从5个人到500亿——引力引擎四年（2023～2026年）行业价值白皮书

署名说明

本白皮书由引力引擎署名撰写，属第一方行业价值研究，不是第三方评估、审计报告或行业统计。署名方式决定了本书的立场与责任边界：书内关于分工结构、能力构成、成本机制与社会价值的分析框架由我们提出并论证，其可检验性由我们标注；书内涉及的经营规模与价值量级，由我们定义口径、给出测算并说明其限度。第一方身份不赋予结论额外权威，因此本书在论证上按更严格的标准自律——机制判断尽量以可核验的平台公开规则与产业组织一般原理支撑，凡属自身数据均明示其口径性质，凡属推论均标注检验状态。

关于数据性质。 第四部分涉及的累计投放规模约 500 亿元、行业社会价值约 100 亿元及订阅收入（ARR）的量级对比，为本书由引力引擎定义并说明的业务统计口径与内部核算口径，由本白皮书首次系统给出。为保持披露边界与正文可读性，分年明细、核算参数与账户级数据不在此展开；本书不将上述数值表述为第三方统计、审计结论或公开可复核数据，也不以其作精确核算。企业公开披露与公开报道集中在序文作背景与叙事锚点，正文四部分的价值结论不援引这些材料，也不以任何外部时点数据交叉印证，以避免第一方署名文件的循环论证。

关于价值口径。 本书把约 100 亿元称为「行业社会价值」：它是行业为获得同等精细化运营能力、本应重复支付而因集约化复用避免的社会成本，按反事实基准核算。它不是引力引擎的收入，不是广告主账上多出的利润，也不是已实现的现金流节约。第四部分以 SaaS 商业模式、AI 集约化开发与统一运维、行业提效三层机制，论证这一社会成本差额的来源。

关于口径分界。 全书并行使用四类口径：第一部分的效率口径（ROI 达成度 0→80% 与 80→100%+）、第三部分的成本口径（自建投入约占广告消耗 20%）、成本保障政策的 20% 超成本触发阈值，以及第四部分的业务统计与内部核算口径。四者分母、量纲与用途均不同，不相加、不换算、不互推。效果类公开百分比未披露样本、窗口与对照，不进入价值核算；500 亿与 100 亿之比为 20%，属同一框架内的核算结果，不构成对成本区间的独立验证。

关于章节安排。 为使分工边界、能力构成与成本结构的论证不依赖署名方自身的经营表现，前三部分暂不引入自身经营数据；规模与价值维度留待第四部分首次引入。第四部分亦不以公开资料支撑结论，而是把前文成本框架写成社会成本核算恒等式，再由供给形态解释参数差额。这样安排的目的，是让读者可以先独立检验分析框架，再对照经营量级，而不是以自身规模反推框架的正确性。

关于结论限度。 本书提供的是分析框架与量级刻画：行业价值按「若不复用则本应发生的自建投入」计量，属替代成本的避免与能力可得性的提升；价值创造与价值捕获分离，订阅收入低既不否定价值存在，也不构成价值规模的证据；门槛下降提供参与精细化运营的资格，不等于能力水平趋同。第一部分三条可检验推论在书末如实标注检验状态，不作「已验证」表述。本书不构成对任何主体经营结果的承诺、合规意见或投资建议。

平台规则可由平台单方调整，本书引用仅代表访问日（2026 年 11 月 11 日）口径；渠道政策的精确条款以官方公告为准。后续版本将视资料与口径的更新作相应修订。

序　从 5 个人到 500 亿：一个成本结构命题

四年，一支极小的团队，与累计约 500 亿元的广告投放。把这两个数字并置，最容易得出的结论是「杠杆很大」；但杠杆从何而来，才是这本白皮书要回答的问题。书名《从5个人到500亿——引力引擎四年（2023～2026年）行业价值白皮书》里的「5 个人」，是起步时团队尺度的写照，「500 亿」是四年间经由我们承载管理、创编与数据回传的广告消耗累计值。二者不在同一个量纲上，把它们放进同一个标题，不是为了讲一个以少胜多的故事，而是为了提出一个成本结构问题：如果精细化运营必须由每个广告主各自重建一套系统，服务规模终将受制于人力规模，这个组合便不可能成立。

