meta就把它給關了。

Monica Xie：賣方平臺關的意思就是說就是 Meta 只管 Meta 自己平臺例如 Instagram，除此之外的他就不管了？

葛小川：是的，比如說你作為遊戲開發者，你開發了一個新遊戲，之後你想在遊戲裡面賣廣告，你就不會去找 Meta 合作了。你只會去找 Meta 買廣告，你不會去找 Meta 賣廣告。

Monica Xie：剛才提到了你們專注在遊戲的這個市場，你們的技術也是領先整個市場的，我看到你們的 CEO在earning call也說過你們擁有“The world's best advertising AI model.”可以跟大家講一講，為什麼在這個領域、這個市場裡面，需要一個跟 Google 或者 Meta 所發展出來的演算法不一樣的演算法？你正好是從 Meta 出來，Meta 的哪些做法適用或者不適用於此呢？

葛小川：每個公司都會有自己的方式開發他們的演算法，我也不太清楚Google它具體的演算法長什麼樣，只能透過一些公開發表的論文，讓大家去了解每個公司大致的架構是什麼樣子。在過去十年的推薦演算法，它有不同的generation，從這個大的框架上來說，我們和Google是屬於同一個generation。

早期的推薦演算法都是基於規則引擎，時間上大概是2010到2012年左右，那時候 Facebook 還會把它的 social graph 直接 share 給你。後來我們開始做一些簡單的線性擬合，現在從學術角度來看的話這種方法就過於簡單，但當年在應用層面來說，這些演算法其實都是支撐了很多上億美元的公司。

然後就開始一些線性的模型，會有一些基於 selection tree 的模型，Facebook 其實在 2015 年左右發表了很多和 selection tree 相關的這種模型，類似於把 selection tree的output作為一個input，再過一個線性模型這樣的。你很難想象，現在已經 2025 年了，很多演算法公司的模型還是基於那一代的。那麼在2015 年之後，很多推薦演算法開始做一些基於sparse feature的特殊處理，feature 和 feature 之間的互動。新一代的模型都是基於這一個框架。

Monica Xie：這個大概在什麼時候變化成為主流呢？

葛小川：那要看你怎麼定義主流了。要簡單地從採取這個演算法的公司數量來看的話，我甚至不覺得這個是主流。我覺得它大概在 2015 年到 2020 年之間逐漸成為一個主流。你會發現，國內公司的演算法公司在採用最先進、最新的框架這件事上，其實做的比美國公司要好很多。國內好像基本上每個公司都在使用，雖然細節上可能都會有一些區別。美國的話其實也就是這些頭部做廣告的公司在用，否則其實還在用很落後的演算法。

Monica Xie：我記得前段時間位元組好像釋出了他們開源的推薦演算法，是你所提到的這個新一代的演算法嗎？

葛小川：對，他們發表的其實都屬於業界比較成熟的一個體繫了，包括Meta當年不僅發表了paper，它連開源的GitHub 都發表了，Google也做過類似的事情。

Monica Xie：所以大家很強調AppLovin的Axon這個演算法做得多好，但像位元組也可以去 open source，可以公開的一個事情，所以其實演算法這個事情並不是一個真正的核心嗎？

葛小川：演算法當然是核心了，即便模型的框架差不多，但它裡邊細節的把控也是可以千差萬別。AppLovin非常引以為豪的一個東西，就是在所有的廣告推薦演算法做得比較好的公司裡，AppLovin是唯一一個可以把 deep funnel 擬合問題做得很好的。

什麼叫 deep funnel 擬合呢？我舉個例子，你投放廣告的話，以 100 塊錢的價格能夠買到越多的點選就越好，這就是 CTR optimization，這屬於非常 top funnel的東西。但是會有很多點選是低效的，並沒有什麼意義。那麼有的公司例如GoogleMeta就會做得稍微更深層一點，不僅能夠幫你最佳化點選，還可以幫你最佳化轉換率、購買率。在此基礎上，AppLovin是現在我知道的唯一能把點選的轉化價值，都預估得非常準的公司。

再舉個例子，如果你花 10 塊錢去購買這個廣告的轉化，有一個模型可以幫你最大化它的轉化數，比如10塊錢可以買到5個轉化，但是這5個轉化加起來產生的總的購買價值只有 20 塊錢；但是另外一個模型不僅可以幫助你找到想買東西的使用者，更能找到會願意花很多錢買東西的使用者，可能 10 塊錢只可以給你買到兩個轉化，但這兩個轉化帶來的購買價值可能是100 塊。如果你作為廣告商的話，你是你會更傾向於要第一種結果還是第二種結果呢？

Monica Xie: 當然是第二種，但是現在好像大家一講到怎麼投放，好像只關注中間這個過程量，比如點選率是怎麼樣。

葛小川: 但是其實從一個廣告投放者的角度來說的話，他們最終關心的其實是什麼？應該是轉化價值。但很遺憾是，現在市面上大部分廣告投放公司都不能把這個最終的轉化價值預估得很準，所以廣告商他們需要自己去操作一些近似。比如他發現，在這樣一個demo graphic的人群裡面，如果點選率很高了，或者如果轉化率高了，他最後的價值很可能就會比較高，所以他們會採取一些人工的操作去近似自己想要達到這種效果。

以Meta為例，大部分在 Meta 做廣告的廣告商不會使用他的 ROAS的產品， ROAS就是最佳化轉化價值的這個模型。因為 Meta 的轉化價值的模型不如轉化率做得準，所以大部分的廣告商即便非常希望要轉化價值，但還是會在 Meta 直接最佳化轉化率，然後自己再做一些微調。

但是在AppLovin做廣告就很簡單了，因為我們轉化價值的模型非常好，我們絕大部分的流量，其實廣告商都會直接選擇最佳化轉化價值。所以他們只要告訴我們，想要最佳化轉化價值，他就不用再去做任何操作了，因為我們的模型已經做得很好了。

Monica Xie: 這還是挺大的不一樣的，那為什麼你們能夠把這個轉化價值預估得這麼好，它核心的難點是什麼呢？

葛小川: 我覺得，其實大家在談論一些問題的時候，都會傾向於認為，完成了一件很具有挑戰的事情的時候，這裡面是不是有一兩個關鍵點做好了，這個問題就迎刃而解了？但是我覺得，在現實的工作裡往往不是這樣的。一個很困難的東西，它之所以成功，其實背後是他是在解決這個問題的過程中，每一天都要經歷幾十個甚至上百個這種micro decision，而這所有的決策都做好，或者說你做了更多正確的選擇，日積月累之後，你就會把這個問題解決得比別人更好。

所以我覺得我們之所以能夠把這樣一個業界看起來非常困難的，很少有公司能夠解決的問題做得很好，根源就是我們會非常關注每一個細節，並且保證我們對每個細節有非常深入的研究，而不是去照搬一些業界已有的方式。所以就像剛才你說的，框架上其實頭部的公司都差不多。但是呢，真正決定輸贏的就是大家對細節的一些把控。這些細節包括抖音、Facebook他們釋出的推薦演算法，都不會把這些真正決定成敗的細節放在裡面。

