一、亮眼财报引发市场关注
7 月 31 日，Meta 公布的二季度财报成绩堪称亮眼。总收入达到 475 亿美元，同比增长 22%；净利润为 183 亿美元，利润率高达 43%。这一出色表现让华尔街为之喝彩，富国银行分析师称赞 Meta 带来了 “远超预期的全面惊喜”。受财报利好推动，Meta 股价在盘后交易中上涨 9.61%，距离 2 万亿美元市值大关仅一步之遥。
扎克伯格指出，广告业务从新的生成式人工智能功能中获得了 “可观” 的收入，“在广告方面，本季度的强劲表现很大程度上得益于人工智能提升了我们整个广告系统的效率和收益”。然而，若仅关注这些宏观指标，可能会忽略一些关键细节。财报和电话会上，有两组数字格外值得留意：二季度广告展示次数增加 11%；Meta 流量的平均价格上涨 9%。在全球广告市场整体放缓，美国广告支出增速不到 6%，亚太仍在低位徘徊的大环境下，Meta 能实现流量和单价同时增长，实属罕见。那么，它是如何做到 “量价齐升” 的呢？这背后不仅有 AI 带来的效率红利，更关键的是定价逻辑的重塑，Meta 成功拿到了广告定价权。
二、传统广告价格形成机制
在探讨 Meta 如何改变广告定价逻辑之前，先来了解一下互联网平台传统的广告价格形成机制。以往，广告价格由供需关系决定，采用市场竞价模式。在流量供应平台上，广告主出价，出价高且匹配度好的广告主赢得曝光机会。此时，平台广告系统只是一个中介，负责撮合供需双方。
从需求端来看，广告主的决策逻辑较为清晰。他们先规划预算，设定目标 CPA（每次行动成本）和 ROI（投资回报率），再依据这些目标计算自己能够承受的点击成本或展示成本。例如，若预期 ROI 为 3，意味着投入 100 元能带回 300 元收益，一旦广告价格超过这一计算值，ROI 就会跌破预期，广告主便会认为不再划算。所以，在广告拍卖过程中，广告主心中始终有一个价格 “天花板”，一旦超过这个上限，他们就会停止出价，宁愿放弃此次曝光，等待更合适的时机。
三、AI 投放改变广告主决策
AI 投放的出现，彻底改变了这一局面。以 Meta 的广告系统为例，它能够运用更精准的模型判断哪个用户最有可能下单，哪种广告素材更容易吸引用户点击，甚至还能预测哪个时段的转化率最高。假设原本广告主投入 100 元预算，获得的销售额为 300 元，ROI 为 3；在 AI 的助力下，同样 100 元预算带来的销售额可能提升至 400 元，ROI 也随之提高到 4。
这种变化使得广告主的价格决策重心发生了转移，从过去 “花小钱办大事” 的省钱心态，转变为 “多花一点，多赚一截” 的赚钱心态。进一步来说，以往广告目标是 “完成任务”，以省钱为导向，只要预算花完且指标达成，项目就宣告结束。在这种逻辑下，广告投放属于市场成本中心的一部分，追求的是 “效率最大化”。而现在，逻辑完全反转，广告预算不再被视为 “花掉的支出”，而是 “可以带来边际收益的投资”。广告主看待投放的视角，从一次性支出转变为动态的 ROI 曲线，只要这条曲线持续上升，他们就会持续增加投放预算。
这种转变具有革命性意义，因为它改变了广告的本质角色。广告从 “市场部的 KPI 支出” 转变为 “企业经营的增长引擎”，从成本中心变为利润中心。这意味着广告预算上限被打破，投放规模不再受年度计划的严格约束，预算弹性变得前所未有的大。
四、AI 推动广告价格上涨的双重因素
一旦广告主形成这种新的心理预期，平均出价自然会被推高。这背后的原因可以从两个层面来分析。
第一个层面是基于直观的供需逻辑。当 ROI 曲线变得更加陡峭，广告主预期收益增加，会主动提高投放预算。此时，竞价池中的资金量增加，就像水涨船高一样，广告价格自然会被推上去。然而，这仅仅解释了部分原因。