先把结论摆在前面。 按第三部分将逐层论证的「自建精细化运营投入约占广告消耗 20%」这一经验成本率，500 亿投放所对应的替代成本约为 100 亿元。本书把这约 100 亿元称为引力引擎带来的行业社会价值：它是行业为获得同等的精细化运营能力，本应重复支付、因集约化复用而避免的社会成本；不是引力引擎的收入，不是广告主账上多出的利润，也不是一笔已经发生的现金流节约。第四部分将以 SaaS 商业模式、AI 集约化开发与统一运维、行业提效三层机制，把它完整论证为一个可核算的社会成本差额。序在此点题，正文负责给出推理、核算与边界。

关于走过的路。 产品于 2023 年 1 月上线，定位为 AI 驱动的一站式用户增长中台，以一套系统覆盖归因监测、批量投放、素材管理、多维报表、行为分析与 AI 托管；核心成员来自主流平台的广告算法与商业化团队¹²。上线一年后，官网产品页记载「成为 200+ 家游戏客户的选择」；2025 年 3 月的行业媒体报道载，合作客户日消耗超过 2000 万元，并给出自建买量中台 300 万至 1000 万元的成本估算，以及「由大量合作厂商共同分摊」的表述³⁴。2025 年 4 月的创始人访谈载「前两年仅靠 2 个销售就做到了千万 ARR」，并把中腰部广告主的能力可得性作为一个议题提出⁵。这些材料勾勒出的，是一条从极小团队出发、以产品化交付替代逐户自建的路径。

为什么把这些材料只放在序里。 企业自我披露、客户案例与公开报道适合说明「做过什么、何时发生」，不足以证明「为行业创造了多少价值」：客户数、日耗与效果百分比的统计对象与口径互不相同，不构成可合并的序列；效果类表述多未附样本、对照组与统计窗口；而以署名方自己的披露去佐证署名方自己的价值结论，会构成循环论证。因此本书作一次明确分工——公开材料仅作叙事锚点与背景，正文四部分的机制论证与第四部分的全部数值结论，只依赖平台公开规则、前文成本框架、核算恒等式与产业组织一般原理，不援引企业公开披露与公开报道，也不以外部时点数据交叉印证 500 亿与 100 亿。

阅读路径。 第一部分界定平台与广告主的责任边界，提出「20% 分工理论」；第二部分把剩余边际区间展开为精准归因、自动化创编与盯盘、素材量化、全链路增长四项能力及其共同底座；第三部分给出底座的成本结构 c(S) = F ÷ S + v，并说明投入从人工密集向研发、服务器与方法论的内部迁移；第四部分以 SaaS 分摊与 AI 集约化解释固定成本的压缩，核算约 100 亿元的行业社会价值，并讨论门槛下降的生态含义。附录为口径与术语一览，供检索使用。

关于文件性质。 本白皮书由引力引擎署名撰写，属第一方行业价值研究，不是第三方评估、审计报告或行业统计。书内涉及的累计投放规模、行业社会价值与订阅收入量级，由我们定义口径、给出测算并说明限度；所有量级结论均为反事实基准下的核算结果，不作精确主张。第一方身份不赋予结论额外权威，因此我们在论证上按更严格的标准自律：机制判断尽量以可核验的平台公开规则支撑，凡属自身数据均明示其口径性质，凡属推论均标注检验状态。本书不构成对任何主体经营结果的承诺、合规意见或投资建议。

引力引擎 2026 年 11 月

全书目录

---

第一部分　ROI 达成的分工结构：关于「20% 分工理论」

本章提要

广告投放 ROI 的达成，既非单纯由平台算法决定，也非单纯由广告主运营决定。本部分提出并论证「20% 分工理论」：在给定品类、流量结构与竞争条件下，广告平台通过智能出价、拍卖清算与转化预估，把 ROI 达成度由 0 推进至约 80%；剩余约 20 个百分点，以及突破可达前沿的超额部分，取决于广告主侧以自有数据归因、自动化创编与盯盘、素材量化分析、全链路增长耦合为核心的精细化能力。