Monica Xie: 所以要能夠做好這個預估，不僅是一個click最佳化，那是意味著要能夠拿到使用者更多的這個data，還是如你們earnings call，你們的 CEO 提到，演算法是可以 self learning、自己不斷最佳化的？可以跟大家從這個技術角度簡單講一講，這個是怎麼實現的？是因為你們在哪些地方做得更好？

葛小川: OK，從資料角度來說的話，有兩種資料，一個就是organic的資料，就是使用者在玩這個遊戲的時候，他看到一個廣告，廣告的賣方平臺就會把這個廣告請求分發給AppLovin、Google和Meta。那麼從這個角度來說的話，即便我們擁有MAX平臺，我們拿到的這種organic的資料是和所有其他競價者是一模一樣的。其次像Google、Meta，他們是有一些他們自己的資料，比如Meta，他會有你在 Facebook 裡邊的一些行為資料，對吧？這個是我們拿不到的。

除此之外還有一個叫做使用者反饋資料，就是你給使用者投放這個廣告，投放之後你知道這個使用者有沒有點選、點選後有沒有下載、下載後有沒有購買轉化，這種資料只有當你贏得了這個競價之後你才會拿到，那麼這個確實就漸漸成為了 AppLovin的一個優勢。為什麼呢？因為我們的演算法很好，我們現在這個平臺的購買力很強，我們能夠買到比別人更多的使用者的impression，所以我們就會拿到更多這種反饋資料。我們在earning call上反覆強調這個“feedback loop”其實更多的是指這個使用者反饋資料。

Monica Xie: 那這個反饋資料是因為你們是一個買和賣方都做的一個平臺，所以你們才有更多這樣的資料嗎？

葛小川: 不是的，這是兩個產品，包括資料的互動、產品的KPI都是非常獨立的。今天，比如說把MAX分出去，完全變成另外一家公司，對我們的買方平臺也沒有任何影響。

Monica Xie: Ok。所以並不是說你們像別的這些平臺，他也可以拿到互動資料。其實最後核心是你們贏的越多，拿到的反饋資料也會越多，就形成了飛輪，越來越好。

葛小川: 對，只有在贏到了使用者曝光之後，才能拿到這個反饋資料。比如Facebook贏了這個競價，然後投放廣告給這個使用者，從這裡開始我們就什麼都不知道了，他投了什麼廣告，廣告有沒有被點選、有沒有轉化。那同樣的，如果這廣告被我們買過來的話，那他們也不會知道。

Monica Xie: 對，回過頭來說到你前面所說的，你們更願意注重於這個開發者的利益，即使是這個東西，對於你們來說，可以掙更多錢，但如果meta上有更好的價值的話，就把它讓出去。聽起來這的確是一個更難的決定，因為你們讓出去的不只是賺這個的錢，還有你其實又有了更多的反饋資料。我很好奇，在你們公司裡面不會有一些內部討論聲音？這個短期的損失了一點，客戶也未必注意到，但是反正我們的演算法都是可以慢慢最佳化上去的，最終還是我們相信自己能夠給客戶 deliver 這麼好的這個value，對吧？那為什麼要把中間的這個過程量讓渡給別人？你們有內部會做這樣的一個討論嗎？

葛小川: 肯定有這種思考，但幾乎不需要討論，因為大家基本上一致地認為保護長期的利益才是對公司更好的一個東西，這也是我們公司文化的一部分。大家對於長期利益的擁護和重視要遠遠高於短期利益。並且我們始終堅信，雖然我們是個上市公司，但我們不會讓股價去決定我們內部的決策。因為我們覺得構建一個好的產品，做好業績的增長，股市對你的反饋總有一天會跟上來。

其實你可以看到，我們業績的增長和股價飛躍，其實有一個大概半年到一年的gap，因為我們股價真正騰飛是在 2024 年 Q2 的時候，但我們的業績其實整個 2023 年就已經直線上升了。但我們當時其實也不著急，當時每次財報之後大家就會關注到AppLovin，例如我們最近八次財報，基本每次都超出華爾街預期，而且超出很多。但是在2023 年的時候，我們每次超出預期之後股價沒有漲，反而會跌。

Monica Xie: 為什麼呢？

葛小川: 因為那時候每個人都覺得當時就是我們股價的頂峰了，覺得我們這樣一家公司可以有一兩次小的飛躍。一旦這個增長的紅利，已經被兌現了，就覺得我們接下來沒有增長動力了。所以當時每次也很無奈，無奈的是業績明明做得很好，但市場上沒有給予你該有的認可。但是我們也沒有慌張，我覺得這就是該有的一個狀態。我們只要繼續把業績做上去，股市的認可只是個時間問題。

所以大家會覺得2024年為什麼股價突然飛躍這麼多？我覺得這裡很大部分，其實是市場對於我們2023年業績的一個遲來認可。

Monica Xie: 可以跟大家講一下，大家低估的是什麼呢？為什麼大家總覺得你們都快到頂了，比如財報很多都是超出華爾街預期20%左右，大家低估的是哪一塊的增長潛力呢？

葛小川: 從股市投資角度來說的話，大家會把 Beta 和 Alpha 分開看，對吧？就是說你在一個行業裡面，如果你超出平均水平，那麼人們在評價你的時候會把真實的和大家對這個行業的一個期望，做一個加權來評價你。我們在 2023 年的一個飛躍可能就是一下子拔高了整個行業平均的期望。

因為在此之前，就是說我剛才說的這個第三方的流量匯聚平臺這一塊的這個流量變現效率，確實遠遠沒有Google和 Facebook 的那些流量池的價值高。我覺得可能在那個時候，整個就是股市或整個世界對這塊流量價值沒有那麼高的認可。所以當你看到一個黑馬殺出來，並且在這個流量池裡面有很好的發展，大家可能會覺得你這個地方天花板在那裡也不會很高。

Monica Xie: 就是覺得這種遊戲的這個流量池其實沒有那麼大。

葛小川: 對，所以我特別喜歡把AppLovin和Airbnb做類比。從某種角度來說，Airbnb和幾個主流的、大的連鎖的賓館競爭，它其實就是把這種小的民宿的供給整合在一起了，在Airbnb出現之前，人們會覺得民宿是比酒店更低消費的住宿選擇。然後由於這些提供民宿服務的人賣不到好的價錢，賺不到很多錢，民宿的這個規格和質量也相對比較低。而在Airbnb出現之後呢，提高了人們對於民宿的需求，這個需求又給這個民宿行業注入了很多資金，民宿的質量和規格也上去了，現在Airbnb的民宿其實跟酒店已經可以有比較好的競爭了。

我覺得AppLovin在第三方手機應用的流量，其實有點類似。過去因為沒有很好的需求，導致這個行業沒有足夠的資金去提高自己的質量。但我們這兩年的這個發展一方面提高了這個購買者在這個平臺裡面能夠購買的價值，同時也極大提高了廣告賣方能夠得到的利潤。所以這樣一個相互促進會使這個生態以後的競爭力會越來越大。

