UA 从微操进入策略和创意时代,Inhouse 是买方的最优解

广告平台越来越"聪明",MMP 越做越深,代投模式被替代。UA 从微操进入策略和创意时代——买方需要一条自己的路,把数据主权握回自己手里。

作者:zhanbo · 2026-07-29

tl;dr

UA 从微观操作时代进入了策略和创意时代:投手的手动优化空间越来越小,数据的主权归属却越来越重要。
三个正在发生的结构性变化——广告平台一键投放成默认、MMP 从归因工具向数据产品公司演化、代投/代理/SaaS 三种模式同时被冲击——共同把买方推向一个新的十字路口。
我的判断:Inhouse 是买方的最优解。理由有四:数据自主、数据深度应用、策略灵活性、AI 时代的复利。
我把这三重门槛的解法沉淀成了一套可交付方案——Inhouse UA 数据底座与 UA-Monitor 建设。8-12 周 Phase 1、12-24 周 Phase 2、24+ 周 Phase 3,分阶段推进,底座 own 在客户,不做 lock-in。
邮件 zanhe@139.com 或扫码加微信,主题写 “UA底座” 获取完整方案 PDF;主题写 “UA技术” 获取技术细节 Solution PDF。

开篇:一个正在被回避的问题

最近在跟几个出海投放团队的 CGO 和 UA Lead 聊天时,反复探讨同一个问题:

“广告平台越来越聪明,Meta 上了 Advantage+、Google 上了 PMax、TikTok 上了 Smart+,我们投手每天在做什么?”

再深聊一层:

“MMP 也越做越深,AppsFlyer 已经从归因平台变成一家数据产品公司,那我们自己的数据团队,还有什么价值?”

这两个问题的背后,是同一件事——UA 从微观操作时代进入了策略和创意时代。

而这件事对买方最直接的冲击是:投手的手动优化空间越来越小,数据的主权归属却越来越重要。

如果这一步走错,接下来 12-24 个月,你会失去两样东西:议价权 和 数据资产。

一、三个正在发生的结构性变化

变化 1:广告平台一键投放能力成为默认

数一下这半年的产品动作:

Google 的 Performance Max、Demand Gen 已经成为主推
Meta 的 Advantage+ Shopping / Advantage+ App 从 Beta 走向默认
TikTok 的 Smart+ Campaign 全球放开
AppLovin 的 Axon 2.0 把机器学习深度前置

一个越来越清晰的信号:广告主的角色正在从"投手"收敛为"信号方"——

你需要提供的:回传信号(events / cost / revenue)+ 创意资产 + 预算配额
你不需要做的:微观出价、版位选择、人群定向、Bid Modifier

微操被平台自身吞噬。投手过去 5 年积累的"手感",在算法面前正在快速贬值。

变化 2:MMP 从归因工具向"数据产品公司"演化

以 AppsFlyer 为例,产品矩阵已经覆盖:

归因层:SRN / SKAN / SSOT / Modeled
决策层:ROI360、Cohort、Retention、Predictive LTV
风控层:Protect360、Fraud Rules
创意层:Creative Bank、Creative Impact

这是一个非常聪明的商业演化路径——从"帮你归因"到"帮你决策"到"帮你判断创意"。

但这里有一个商业安全悖论:

广告主是否愿意把所有 cost + revenue 数据回传给 MMP?

你回传 cost → MMP 掌握你完整的 CAC/ROI 视图
你回传 revenue → MMP 掌握你完整的 LTV 视图
结果:你要么部分回传(数据割裂、结论打架),要么全部回传(丧失议价权)

两条路都不好走。

变化 3:代投 / 代理 / SaaS 三种模式同时被冲击

模式	冲击点
代理模式	媒体给的生存空间,随着 API 开放度提升逐步收窄
代投模式	被 PMax / Advantage+ / Smart+ 替代,投手价值转向"回传信号设计 + 创意策略"
SaaS 模式	买方接受度低,数据联通难,深度买量场景难以打出 ROI

三条路都受挤压。买方需要一条自己的路。

二、判断:Inhouse 是买方的最优解

我这半年得出的判断很直接——

Inhouse 是王道。理由有四点:

1. 数据自主

媒体、MMP、SDK、BI 全链路数据在自己手里,不给任何第三方留议价空间。当广告平台变成一键投放、MMP 变成数据决策产品时,你手里的原始数据才是唯一的护城河。

2. 数据深度应用

ROI 预估模型、企业 BI、决策引擎——这些能力只能在自己的数据上跑得深。任何 SaaS 化的 ROI 预估都是"用你的数据训一个通用模型再卖回给你",天花板明确。

3. 策略灵活性

跨媒体渠道 / MMP / 自归因的路由能力本身就是策略价值。你要能选择"这个 campaign 我信 SKAN、那个 campaign 我信 user-level"、“这个渠道我用 AF 归因、那个渠道我用自归因”,这个决策链条只有 Inhouse 能拿到。

4. AI 时代的复利

未来的 UA Agent、创意 Agent、预算再分配 Agent——它们训练在谁的数据上,就属于谁。Inhouse 的数据资产才能持续训练自己的 Agent,SaaS 化的路径永远在给别人做嫁衣。

三、但 Inhouse 有三重门槛

这也是过去一线做数据产品负责人会反复撞的墙——

门槛 A · 数据归集能力

媒体 API(Meta / Google / TikTok / AppLovin / Moloco / Unity / IronSource / Liftoff 各不相同)
MMP API(AppsFlyer Pull API + Cohort API + Data Locker)
BI 只读表 + SDK 事件 + 服务端 S2S

7 个媒体、10+ 个 endpoint、每个都有 rate limit / 授权模型 / 币种时区差异。工程带宽是第一道坎。

门槛 B · 数据底座建设

fact / dim / agg 三层分层
口径统一(Meta 后台 cost vs AF cost 差异一般 8-15%)
幂等入库(重复导入不产生重复行)
campaign_id ↔ campaign_name 历史映射(避免 cohort 断裂)
SKAN vs user-level 视图拆分(混合展示是 iOS 决策的头号杀手)

这部分是结构性活,需要有人懂业务口径 + 懂数据工程。多数买方团队最缺的就是这个交叉能力。

门槛 C · 通用报表 + 监控 + 干预闭环

通用 ROI 报表(D1/D3/D7/D15/D30/D60/D180/D360)
Campaign 盯盘 + 规则告警(Critical / Warning / Opportunity / Insight 分级)
优化师 Action List + 备注结构化解析
AI 建议 vs 优化师动作匹配(一致 / 方向一致 / 偏差 / 冲突)
效果追踪闭环(intervention_log)

从"看数"到"行动"到"复盘"的闭环,绝大多数团队做到第二步就断了。

四、方案大纲:Inhouse UA 建设三步走

我把这三重门槛的解法沉淀成了一套可交付的方案——Inhouse UA 数据底座与 UA-Monitor 建设。

三步走:

Phase 1(8-12 周):UA-Monitor + 数据底座

核心资产:

数据归集管线(7+ 媒体渠道 API + MMP + BI + SDK)
fact / dim / agg 三层数据底座
通用 ROI 报表(D1-D360 + 15 个 retention 断点)
Campaign 盯盘 + 规则引擎(R1-R8 分级)
优化师 Action List 闭环

产出形态:

数据底座部署在客户自己的机器/云上
所有 raw 数据本地存储,不进入任何第三方 SaaS
客户团队 own 全部交付物,我方不做 lock-in

Phase 2(12-24 周):深度分析 + 决策辅助

动态基线(30 天 P25/P50/P75,替代静态基线)
LTV 预测层(早期预警趋势变化)
素材疲劳诊断(Creative Fatigue)
干预效果追踪(before/after 对比)
三层看板(CEO / UA Lead / 优化师)

Phase 3(24+ 周):SmartUA / Agentic 执行闭环

人审 → 自动执行 → 效果追踪完整闭环
跨媒体预算再分配 Agent
创意智能选题
与广告平台 Endpoint(Meta MCP / Google Ads API / TikTok Business API)直连

五、为什么必须从 Phase 1 开始

我见过三种失败模式:

失败模式 A · 直接买 BI dashboard

数据源没修,dashboard 只是把错误数据可视化。CEO 一眼看出问题:ROI 和媒体后台对不上,从此不再信这个 dashboard。

失败模式 B · 直接上 AI Agent

底座数据不可信、口径没统一,Agent 建议看着漂亮,实际根本没法落地。用两周就废了。

失败模式 C · 直接接 MMP 全套产品

cost 和 revenue 数据全开放给 MMP,短期看起来能用,但你的商业议价权在一年内被 MMP 稀释。

Phase 1 存在的意义就是——

先把地基打稳,让每一个 ROI 数字都能追溯到源头 SQL 和原始 payload;再谈可视化、AI 建议、自动化执行。

六、交付路径(简版)

8-12 周分四个阶段:

Week 1-4:Discovery + 数据源接入 + 数据底座 fact/dim/agg 层
Week 5-8:通用 ROI 报表 + 分层视图 + 规则引擎
Week 9-12:优化师 Action List + 备注结构化 + 培训 + 验收

双方投入:

我方:顾问全程 + 数据工程/BI 支持
客户方:决策人 4 次深度参与 + UA Lead 全程 owner + 数据/BI/客户端团队配合

七、你能拿到什么,你不会拿到什么

你会拿到

数据主权:raw 数据在你机器上
可解释性:每个 ROI 数字都能追溯
可演化:Phase 1 底座直接支撑 Phase 2/3
组织能力:交付过程本身就是培训

你不会拿到(明确边界)

❌ 一个"全自动 UA 系统"——本方案是数据底座 + 报表 + 盯盘,不含自动执行
❌ 一个"AI 完全替代优化师"——AI 建议 + 人审是当前唯一负责任的方式
❌ 一个"复用的成品"——每个客户数据源、业务、组织都不同,需要合理定制
❌ 一个"永远的 SaaS 依赖"——底座 own 在客户,我们不做 lock-in

八、适合什么客户

适合:

出海内容 / 电商 / SaaS / 平台型业务的付费投放团队
月消耗 $10 万 - $500 万区间
有稳定投放、有 UA 团队、但数据能力薄弱
中长期看重数据资产 + 想在 Agentic UA 时代保持议价权

不适合:

只想外包投放执行的客户(我们不做代投)
完全不愿开放 read-only 授权的客户(我们无法诊断)
只想要"一个 dashboard"的客户(我们不做 BI 外包)
已经有强数据团队 + 只缺具体 skill 的客户(我们可以给 skill,但不需要完整 Phase 1)

九、下一步

如果你正在考虑:

Inhouse UA 底座建设
MMP 依赖度评估 + 数据主权规划
从"看后台"到"数据决策"的组织能力升级
Agentic UA 时代的三年战略

可以做的:

邮件 zanhe@139.com 或扫码加微信,主题写 “UA底座” → 获取完整《Inhouse UA 建设方案 Proposal》PDF(15-20 页)
邮件 zanhe@139.com 或扫码加微信,主题写 “UA技术” → 获取完整《Inhouse UA 建设方案 Solution》PDF(30-40 页 · 技术细节)
约一次 30 分钟 Discovery Call → 判断你的团队现状 + 给出初步方向

不做群发、不推销 SaaS、不承诺 ROI 提升——只做一件事:帮你把数据主权握回自己手里。

tl;dr#

开篇:一个正在被回避的问题#

一、三个正在发生的结构性变化#

变化 1:广告平台一键投放能力成为默认#

变化 2:MMP 从归因工具向"数据产品公司"演化#

变化 3:代投 / 代理 / SaaS 三种模式同时被冲击#

二、判断:Inhouse 是买方的最优解#

三、但 Inhouse 有三重门槛#

四、方案大纲:Inhouse UA 建设三步走#

Phase 1(8-12 周):UA-Monitor + 数据底座#

Phase 2(12-24 周):深度分析 + 决策辅助#

Phase 3(24+ 周):SmartUA / Agentic 执行闭环#

五、为什么必须从 Phase 1 开始#

六、交付路径(简版)#

七、你能拿到什么,你不会拿到什么#

你会拿到#

你不会拿到(明确边界)#

八、适合什么客户#

九、下一步#

延伸阅读#