本章先设定度量口径与分析框架，再以三组可核验的机制证据支撑该分界：oCPX 带来的调控权转移、密封报价拍卖下的清算同质性与超额收益来源迁移、以及成本保障（超成本赔付）政策所刻画的合约化责任边界。随后说明「80/20」作为经验区间的性质与适用条件，并给出三条可检验推论，为后续章节提供理论预期。

为使机制论证不依赖本书署名方的经营表现，本部分暂不引入自身经营数据，亦不预设结论；相关规模与价值核算留待第三、四部分用于检验本章推论。

1.1 问题的提出：为何需要一条分工边界

关于广告 ROI 的归因，行业中长期存在两种对称的误判。

其一是「算法决定论」：把账户间 ROI 差异主要归因于平台模型能力或平台资源分配，进而推论广告主侧运营无足轻重，只需提高出价、等待模型学习。其二是「操作决定论」：把 ROI 差异主要归因于投手的调价、盯盘与计划搭建技巧，进而推论加大人工干预即可持续改善效果。

在 oCPX 成为主流投放方式、平台统一清算成为主流交易结构之后，两种判断都失去了机制基础；但二者都会导致真实的资源错配：前者使广告主放弃本可获取的超额效率，后者使预算持续投向已被机制压缩的套利空间。二者看似相反，实则共享同一个缺陷——没有先回答「哪些效率变量已由平台内生化，哪些仍属广告主私有」。

因此，本白皮书需要先建立一条可辩护的分工边界。它要回答三个递进的问题：平台负责什么、广告主负责什么、以及这一分界为何在当前的机制条件下成立。边界一旦清晰，投入方向、成本归属与价值核算才有共同的坐标系。

1.2 定义与度量口径

讨论分工之前，须先固定度量单位。本章讨论的是 ROI 达成度，而非 ROI 的绝对值。

据此，本章的坐标可表述为：平台把 η 从 0 推进至约 0.8R，广告主侧精细化运营负责 0.8R 至 R* 及以上的部分。

口径辨析（四条）

1. 本章所称「20%」指广告主侧可争取的边际达成度区间，即最后约 20 个百分点；并非平台仅贡献 20% 的价值。恰恰相反，本章主张平台承担了效率产出的主体部分。
2. 效率口径不等于成本口径。 第三部分将讨论自建精细化系统的研发投入约占广告消耗 20%，那是成本占比；与本章的达成度占比量纲不同，不可互相替代、相加或互推。
3. 本处的 80/20 与帕累托分布、幂律或通常所说的「二八定律」无统计学关联，也不隐含对投入产出分布形态的任何假设⁹。
4. R* 不可直接观测，故 80/20 应理解为结构性区间而非点估计；这一限制贯穿全章。

1.3 分析框架：β 与 α 的分离

借用投资分析的语汇，可把 ROI 达成度拆为两类性质不同的成分：

• β（平台成分）：由拍卖机制、转化预估、流量分配与清算价格共同决定，对所有广告主普惠供给，随平台能力整体抬升，并在竞价竞争中被趋同化。
• α（广告主成分）：由自有数据、归因口径、素材资产、自动化运营与后链路转化能力决定，异质、私有、可累积，且不会因其他广告主获得而稀释。

可给出一个结构性的示意式：

η = β(K_p) · [1 + α(K_a)]

其中 K_p 为平台侧的算法、算力与全网数据资本，K_a 为广告主侧的数据治理、系统与运营资本。该式强调两者互补而非线性可加：β 定义了可达的高度，α 决定实际接近该高度的程度。

须明确声明：上式是对分工结构的形式化刻画，不是计量模型。本白皮书不宣称对 β、α 做过参数估计，也不主张二者在实践中可被精确分离计量；其作用仅限于避免把两类性质不同的投入混为一谈。

分工的均衡条件，形式上出现于两侧边际产出与边际成本之比相等处。但决定分界位置的，是二者成本结构的根本不对称：平台侧投入可标准化、可复制、可规模化；广告主侧投入则需与商品、定价、履约、用户体系逐一耦合，天然异质。

由此得到本章的核心判断：分工的依据不是能力强弱，而是投入的规模经济属性。 可复制的部分归平台，私有且异质的部分归广告主。这一判断不是先验设定，而可由以下三组机制证据逐一验证。