Monica Xie: 聽起來這個當你把這個匹配演算法做好了以後，其實是一個三贏的過程，不是誰在這個裡邊就攫取了更多的價值，而是賣廣告的平臺他自己有了更多收入、我作為一個developer，我要去推廣這個自己的遊戲，我的遊戲推廣效率更高、中間像你們這樣的平臺也能賺更多。

葛小川: 我覺得至少是個三方獲利的事情，我們作為一個商業公司肯定要從中獲利，賣方他們會用更好的價錢賣出他們的流量也會獲利，買方可以是遊戲，也可以是電商，他們可以賺到更多的錢，給社會提供更多的價值，產生更多的就業。另外這裡面第四方的獲利就是使用者本身。當你的推薦有更高的相關性之後，使用者就可以有更好遊戲體驗，你看到的廣告價值更高，可能對你來說更有用所以這也是個價值的提升。

當然可能AppLovin談到這個使用者的價值還有點早，如果我們以Facebook為例，現在人們在facebook看廣告的話，其實是一個比較愉悅的感受。因為它的廣告的影片效果很好，產品對你確實也有用，但大家記不記得在facebook廣告出現之前，在各種網站出現那種狗皮膏藥式的廣告？其實對於使用者的影響遠遠大於現在這種個性化推行的廣告。所以我覺得當一個廣告的演算法做好之後，對於使用者來說也會帶來很多正面的價值。

Monica Xie: 這個解釋讓我想到你的model也很有意思，如果他要在你的平臺上最佳化的是點選率，這些所謂的過程量，一方面他自己也拿到不是最好的這個價值，而其實在那裡面，你們能夠拿到的價值也很有限，因為數字就擺在那的，對使用者來說相當於你還是個agency，你拿到了他的budget，基於這個budget，你自己能夠有多大的這個margin去驅動同樣的價值，哪怕你就多賺點。比如說像uber，有點像uber lift，使用者其實不care你中間這個uber lift，他的take rate是多少，只要你在uberlift能夠保持這麼一個balance，那這個司機也很開心。的確聽起來是一個更好的business model，你其實可以從中其實可以拿到take race更高，但是同時你的這個客戶體驗還更好了。

葛小川: 對，因為有很多人會覺得這很反直覺。比如說我作為一個廣告商。我從流量池直接買流量100塊錢就可以把它買下來了，我為什麼要給AppLovin150塊錢或120塊錢，讓AppLovin再把120塊錢裡面的100塊錢交給流量池呢，讓這中間的第三方賺取一個差價？但大家仔細想一下，因為當你讓AppLovin這個公司從中間賺一個差價的過程當中，他其實也幫你找到了更合適的使用者，他讓你用100塊錢，能夠買到的使用者比你之前150塊錢買到的更多而且質量更高。

Monica Xie: 這個就有點像我前面我記得這個節目開始之前，我們提到說，有一些這個中國的投資人喜歡把這個比喻成這個拼多多，也是在一個大家以為已經很成熟的市場，用更好的商業模式，殺出了血路，做到了比大家想象的要更高的天花板。但小川剛才說其實跟拼多多，還有點不像，你們本質其實反而是在提高這個客單價和價值。

葛小川: 大家說拼多多創業之初可能會想到下沉市場，但是從廣告這一塊來看的話，AppLovin它並不一定代表一個下沉市場。比如說，在我們開始做電商廣告時候，我們發現在北美買的這種第三方遊戲的這個impression裡面，它的cpm的價格其實已經不比Google和facebook低太多了。就是說我們這個平臺使用者的價值和質量其實並不比Google、facebook這兩個平臺要低。

但我們和拼多多相似的一點是什麼？就是拼多多在中國線上零售已經非常成熟的一個環境裡面，他自己殺出來了。我們也是相當於在所有人都認為電商這種digital marketing在北美已經被Google和facebook壟斷的情況下，我們成為了這樣一個第三方勢力。

我們公司的幾條核心文化之中間，其中一條是：challenge the status quo。我們覺得這個世界上沒有任何一個東西是不可實現的。facebook和和Google是兩家非常偉大的公司，他們就是很多普通人透過自己努力去建立起來的。我覺得如果我們有一群同樣努力的人，同樣聰明的人，我們是完全有能力去挑戰這樣全世界最優秀的公司。

Monica Xie: 對的，像這個遊戲這個廣告的市場應該是最直接的跟廣告主所在的這個市場有關係，我們的確是看到宏觀經濟也不是在發展最快的階段，單純去看遊戲市場，它也是個single digit的3%、4%的增長，但是我們前面也提到了AppLovin的增長一直都是double digit這個40%，EBITA甚至是80%。可以跟大家拆解一下，一個就是你們這個遠遠高於整個大盤的增速是怎麼實現的，另外一個就是你們的這個利潤率比起收入的幾乎是double的增速，這背後又意味著什麼呢？

葛小川: 你的第一個問題是，為什麼我們的增速遠高於這個整個遊戲行業，錄播客之前我特意查了一下這個數字。其實整個手機遊戲一年增長率在15%到20%左右。剛才也說了手機遊戲裡可能有一大半會在MAX上作為賣方，因為我們本身自己的推薦演算法很好，我們在MAX上也有很強的購買力，而MAX本身又比較最佳化開發者的收入，開發者的收入在過去兩年也是遠超大盤的，比如說大盤是15%，如果你用了MAX，你的增長是大盤兩倍，那你就是30%。

AppLovin本身購買力的增加，我們在MAX的佔比越來越高。比如說兩年前的時候，可能我們在MAX上只佔20%，那現在佔了40%，這就是兩倍。剛才說的大盤是15%的話，乘以二再乘以二，這就變成60%，跟你在財報上看到的資料比較接近了。所以我覺得首先大盤也並不是很弱，同時AppLovin也是整個大盤增長的一個非常強有力的推手。

第二個問題很容易理解，AppLovin以前的業務裡面，它主要有兩塊收入，一塊是遊戲的收入，一塊是廣告的收入。遊戲這塊收入增長比較慢，廣告這塊收入從小部分變成大部分，利潤率又比遊戲收入的利潤率要高很多。當廣告的利潤率增長了，相比於收入的增速也會比較顯著。但以後應該會就比較統一了，因為這個季度之後，我們就會把整個遊戲的業務給賣掉。我覺得從下個季度開始，大家能看到這個利潤增長和利潤率增長也會比較關聯了。

Monica Xie: 講到接下來的增長，前面我們其實也提到過幾次，就是你們會把這個電商做下一個增長的主要引擎。可以跟大家講一講，這個決策是是怎麼做的，為什麼會選擇這個電商？會帶來怎樣的一個新的想象空間？