另一个层面的原因隐藏在算法之中。在过去，即便 ROI 有所提升，广告主对于价格仍然会保持一定的克制，因为每一次加价都需要经过人工核算，权衡其中的风险。而现在，像 AdvantagePlus 这样的自动化投放工具改变了这一模式。它不再要求广告主时刻紧盯每一个出价，而是向广告主承诺 “我们会帮你把钱花在最值得的地方”。广告主基于对投放效果的信任，愿意交出出价控制权，让 Meta 的广告系统自动托管投放。因为实际投放结果往往令人满意，广告成为利润引擎之后，广告主对广告价格的敏感度逐渐降低。系统不仅能够自动加价，还会向广告主承诺 “再提高 20% 的出价，预估转化还能多 30%”，这种承诺的诱惑力远超普通的销售话术。
最终的结果是，广告价格曲线不再仅仅由市场供需决定，还受到平台模型调控逻辑的影响。过去的广告竞价如同在拍卖场中，每个竞拍者自行举牌出价，一旦价格达到心理上限就会停止；而现在，广告主把出价权交给了一个机器人，这个机器人依据 “最优回报” 原则替广告主出价，广告主只关注最终的 ROI。广告主觉得钱花得值，却没有意识到，每一分追加的预算都已经被算法推到了极限。正是这两套力量的叠加，才解释了 Meta 为何能够实现 “量价齐升”。Meta 并非通过强硬提价来实现这一目标，而是通过重塑广告主的 ROI 认知和决策机制，让广告主心甘情愿地提高出价，甚至主动交出出价控制权。这才是财报中最值得深入研究的细节。
五、商家选择托管投放的必然性
面对这种情况，或许有人会认为，只要坚持自己投放，不使用平台的托管服务，就能压低广告价格并达成目标。从理论上看，这似乎是一个合理的策略，但在实际操作中，存在诸多难以克服的变量因素。
首先，大平台的优势流量往往处于稀缺状态，并非只要花钱就能买到足够的流量。在激烈的竞争环境下，谁能够以更快的反馈速度、更精准的出价策略，抢到高转化的黄金流量池，谁就能在竞争中占据优势。广告系统的自动化功能，不仅仅是为了节省人力，更重要的是它决定了投放的反应速度。当 ROI 曲线陡峭时，流量转化的窗口期极短，可能仅有几毫秒。在这极短的时间内，能否动态调整出价，直接决定了广告主能否充分获取利润。如果依靠人工操作，预算调整往往会滞后，等完成审批、修改出价时，竞争环境早已发生变化，机会成本也在不知不觉中流失。
其次，即便广告主拥有自己的团队进行手动操作，获取流量的成本也会高得惊人。如今的广告投放早已不是简单地 “定个预算 + 设定兴趣标签” 就能完成的。在 Meta 的广告系统中，信号维度多达数百个，算法的权重实时变化，投放素材还需要进行 A/B 多版本测试。对于普通团队，尤其是中小广告主（SMB）而言，根本无法应对如此复杂的操作。如果不使用托管服务，就意味着广告主需要培养一支既懂算法、又懂归因分析，还懂创意设计的复合型专业团队，而组建和维持这样一支团队的成本，可能远远超过使用托管服务所带来的广告价格增量。
最后，衡量广告投放效果的 “标尺” 也已经被平台重新定义。例如 Meta 推出的增量归因、全渠道优化等新模型，这些模型直接决定了广告投放优化的评判方式。如果广告主坚持采用传统的人工逻辑进行投放，就意味着放弃了最先进的归因体系，无法全面、准确地评估投放效果，进而导致决策滞后。
综上所述，任何一个具备商业常识的商家和广告主，经过综合考量成本、效率和规则等因素后，都会选择使用平台的托管服务。平台通过算法构建了一个全新的广告投放秩序，广告主如果不顺应这一趋势，就如同拿着旧地图去探索新大陆，必然难以取得理想的效果。
六、Meta 产品功能强化平台对流量分配的控制
除了上述因素外，Meta 在产品层面的设计也进一步强化了其对广告定价权的掌控。Meta 不再单纯依靠 “人工调控” 广告投放，而是将投放规则直接融入到产品功能之中。例如 Advantage Plus、GEM、Lattice 等模型，这些模型能够在后台自动决定广告预算的分配方式以及流量的投放对象。
这意味着，过去广告主需要手动设定诸多复杂的投放细节，而现在系统通过算法将这些规则固化为产品功能，使得广告投放变得更加快捷、简便。但从另一个角度来看，这也增强了平台对流量分配的控制力。从某种阴谋论的观点来看，即使广告主不使用托管服务，系统在流量分配上是否会偏向托管广告系列呢？毕竟托管服务能够帮助平台跑通数据闭环，优化整体模型表现，这是一种难以对抗的 “系统性优势”。