1.4 机制证据一：oCPX 与调控权的转移

在 oCPX（含 oCPC、oCPM、目标 ROI 等智能出价形态）下，广告主的申报对象从「为一次曝光/点击出多少钱」变为「希望以什么成本获得什么转化」。平台以预估点击率与预估转化率为基础合成 eCPM 参与排序，并在毫秒级完成人群、版位、时段的分配与出价调整。

这一转变的实质是调控权（control rights）的转移：广告主保留的是目标函数的设定权，让渡的是逐次竞价的决策权。广告主可施加影响的输入收敛为五类：目标值与预算、创意与素材供给、转化数据回传的完整性与准确性、人群与版位的粗粒度约束、账户与计划的结构设计。

制度层面提供了直接佐证。腾讯广告成本保障政策规定，保障周期内每日修改广告出价（含期望 ROI、分人群出价、分版位出价）或定向的合计次数超过 2 次，即不再满足保障条件⁶；行业公开资料所载巨量引擎同类规则亦含频次约束⁷。平台以合约形式对高频人工干预设置负向激励，实质是要求广告主在探索期让渡调控权、由平台承担探索风险。

由此可得一条明确推论：依赖盯盘调价获取的效率，在 oCPX 下不再构成可持续的比较优势；更值得注意的是，这类操作还可能使广告主丧失本可获得的成本保障资格——干预不仅无效，且有合约成本。

需要一处限定：RTA、后效建模、深度转化目标等接口仍保留了广告主或服务商的策略介入空间。但这类介入本身即属本章定义的 α；且平台在广告主启用这些接口时通常同步退出成本保障（详见 1.6），恰好说明控制权与责任是对称转移的，而非平台单方免责。

1.5 机制证据二：密封报价拍卖与超额收益来源的迁移

信息流广告竞价，是密封报价、平台统一清算的高频重复拍卖。历史上以广义第二价格（GSP）及其变体为典型⁸，近年向含保留价、多目标统一优化的机制演进；各平台机制细节与演进路径并不相同，但三项共同特征稳定：报价不公开、清算规则统一、单次成交价不由任一竞买人单方操控。

这组特征带来三个后果：

1. 执行层套利被压缩。 竞买人无法观测对手报价，也无法针对单次拍卖重复博弈；传统意义上依赖报价时机与试探的「竞价技巧」，作用空间被机制本身消除。
2. 流量获取成本归于 β。 成交由 eCPM 排序与清算规则决定，同质的出价信号在给定竞争环境下获得同质的流量与价格。在控制品类、素材与商品条件后，账户间成本差异的主要来源不再是交易执行。
3. α 的技术通道被重新定位。 eCPM 依赖 pCTR / pCVR 预估，而广告主可通过素材质量、落地页相关性、转化数据回传的完整性与准确性影响这些预估值；竞价之后的用户价值则取决于承接与后链路。这才是广告主侧能力作用于拍卖系统的实际通道。

第三点包含一个常被混淆的区分：α 的作用点不是「影响成交价」，而是「影响平台的价值预估」与「影响竞价之后的用户价值」。把精细化运营理解为对成交价格的博弈，是许多方案失效的根源。

用投资语言收束：市场微观结构决定 β，私有信息与资产质量决定 α。当拍卖机制趋于统一、出价信号趋于同质，超额收益必然从交易执行迁移到信息与资产。对广告而言，「信息」即归因数据，「资产」即素材与全链路转化能力。这解释了为何平台能力越强、机制越统一，广告主侧的数据与运营反而越具决定性——二者并不矛盾，而是同一分工结构的两面。

1.6 机制证据三：成本保障政策作为责任边界的合约化表达

如果说前两组证据说明了「平台能做什么」，成本保障（超成本赔付）政策则说明了「平台承诺为什么负责」。这是本章最可核验的一组证据，因为它把责任边界写成了金额与条件。

1.6.1 规则事实

截至 2026 年 11 月 11 日，主流平台的成本保障政策具有以下典型结构⁶：

各平台在优化目标组合、门槛与结算时点上存在差异，且规则由平台单方持续迭代；行业公开资料所载其他平台规则仅作机制共性的交叉印证⁷。本章取其机制含义，不视为跨平台的统一合约条款。