葛小川: 我覺得電商其實是個非常自然的一個方向，因為從推薦演算法角度來說的話，它是相通的。你用來給軟體做推薦的演算法，它其實稍微改一改是完全可以用來給電商做推薦的，那麼現在整個digital marketing的這個市場的份額來看的話，電商其實要比app要大很多。AppLovin因為一些歷史的原因導致它最開始專注的是app，但當我們的演算法已經證明了，我們在app的投放上的效果其實是比Google meta的生態要好的，說明我們的核心技術其實已經達到世界最領先的程度了。那麼當我們在考慮接下來公司發展的時候，那自然就想到，除了廣告app這一塊，它這個organic的增長。當然了，直到現在，app這塊的organic增長還是公司業績增長的主要推手，但是你想到公司未來一步的戰略的話，那肯定要擴充套件我們的這個垂類，那麼想到最大機會就是電商。

Monica Xie: ，電商對你們更多是作為買方投放對嗎？

葛小川: 對，對主要作為投放，而且對電商還有一個很重要意義就是如果我們在遊戲領域，遊戲裡面只投遊戲廣告的話，它會形成一些資金的內迴圈。比如一個遊戲廣告商，他花了十塊錢去投廣告，這十塊錢進了那個開發者手裡。雖然產生十塊錢交易，但你可以認為這個錢還是在整個遊戲的生態圈裡面運轉。

那麼這個生態圈的inflow內購是什麼呢？就是使用者在遊戲裡面買東西。這個內購你從宏觀經濟角度來看的話，就是這個廣告收入而不是這個行業的inflow，只有內購才是真正提供給這個行業提供增長的一個動力源，而廣告只是這個動力的傳輸裝置。但是，如果我們在遊戲裡面開始投放電商廣告的話，那所有電商廣告的這個花銷，它其實都是動力，它相當於從這個生態以外注入進來的新資源。所以從這個角度來說的話，每一塊錢的電商廣告花費，它給這個生態帶來的價值其實超過每一塊錢遊戲廣告帶來的價值。

Monica Xie: 對，因為他一起把這個餅做得更大了，讓他可呼叫的資金更多了。

葛小川: 對，從一個長遠的期待來說，AppLovin一旦把電商在手機應用裡面的廣告規模做大之後，會給整個遊戲市場注入極大的資源，那麼未來我們的手遊可能會有更進一步的發展。

Monica Xie: 這個我好奇為什麼以前電商不在遊戲裡面打廣告的不多呢？

葛小川: 大家可能都覺得這個模式很不奏效，覺得一個人在打遊戲的時候，他不會處於一個購物的狀態。

Monica Xie: 對，這個也是我的問題，而且我覺得國外又不像在國內，比如說在國內這個tik tok、影片號包括整個電商的生態整合非常好，我直接在裡邊，都不用跳出去兩步，就買了一個東西了。在國外的這個情況下，我還得跳出一個新的網站，然後跳了可能還要註冊。這個會給你們帶來一些challenge嗎？

葛小川: 我覺得現實中很多東西確實比較反直覺，當年當facebook最早提供資訊流廣告的時候，也有很多人產生同樣的質疑，大家都覺得沒有人會在社交媒體裡看完廣告之後去買東西，但事實證明，facebook那套是奏效的。而且對於我們來說，我們一開始也不確定，那麼找到這個問題答案最好的方式不是坐在那裡辯解，而是我們用最快的方式去生產我們的mvp。當我們mvp生產出來，一上線的時候發現結果非常的明確，就是人們真的會在遊戲裡面買東西。

Monica Xie: 我也問過一些做電商投放的朋友說起在國外的一個challenge。剛才你也提到了，就是你們有一個很好的這個飛輪，是基於你們能夠很好的預測他後面整個反饋的邏輯。我覺得如果是一個遊戲，我跳出來，去了另外一個遊戲，我沒有花錢，可能相對來說比較好去chase一些。但是比如說電商裡邊在海外這個鏈條比較長。他們有時候會看到比如說抖音上有一個投放效果挺好，但大家並不在抖音裡面買，你會發現它可能是導致它在amazon上面的這個搜尋增加了，那這個東西其實是你chase不到的，這個會給你們帶來一些跟原來遊戲作為主要的廣告主不一樣的一些挑戰。現在有什麼辦法可以解決它們？

葛小川: 對，你說這些商務業務邏輯上的一些區別它確實存在，而且我們是需要花極大的這個工程師的資源去把這些業務上的每一個區別都打通，把這條路給鋪平。但是你剛才說這個挑戰並不是一個rocket science。它在整個行業裡面是有比較成熟的解法。你剛才提到這個問題，其實meta、tiktok，Google也都有，它其實會有一套比較成熟的方案。

Monica Xie: 明白，這個問題它本身不是全新的問題，其實也有跡可循的，你覺得隨著你們的發展，會有什麼新的問題嗎？就會有哪一些？在以前meta這種模式下沒有遇到的一些問題？

葛小川: 可能會像你剛才說的比如說去亞馬遜。你看完廣告之後，然後去亞馬遜買了。甚至比如說，你看完廣告之後，你去Google搜尋，然後在Google裡面買，那這個歸因到底應該歸給Google呢？還是歸給meta呢？還是會歸給我們？各個平臺會提供一些因果lift test，就是測試一下你的轉化和你這個投放指令到底到底有沒有真實的因果關係，它不是一個特別容易解決的問題，那大家會採取各種近似去解決它。

一般會做一些hold out test，比如說你在Meta投了一天 10 萬塊錢的廣告，Meta 給你彙報說你是這 10 萬塊錢是產生的，比如說1萬個轉化，你怎麼知道這1萬個轉化是真實由 Meta 產生的呢？因為他有可能是去亞馬遜產生的 Meta 都不知道，或者他不看廣告他也會買，然後被 Meta 算到自己頭上了，對吧？一個常見的方法就是比如說我今天就不投了，看我的轉化會低多少，然後他用這方法來估計有多少的轉化是 Meta 給他帶來的。

對於一些體量比較大的廣告上會比較好用，假設他們剛開始嘗試我們的平臺，花的錢會比較少一些，量比較小的時候再做這種測試就會比較困難，這可能是短時間的小挑戰。但是我覺得長期來看，這個問題和行業裡面大部分的競爭者面臨的問題是比較接近的。

Monica Xie: 講到關於這個增長，我再問一個問題，你們現在的核心競爭力是在於你們對於這個廣告遊戲的distribution channel的一個深刻的理解，這個渠道它會有自己的天花板。之前meta google沒有那麼重視，是因為他們覺得這個就的確是一個很長尾的流量，包括前面你把它類比為airbnb，我覺得這個特別有意思，就是你覺得它會是一個現在小，但是未來大的一個事情。那我就好奇，遊戲他也不可能無限地增長，比如說遊戲的公司，除了在別的遊戲裡邊去投的、他可能也會在別的渠道比如youtube上面也會去投，未來會不會出現這麼一個反轉，就是到某一天他們也許會發現，他們在遊戲裡邊的這個投入遠比他在別的地方要更多，這樣的一個反轉是你覺得 AppLovin突破某個增長天花板的一個核心嗎？還是說我們可能本身連現在這個天花板都低估了？