那么，Meta 的广告系统究竟是如何借助 AI 帮助广告主提升 ROI 的呢？回顾过去的广告投放逻辑，如果一个护肤品品牌在几年前于 Meta 上投放广告，操作流程相对简单：先圈定目标人群，如 25 - 35 岁关注美妆账号的女性，接着撰写一段文案，搭配几张图片，设定预算并调整出价。然而，这种投放方式存在明显的问题，预算投入大，但浪费也多。大量的广告展示可能被推送给对产品毫无兴趣或者刚刚购买过同类产品的用户，导致点击率和转化率极低。投放优化师每天在后台不断调整参数、细分人群、修改出价，却往往收效甚微，ROI 难以提升。
如今，AI 的出现彻底改写了这一局面。Meta 的广告系统不再将广告分发简单视为 “匹配标签” 的过程，而是将其拆解为检索、排序、优化三个环节，并且每个环节都由模型主导。
第一个环节是广告检索，由 Andromeda 模型负责。过去，系统主要依据兴趣标签来寻找潜在用户，例如 “25 - 35 岁女性”“关注美妆账号” 等，这种方式较为粗糙且静态。而 Andromeda 模型能够处理更为复杂的行为信号，比如用户最近浏览过哪些内容、观看了多少条护肤视频，甚至是否在 Facebook 群组中提问过 “换季要不要换精华” 等。它会将这些行为片段整合为一个动态用户画像，精准判断用户的购买意图是否处于 “高概率区间”。通过这种方式，广告投放从过去的 “泛覆盖” 转变为 “精定位”，虽然展示量可能有所减少，但每一次曝光都更具成交潜力。
第二个环节是排序，由 GEM（生成式广告推荐系统）接管。在传统的广告排序逻辑中，主要依据出价和定向精度来决定广告位。而 GEM 的排序方式更为复杂，它会拉长用户的行为序列，精准识别用户购买意图的临界点。例如，当一个用户刚刚在 Instagram 上观看完美妆教程，十分钟后又浏览护肤达人的带货视频，并且还点击了心愿单，GEM 会判断此时推送广告的转化概率远高于随机时间点。在过去，捕捉这种 “场景最佳时机” 需要投放经理不断进行试错，而现在模型能够实时完成这一判断。
第三个环节是目标优化，由 Lattice 主导。以往的广告系统就像 “分科教学”，点击、加购、成交等目标各自有独立的模型，优化方向相互割裂。Lattice 则将这些目标整合在一个统一的架构下，深刻理解广告主的真实诉求并非仅仅是追求更多的点击量，而是实现更多的销售订单。它会在点击、互动和购买之间进行动态平衡，确保系统不再为了追求漂亮的点击率而浪费预算，而是聚焦于对生意结果的最大贡献。
这三个环节相互叠加，彻底改写了 ROI 曲线，不仅仅是提高了效率，更重要的是，AI 成为了分配流量、决定投放节奏的核心。广告主不仅将创意和预算交给了系统，甚至连投放逻辑也一并托付。过去，广告主能够精确计算每一笔广告花费，而现在，他们更像是告诉系统：“这是预算，这是目标，你来负责达成。”
七、Meta 重握广告定价权的深远影响
Meta Q2 财报的真正看点，并非仅仅是收入增长和利润率提升，而是一个更为深刻且细思极恐的事实：平台重新握住了广告价格的锚点。这一变化并非在财报摘要中明确阐述，也不是投资者电话会议中的显性话题，但它的影响却比数字本身更为深远。
过去，广告价格由市场驱动，广告主制定出价策略，代理机构负责优化执行，平台主要扮演供需撮合者的角色。然而，当算法全面接管 ROI 预测、预算分配以及出价节奏等关键环节后，广告价格的形成机制不再单纯由 “市场决定”，而是转变为 “由模型决定”。
这一转变意味着什么呢？它不仅意味着 Meta 能够稳定广告单价，更重要的是，Meta 在整个广告竞价体系中占据了终极决策点。长期以来，广告行业维持着一种平衡关系，即广告主制定策略、代理商负责执行、平台提供流量。但如今，这种平衡正在被悄然改写。表面上看，是 ROI 的提高和效率的提升，但本质上，是平台通过 AI 重构了广告的定价权，而定价权才是广告行业真正的核心权力。
价格，不再仅仅是交易的结果，而是平台 AI 战略的具体输出。可以说，这才是 Q2 财报中最值得持续关注的关键变量。当 AI 开始决定或者影响广告定价时，广告主和代理商手中还剩下多少谈判筹码，这无疑将成为未来广告行业发展中一个值得深入探讨的问题。