1.6.2 口径澄清

行业中习惯所称的「20% 超成本赔付」，指的是转化成本超出目标成本 20% 的触发阈值（在 ROI 类目标下对应达成度低于 80% 的兜底线），并非「赔付 20% 的成本」，也不是固定的赔付比例；赔付金额按上表差额公式确定。白皮书涉及该政策时应使用「触发阈值」的表述，避免这一常见误读。

1.6.3 解读一：隐性保险与权责对称

平台对投放效率的下限提供了合约化担保，其性质接近制造业的质量保证：平台承担的是自己能够控制的风险。能够作出该承诺的前提，正是平台在机制层掌握定价权、流量分配权与转化预估能力——权利与责任在此对称。腾讯广告官方亦将赔付明确定性为平台提供的福利政策⁶，而非对广告主经营结果的保险。

因此，成本保障条款构成「0→80% 由平台负责」最直接的制度证据：它把平台责任从抽象的能力表述，转译为可核验的触发条件与赔付金额。

1.6.4 解读二：除外情形即分工边界

更值得注意的是哪些情形不被承保。逐条对照，可以读出一条相当清晰的边界：

• 仅覆盖冷启动探索期——平台不承担长期成本稳定性、素材衰减、竞争环境变化带来的效率波动；
• 保障期内不得修改归因数据源，数据回传异常可冻结赔付——归因口径与数据质量明确划归广告主责任；
• 启用自动出价、RTA 分级调价、后效建模、智投项目等即不赔付——当广告主或第三方引入自有策略层时，平台同步退出担保，控制权与责任一起转移；
• 以不可提现的虚拟金补偿——补偿标的是流量交付质量偏差，而非广告主经营利润缺口；商品、定价、履约、退货、复购等后链路结果不在承保范围。

将上述排除项合并，得到的集合与广告主精细化运营的作用域高度重合：自有数据的精准归因、自动化创编与盯盘、素材的标签化与量化分析、与用户行为耦合的全链路增长。

这不是巧合，而是分工边界在合约上的投影：平台为其可控的机制层结果负责，广告主为其可控的数据层与经营层结果负责。 一份由平台起草、以风险定价为目的的规则文件，反而为本章的分工命题提供了最少争议的外部证据。

1.6.5 解读三：关于数值一致，需保持克制

ROI 类优化目标以「达成度低于 80%」作为赔付触发线，与本章所述 80% 分界在数值上一致。此处必须明确：二者性质不同、成因独立。前者是风险管理的合约阈值，由平台对探索期波动的容忍度、小样本噪声与赔付成本共同决定；后者是对效率生产结构的经验刻画，与赔付成本无关。

该一致性可作为分界量级的旁证，但不构成因果论证。本白皮书明确不以此作为 80/20 的估计依据——把制度阈值当作结构参数的实证证据，是行业论述中常见、但应当避免的推理跳跃。

1.7 为什么是 80/20：三条支撑与一条方法论声明

在明确「平台承担主体部分」之后，仍需回答：剩余区间为何具有独立且重要的经济价值。三条支撑如下。

支撑一：一阶变量的归属。 转化成本等于消耗除以转化数；消耗由清算价与曝光分配决定，转化数由平台预估与流量匹配决定，二者主导达成度的方差，属平台侧。剩余方差集中于归因误差、素材衰减、落地页转化、商品与履约，属广告主侧。前者决定「能做到多少」，后者决定「实际做到多少」。

支撑二：公共品与私人品的不对称。 平台能力升级是普惠的，同时作用于所有竞买人；在竞价均衡下，这部分红利会有一部分转化为更高的清算价格，经济租向流量方回归，广告主获得的相对优势被竞争抹平。广告主侧改进则只作用于自身账户，不外溢、可累积，构成持续的 α。这同时解释了为什么「等待平台升级」不能替代自身建设。