葛小川: 我覺得我覺得你這個問題分得很好，其實是Google、meta、tiktok和我們，我剛才說第三方遊戲是共享一個天花板。最終這幾個不同的平臺競爭的不是DAU數量，而是使用者可變現的時長，就是使用者在所有的軟體裡面所花的總的時間。未來十年世界人口不會有特別大的變化，每一天的時間就24小時，大家的睡眠時間、工作習慣和生活習慣也不會有特別大的變化。那麼人們在所有的軟體里加起來每天所能夠花的時間的總和其實是差不多的。

那麼，能夠變化的是什麼呢？就是我在遊戲裡面多花一些時間，還是我在社交媒體裡面多花一些時間。這個很大程度上取決於不同的平臺在未來多這些年誰的創新力更高，誰能夠更好的提高這些產品對人對使用者的吸引。這一點的話，我其實甚至覺得遊戲是有很好的機會。為什麼呢？

首先，流量主要來自於兩個非常火爆的軟體，就是facebook和instagram，有非常多使用者。但是隨著時代變化，meta能不能夠再產生第三個這種爆款的軟體，吸引更多的使用者？從投資角度來說的話，你把所有的希望加註在一個公司裡，它的風險其實是比較高的，但對於AppLovin來說，我們不是一家公司在生產一個產品，我們背後是幾千，幾萬個公司，這裡面只要有10%的公司能夠產生很好的創新的遊戲，能夠吸引更新的使用者，它對我們來說就是個就是一個非常強勁的助力。

而社交的話，我覺得在最近一兩年，其實是有一個比較大的轉變，你會發現，隨著tiktok的崛起，真正的社交軟體已經不不再存在了，或者已經不多了。以前facebook，你只能看到你朋友的內容。現在國內的可能就是微信，還是屬於這種你的朋友和熟人之間真正的社交。但現在facebook其實已經變成一個發現內容的軟體了，而不再是真正傳統的社交，當發現內容變成核心之後，facebook以前已有的user network的這樣一個護城河，它的重要性就已經漸漸消失了。

所以遊戲是不是能夠成為未來發現內容的平臺？在遊戲裡去發現一些新的、有趣的東西？反正我看facebook最關心的東西已經不再是我朋友了。當然這些只是我比較發散式的想法，但我覺得隨AppLovin能夠給遊戲開發者注入更多的資源和金錢的時候，遊戲領域在未來會有更多的機會做出比較大的創新，然後給整個生態帶來更多的資源。

Monica Xie: interesting。你現在有看到什麼這些你覺得有可能有潛力的一些創新的出現嗎？

葛小川: 我只能看一些具體的數字，由於AppLovin的成功，整個遊戲行業的收入都變高了，很多新的遊戲公司在崛起，大家在開發新的遊戲，但是從量變到質變，它是需要一個時間的。

Monica Xie: 對，嗯，interesting，從表面上我們看到各種新的遊戲出來，沒有想到促進一個行業的發展的背後是因為有了更好的一個廣告推薦引擎，形成了這個推動力。

葛小川: 對，我覺得廣告行業推進經濟發展，一直是廣告行業被低估的一個好處。

Monica Xie: 是的，的確，像現在價值最高的幾家公司裡邊，其實大部分還是廣告公司，我覺得再講的這個更遠一些，大家最不能夠忽略的，就是最近大家提到未來的增量就是AI，我覺得AppLovin這一年的增長好像主要就是因為它是一個AI概念股，但是其實我們也不需要那麼多人來做AI。

我覺得這裡面可能有兩塊，一個可能不是最fancy的現在的所謂的這個生成式AI或者LM，而是你前面所說，可能本身廣告演算法在這個machine learning在裡面的應用本身就是一個註冊率的助推力。這個剛才我們討論不少了，那我就好奇，因為我最近在看到像Meta也在他之前幾個季度裡邊提到，他們在廣告系統裡邊，不論是generative ads recommendation model，還是他們也提到用這個LLAMA recommendation system裡面也在用這個LM的技術。我好奇你怎麼看待這些創新，你們怎麼看待生成式AI和LM的技術會如何改變你們所在的這個行業？

葛小川: 我看了你這裡給了一個例子，就關於Meta的GEM。我大概搜了一下Meta關於這方面報道也說的比較模糊，所以我也不太能夠準確的猜測他到底這背後做了是什麼？我猜測有幾種可能，一種就是可能用LM做創意的動態生成，但這個可能性比較小，因為現在技術水平，特別是在即時情況下實現比較困難。

第二種，可能用LM做一些特徵提取，我覺得這個可能性極高，有可能他訓練了一些foundation的模型，在即時推薦的時候，把foundation的模型的輸入放到了它原始模型中。具體他做了什麼我不知道細節，但是就像我剛才說的一樣，從框架角度來說，其實大家用的方向都是差不多的，各個公司在一些細節上做的東西不一樣。Meta這邊還提到了，他在某些traffic上看到了超過5%的增長。我覺得如果你採取一個完全革命性的框架產生5%的提升，其實還算一個比較保守的結果，我覺得是完全有可能的。

其實在AppLovin也會有很多這種大的模型的革新，然後我們事實上可以看到一些結果遠大於5%的提高。當然了，也可能是因為我們的起點跟Meta不太一樣，我們提高起來會比較容易，這也是有可能的。不過，AppLovin的公司文化裡一般不會做這樣的宣傳，因為我們對於解決問題本身的關注度，要遠高於解決這個問題的方法。舉個例子，比如我們現在有面臨了兩個問題，第一個問題是，它用到很fancy的LM方法的熱門話題，但我們知道，解決它可以給我們帶來5%的收益。另一個問題，它用不到LM，但解決它可以帶來20%的收益。

我覺得正常理性的人都會覺得，第二個問題應該優先解決，因為你會關心這個問題本身和問題本身帶來的收益。但在現實生活中，很多人會因為第一個問題的解決方法更吸引人，而優先去做第一個事情。我們這裡做事情方式不一樣，可能是我們文化上一個東西，我們會把我們的注意力更多地放在解決問題本身和它帶來的收益上。

Monica Xie: 明白，那你覺得在未來，你們會做一些很全新、大家也關注的技術嗎？我好奇你們有在這個方向做一些嘗試嗎？有可能會帶來變化的一些訊號嗎？

葛小川: 我們肯定是在用了，只不過我們不會在公開場合去解釋一些我們如何用的細節。

Monica Xie: 理解。剛才我們講到公司文化。我覺得對於很多中國的同學來說，也許大家會覺得中國和美國的這個廣告的生態不太理解，因為google Meta在中國都沒有業務，而微信、抖音佔據了大家絕大部分的這個時間。我看到你們ceo最近的一篇blog，關於這個抖音的這個proposal，他還提到抖音的商業化廣告做得不是很好，覺得如果是用AppLovin的方法來做，他覺得還可以再提升個幾倍。

這跟我們心目中的抖音、位元組有這麼多人，極致最佳化演算法還是有點反直覺的，所以我就好奇你所看到的這個國內跟國外的廣告生態有什麼不一樣？為什麼國內好像沒有成長出像AppLovin這樣的公司？在海外市場，你們又是怎麼看待跟 TikTok 的這種競爭？

葛小川: 其實國內有很多類似我們業務的公司，他們也會做這種廣告匯聚的投放。很多公司會優先考慮眼前的利益，損害長期利益。之前提到一個例子，就是作為賣方平臺，它可能會優先考慮自己的這個買方，而不是建立一個公平公開的生態，讓生態系統健康地發展下去。

第二方面，當我們在建立一個廣告模型剛開始的時候，模型本身肯定是有這樣或那樣的缺陷的，這時候去彌補缺陷就多種不同的方法。第一種方法就是很簡單又很直接的方法，你看它缺陷在什麼地方，手動把它糾正一下；另外一個就是你要相信，只要把模型做好，你就可以追蹤，把這個缺陷給彌補的，但這需要你對模型反覆的除錯，可能會需要花更多的時間，而且它的結果的未知性也更高一些。

而我們並不會過度最佳化短期收益，我們會一直專注在怎麼把模型給做好，然後最終透過模型的方式把問題給解決。那麼長此以往，就會導致我們的模型裡面不會參雜過多的規則引擎，我們的模型非常的乾淨。當你做一個改變的時候，一個正確的做法和正確的結果之間的相關性就會高很多。

我之前在別的公司工作過，當一個系統里加入了很多這種規則引擎和模型相互摻雜的時候，經常會出現因果率的措施，一個正確的輸入反而會帶來一個不好的結果。就因果率的破缺會對一個公司長期的發展會形成非常負面的影響。你看為什麼我們公司每個季度都會有非常穩定的業績提升，正是因為我們的模型非常乾淨，它裡面保證這個因果率。

我們知道，某種改變對模型是有幫助的。透過線下的測試，到線上這一連串有非常強的相關性，我們不會盲目的嘗試幾百種不同的想法。因為我們有一個比較小的團隊，透過理性的、邏輯的判斷。先開始有假設，再去拿一些線下的驗證，在到線上去測試，達到最終的收益。這一系列相關性是非常高的。

Monica Xie: 我覺得技術決策背後其實是一些商業的權衡，這其實又是個文化的問題，而不是單純的技術問題。

葛小川: 對，我覺得這個世界上沒有任何一個技術是技術本身，其實技術的背後是人和文化。今天你可以把Google的演算法，複製一份，然後搬到另一個公司去。六個月之後，這個公司也不可能和Google一樣，因為人和文化對一個產品的影響是最深遠的。

Monica Xie: 對，你剛才提到了，Meta最擔心的就是他的這兩個平臺還能不能是未來最持久的這個平臺，我們現在的確看到tiktok也是在海外發展最快的一個平臺，你們怎麼看待他們的競爭關係？以及剛才提到的CEO的觀點？

葛小川: Ok，Tiktok具體的廣告演算法，其實我也不是非常瞭解，我只能從一些側面的資訊和數字上去估計，比如用他們的使用者基數和他們的廣告收入進行比較，你可能認為抖音的使用者畫像不會差別特別大，但它的商業化效率是遠低於Meta的。另外抖音內部的工作方式和決策上的權衡，廣告推薦和資訊流推薦，它看起來好像都是推薦演算法，甚至從技術的核心上來說很接近，但是最終的細節其實和結果差別很大，就會形成像抖音它的資訊流推薦其實做的非常好，但它廣告推薦效果其實並不是那麼好。

Monica Xie: Interesting，這個還跟大家以為的不太一樣，大家都以為這個抖音已經是把這個訊息的資訊流推薦做到了極致。但是這個跟廣告能夠做到極致反而不是一個線性相關的關係。

葛小川: 對，我其實有時候覺得資訊流的推薦這個東西不好直接比較，是Google好還是Meta好，如果你把它當做一個比賽的話，它更像一場F1的比賽。誰能贏得比賽，不僅是看這個賽車手的技術怎麼樣，你可以認為賽車手其實就是這個推薦演算法，但它還取決於你維護的工程師的水平怎麼樣，你這個車的質量怎麼樣，那天賽道的天氣怎麼樣，你輪胎的選用怎麼樣，它有很多核心技術之外的影響因素。像抖音，它有它獨特的產品的特徵和玩法，所以這些特徵本身其實對它資訊流最終的效果有很深遠的影響。

但是廣告推薦演算法它的測量就比較簡單一點，它更像是個百米賽跑，可能最決定你的成敗的就是你的技術本身。其實很多時候，你在裡面想去加一些規則引擎，想要用這個產品特徵來彌補模型上的缺失，都是不是那麼有效。

Monica Xie: 我原本還以為抖音，並作為一個後起的公司，它其實在這種廣告演算法上沒有沒有像Meta做了很久，但像你說的，在經歷每次generation迭代的時候，有一些傳統反而是個包袱。我本來以為像抖音這樣的公司，因為它是全新的模式，反而是可以把這個廣告做得更極致一些。沒有想到他們在海外還有這麼大的空間可以提升。我覺得國內可能是另外一個原因，國內可能本身客單價就比較低一些，就無法做直觀的對比。

我覺得在剛才小川在回答很多問題的時候，大家也都感受到這個公司有很特別的文化，我再給一個數字，AppLovin就像一個千億是美金市值的startup公司。這個公司每年創造了接近50億美金的收入，而總共只有一千多個的員工，最新的news report裡面你們這個ceo和cfo也說，AppLovin的人效是400萬美金，這是個非常驚人的數字。所以我就好奇，你們是怎麼實現這麼高效的團隊，這個背後你覺得是有哪一些思考和哪些刻意的設計？

葛小川: 這跟我們文化非常相關，我們有非常務實的文化，我們知道自己的最終目標在什麼地方，不會被一些其他東西分散視線。比如很多人會問，我們的人效這麼高，我們為什麼不去招人來多做一些專案，這樣發展更快。當時我給自己團隊說了另外一個故事，就是我們現在是使用google cloud的，也會提前預定他的GPU，我會給團隊設立一個GPU使用的增長曲線。比如說有一天，我們突然出現一個更好的模型，這個模型能給業務帶來很大的增長。但這個模型上線需要更多的GPU。問題是我們現在其實是有這些GPU的，因為我們在Google已經提前預定了，但目前這個GPU的需求超過了預期的正當曲線，我就會跟團隊要求，你們不可以使用這些GPU，你們必須找別的辦法，把這個GPU的使用量給它降下來。

這裡我的邏輯是什麼呢？我是覺得當你在遇到一個一個問題的時候，用這種簡單粗暴的方法去解決，一個團隊就沒有紀律。你總是允許大家去採取這種最簡單的方式來解決問題的時候，人們就沒有一個動力去尋找更高效，更優質的一個解決方案。所以透過這樣一個紀律，我們即使有GPU你也不可以去使用，會強迫團隊會尋找更優的解法。那麼回到我們人效上其實也是類似的，當我們有多種不同的專案可以做的時候，我們完全可以就是透過多招人來解決這個問題，但是我們有這樣一個紀律，當我們把人數限制在一個比較小的數量的時候，會強迫我們去抓優先順序。

這樣一個文化也幫助我們少走了一些彎路，比如很多公司會在業績特別好的時候盲目擴招，然後招到很多很多人，最後消化不了，然後在經濟下行的時候要大規模的裁員，這種週期，我們在過去很多年都沒有經歷過。

Monica Xie: 您可以給大家舉一些例子，為什麼AppLovin像一個創業公司？我記得你之前就跟我提到過，你們沒有開會文化，這個算是一個嗎？可以跟他講講怎麼實現的呢？

葛小川: 對，我們完全沒有會議，這確實是文化之一。另外一個例子就是，去年5月份的時候，我們正在討論是否要開始做電商。這中間很多決策還是一些技術核心問題我們能不能解決。當時正好公司幾個高層在vegas是參加Google舉辦的一個會議。在酒店餐廳，我和CEO、CTO吃早飯，點完菜之後，菜沒有上來之前，我們三個就開始討論當時一個核心的技術，關於歸因flow應該怎麼去設計？我們三個當時手邊也沒有草稿紙，就在餐廳的餐巾紙上開始畫圖，開始去尋找解法，然後上菜之前，我們就把這個思路找出來了。找出來之後，我們三個趕緊把飯吃完回到賓館就開始寫程式碼，在那個週末結束我們回到灣區的時候，我們現在這個電商這個產品第一代歸因引擎就已經做好了。

Monica Xie: Oh wow,你覺得這個算不算你們CEO直接上手參與，而且還是用手邊的紙巾，這聽起來完全不像是一個上市公司的故事。

葛小川: 對，我不想把它誇大，我們公司當時是CTO、我、資料VP，公司的話就是從上到下每個人都是要親自上手的，沒有純管理層，我們要求公司裡面每一個人都要都要能夠是一個很好的IC，然後一個團隊裡，如果你想做團隊領袖的話，你一定是這個團隊技術最強的人。

Monica Xie: 我覺得另外一個很像start up的例子就是AppLovin其實經歷了幾次轉型，尤其是最近的這一次，我也挺好奇，是什麼實現從一個遊戲為主，到一個廣告為主的業務轉型？業務管理方式可能都會產生很大變化，人員肯定也有很大的調整，在這個過程中有哪些比較關鍵的決策、或是一些挑戰是如何過渡的？我相信聽眾裡邊也會有很多start up相關的朋友，因為我覺得回到AI這個話題上。其實AI對於現在很多公司的一些自己的業務也產生了很多的衝擊，但是很多這種機會往往需要整個組織的一個比較大的轉型才能實現的，怎麼在這個轉型過程中平穩過渡，也想聽聽你們的經驗。

葛小川: 我覺得這個轉型其實在我們內部經歷的還是挺絲滑的，因為從管理上來說的話，我們的遊戲部門和廣告推薦演算法部門一直是分開的。我們的推薦演算法團隊一開始比較小，然後隨著業務的發展，也在緩慢穩定地增員，現在有50多個人，包括所有的前端、後端、模型、資料，infra都是這些人在做，那麼我們遊戲的部門其實人員並沒有什麼變動，我們現在只是把整個遊戲的業務打包賣給了另外一家公司而已。

這個轉型還是比較靈活的，但我覺得這裡和其他公司做法不太一樣的一點就是我們做決策真的非常果斷和快速。從我跟ceo提起這個話題，到這事情完成，也就短短的幾個月的時間而已。

Monica Xie: 那麼以前做遊戲相關的這些人未來會不會不重要了？團隊內部會有一些聲音嗎？

葛小川: 應該還好，因為我們內部就像不同的分公司一樣，遊戲studio他們都是獨立的，而且也不是一家公司，而是有將近十個遊戲studio，有的在歐洲，有的在中東，有的在中國，他們本身其實也是分開的。

Monica Xie: 明白，你剛才說沒有會議的這個文化我其實還是挺好奇的，這個是什麼時候開始形成的，很反直覺，因為不管怎麼樣一個公司裡邊也很多事情是需要大家一起討論分工，才能夠解決它，不是每個都可以單打獨鬥的，為什麼這個對你們來說那麼重要，要堅持下去，而實行中又是怎麼去實現的呢？

葛小川: 我覺得有時候過多的會議是一個很低效的溝通方式，尤其是多人的會議是最浪費時間的。我們公司非常鼓勵即時溝通，也鼓勵人們去辦公室工作。我們透過各種不同的方法和福利，比如你搬到離公司比較近的地方，每個月可以拿到1500到2000塊錢的房補，公司會提供非常優質的飯菜、公司還有免費的洗車、理髮等等，鼓勵大家來辦公室進行即時溝通。

但是，即時溝通和會議是完全不同的東西。我經常跟團隊來說，如果一件事情你需要安排一個會議去討論的話，這個事情八成是不重要的，因為如果你真的覺得這個事情重要的話，你應該直接找對方去聊一下。如果這件事情需要三分鐘聊完，那聊完就可以走了；如果這個事情需要三個小時聊完的話，那你就聊三個小時，但這種提前安排的會議往往是達不到這樣的效果的。

如果一件事情急需解決的話，你需要等很長時間才能開始討論這個問題，那大家就會停滯很久。另外現在標準的會議是30分鐘，但很少會有人說，這個會議開了五分鐘，開完了就不開了，大家還是要把這個30分鐘給熬完。那如果這個事情本身很重要，30分鐘聊不完，比如說需要40、45分鐘才能聊完，大家很可能就會在30分鐘結束了，然後再安排下一個會議繼續討論，這樣的工作模式是非常低效的。

Monica Xie: interesting，但哪怕是一些戰略性質的對比，是幾分鐘可以解決的問題，你也不想打斷寫程式碼的工程師的工作流。

葛小川: 對，對於一些不需要非常即時溝通的對話，我們就直接用像slack這樣的即時溝通軟體來解決。這種文字的交流，有些時候要比直接的語言交流更高效一點。因為你在打字的時候輸入輸出的速度其實跟你思考的速度是更匹配的。而說話的時候，你是沒有辦法深思熟慮的，你在一個東西還沒想清楚的時候，你就要把它說出來，但如果打字的話，那個頻率其實更吻合。

Monica Xie: 這個是挺有意思的，所以如果這個溝通，本來就是用文字來寫，為什麼還要開個會再把它放到一個文件裡。非常有意思。

葛小川: 而且這種文字溝通會導致你溝通的反覆的頻率要少的，其實也是強迫你提高自己的溝通方式來減少反覆的需求。我在以前工作的場合裡很多話題大家需要back and forth很多次才能達成一致。但是由於我們這種溝通習慣就會導致大家就是三言兩語就可以在一件事情上達到很好的默契。

Monica Xie: 最近小川花了很多時間在招聘中國團隊。所以像你們這樣的一個聽起來有點特別、人效這麼高的公司，你希望招什麼樣的人？在招聘的流程和標準上有哪些思考？你們不是在造火箭，但我想你們的招聘標準可能是非常高的，但很多頂尖的人才可能想去解決一些聽起來更fancy的事情，那麼你們是怎麼去吸引一些在技術上有野心的、也是最優秀的人才？

葛小川: 其實我覺得這個世界上人才非常非常多，人才種類也不一樣。有很多技術很強，然後對於職業上也很有野心的人，但他們也很務實，會更關注解決的問題，而不是解決問題的方法。這種候選人可能在文化上會更容易跟我們產生共鳴。在這裡會發展比較好的人，他們是有很多很好的特質，非要去想一些共同點的話，我覺得大部分的人都非常聰明同時非常刻苦。大家都有勇氣去challenge status quo，挑戰常規，不會因為自己做出和別人不一樣的選擇而感到焦慮。公司大部分人都喜歡去做出一些技術上與眾不同的決策。包括人生的選擇有時也挺與眾不同的。

Monica Xie: 你們有哪些招聘的流程跟別人不一樣嗎？會透過什麼問題來篩選出你要的人？

葛小川: 我來公司之後，我們招聘的策略其實也變換了很多次，現在我覺得比較好的招聘條線裡，其中有一個路徑下，幾乎百分之百招到的都是非常優秀的人。首先是名校畢業，證明他們肯定是又聰明又勤奮。畢業之後去了一個不是特別知名的公司工作了一到兩年。然後他自身發展太快了，那個地方也容不下他了。這樣的人來到這裡之後一般會非常的成功。

Monica Xie: Wow，聽起來真的是一個非常高的標準。我們之前也討論過，因為前段時間你們也在國內招聘，因為我是在國內和國外都工作過，我覺得這個環境的還是挺不一樣的，可能在矽谷這樣的地方，比如我一畢業去了一個名不見經傳的一個startup。但是在矽谷，即便我之後去了amazon，但amazon看你之前一個名不見經傳的startup，大家也並沒有覺得這是一個減分項，包括我當時面google，大家還覺得是個加分項，很尊重這樣的選擇。但我覺得國內可能大家覺得初創公司的風險非常大，畢業還是要去大廠，文化上還是有一些差異的。我不知道你在招聘的時候，你會遇到類似的一些問題嗎？你會怎麼去跟大家去傳遞這樣的一種價值觀？

葛小川: 對，因為確實我在國內和矽谷都招人的時候，能夠明顯的發現國內同學的思維方式，和矽谷這邊還有些不一樣，包括跟矽谷的中國人比起來也是有些不一樣的。國內的同學可能對於風險的評估，會更加偏向於尋找一個風險比較低的選擇。

Monica Xie:而且你們的業務主要在海外，可能很多國內的同學還不大瞭解，在聽播客的同學或許也想知道，現在你們在國內的團隊是怎麼樣的一個設定，接下來的招聘計劃又是怎麼樣的？

葛小川: Okay，我們北京團隊的構成架構和北美是非常接近的，前端工程師，後端工程師，演算法工程師，配比是和北美一樣的，專案也是一起在做。目前北京十幾個人，但我們全公司的工程師加在一起也不到100人，在灣區總部的工程師也就50多個。

Monica Xie: 那真的是非常小的一個團隊。

葛小川: 我是在2024年年初的時候開始在北京搭建團隊，搭建效果我自己給自己能夠打個8.5分。我覺得比較滿意的一點就是，剛才也提到了在國內一些年輕人對於風險的管理，在這樣的情況下，經過一年的努力我們還是招到了一批極為優秀的團隊成員，並且成功的把這個北美的這種公司文化和工作方式帶入北京團隊，我跟北京團隊一起工作的時候，能夠感受到他們很像我在北美當時搭建團隊早期的那種氛圍，所以這點是我非常滿意的。今年他們的業績產出也非常非常的好。我們現在在北京的知名度還不是很高，我覺得在北京還有很多跟我們價值觀契合的優秀工程師、佈景工程師、PM之類的。希望今年有機會讓他們更加了解我們，並且有機會加入我們。

Monica Xie: 對的，我也去過幾次北京的辦公室，而且不只是糖衣炮彈，核心還是剛才小川聊到他們正在創造一個新的市場，會讓一個原本看上去小的市場成長超過大家想象的一個事情。而且我想有這樣的公司文化，這樣千億美金市值的公司，還有那麼多全新的事情來去做，所以我也希望如果聽眾朋友裡面有這個感興趣的同學的話也可以聯絡他們。

最後還有一個有意思的發現，你們的創始人和幾個C level都是從不同國家來到美國的移民，我好奇你會覺得這個對於你們的文化有一些潛移默化的影響嗎？

葛小川: 影響肯定還是有一些的。首先美國本來就是個移民國家，CEO其實很小的時候就去了美國，他其實是在美國成長起來的。也有一些其他高層是在自己的國家接受完教育之後，才來的美國，但我覺得總體上是已經學習並融入了這種西方的主流文化裡面來。只不過我覺得我們這種不同的背景來到美國，可能多多少少帶來一些跟美國文化互補的一些東西。就比如說我覺得對於勤奮和努力的尊重，因為作為移民的話，在剛開始來到這個國家的時候都會經歷一些逆境和挫折，反過來成為我們面對困難的時候的一種不服輸的精神。我們經常說的chips on shoulder ，就是總是需要有一種證明自己的渴望，這也可能是移民的經歷，給這個公司帶來的一種文化。

Monica Xie: 好的，我們今天的確聊了非常的多，也聊得非常開心，非常感謝小川的時間。最後如果對於加入AppLovin感興趣的同學，你覺得你會希望在接下來一兩年內想要去解決一些問題，可以留下一個聯絡方式。

葛小川: 我覺得我們現在正處在一個時代轉折點，AI技術開始發展的初期，未來不僅有AI核心技術的發展、也有應用方面的發展。我覺得對於AppLovin來說，其實是挑戰也是機遇，就是怎麼樣能夠AI的風口浪尖，能夠尋找自己獨特的、利用AI的一個方式，這裡面有很多是open question，很難在今天就看到的一些價值，在未來我們會找到更多的方法去應對，利用好這些價值，我覺得這本身是一個探索的過程，也是未來幾年的工作裡面最讓人exciting的部分，所以這時候能夠加入我們，和我們一起去參與到這樣一個探索未來的事情，是一個很好的很好的機會。如果大家想加入我們的話，我會分享我們在北京和北美的招聘的網站的連結，大家可以透過那個連結來聯絡我們。

Monica Xie: 好的好的，非常感謝小川的時間，聊得非常的開心，也希望讓更多的同學們能夠去了解沒有被很多人注意到，但是真的在快速建立起全新可能性的一個公司。好的，那今天就到這裡，非常感謝小川的時間，拜拜。