支撑三：临界点附近的非线性。 设目标 ROI 为广告主自定的盈亏平衡线（并作简化，见¹⁰），可得如下示意：

关键不在于 20 个百分点的线性效率差，而在于：对以 ROI 为预算开关的广告主，从 80% 到 100% 改变的是「能否放量」这一离散决策。一旦跨过临界线，同样的效率改善可以作用于数倍乃至数十倍的消耗规模。因此最后 20 个百分点的经济价值，远高于其在达成度坐标上的占比。这也解释了为何在平台已承担主体部分的条件下，广告主侧投入仍可能具有最高的边际回报。

方法论声明

80/20 是对分工结构的经验性刻画，不是计量估计，不是定律，也不是行业标准。在品牌广告、长决策周期、强线下履约、数据回传受限或平台机制尚未统一的市场中，分界会明显左移或右移；本白皮书将其视为约 75/25 至 85/15 的稳健区间。使用该比例的目的，是界定责任边界与投入方向，而非精确分配贡献。其可检验性，由第三、四部分的行业数据与下列推论对照提供。

1.8 三条可检验推论

推论一（β 趋同、α 分化）。 在控制品类、素材供给与商品条件后，同平台、同赛道账户的长期 ROI 离散度，应主要来自私有能力差异，而非平台资源倾斜。可用账户级达成度分布及其随时间的变化检验。

推论二（前沿抬升不填平缺口）。 平台能力升级抬高整体前沿，但竞价均衡会吸收部分红利；最后 20 个百分点的绝对价值随投放规模线性放大，不会因平台进步而自动消失。这为第四部分的规模与价值核算提供了理论预期：行业价值的增长，应与投放规模增长同阶，而非随平台成熟而衰减。

推论三（固定成本门槛与生态含义）。 α 的获取依赖研发、算力与数据治理等私有固定投入，具有显著规模门槛。若该投入在自建模式下约占广告消耗的 20%（第三部分口径），则中小广告主在结构上被排除在 α 之外；降低这一门槛本身，构成独立于直接效率收益的生态价值。

须再次澄清：推论三中的 20% 属成本口径，与本章 20% 的效率口径量纲不同。本节仅指出二者的对偶关系——获取 α 的成本结构，决定了哪些主体有能力获取 α——不作数值等同，也不以其中一个推导另一个。

1.9 适用范围与边界

适用条件：以可归因转化为优化目标的效果广告；oCPX 为主流投放方式；平台提供成本保障；转化回流周期落在可评估窗口内。

需作修正的场景：品牌与种草类目标、非闭环电商、决策周期显著长于保障窗口的品类、数据回传受限或受强监管的行业、平台竞价机制尚未统一的市场。

本章不主张：① 各平台的 β 水平无差异（差异确实存在，但体现为前沿高度，而非 α）；② 广告主可放弃精细化运营（结论恰好相反）；③ 80/20 恒定不变；④ 赔付条款是平台按分工比例有意设计的结果（见 1.6.5）。

本章小结

1. 分工的度量单位，是 ROI 达成度相对可达前沿的份额；「20%」指广告主侧可争取的边际区间，而非平台贡献占比。
2. 分工的依据不是能力强弱，而是投入的规模经济属性：可标准化、可复制的部分归平台，异质、私有、需与经营系统耦合的部分归广告主。
3. oCPX 完成了调控权转移，密封报价拍卖压缩了执行层套利；超额收益的来源因此从交易执行，迁移到信息（归因数据）与资产（素材、全链路转化能力）。
4. 成本保障政策以金额与除外条款，把平台责任合约化；其除外范围恰与广告主精细化运营的作用域重合，构成本章分界最可核验的外部证据。
5. 最后 20 个百分点作用于「能否放量」的临界决策，经济价值呈非线性；但其获取具有固定成本门槛，由此引出后续章节讨论的成本结构与生态问题。

资料使用说明

本章以平台一手文档为优先依据，行业公开资料仅用于机制共性的交叉印证，不用于主张精确条款细节；平台规则可由平台单方调整，引用仅代表访问日（2026 年 11 月 11 日）口径。本章所有表格与算式均为示意性框架或机制归纳，不取自行业统计，不用于任何数值结论。本部分暂不引入自身经营数据，相关核算与推论检验见第三、四部分。

---

第二部分　广告主精细化运营的四项构成与技术实现

本章提要

第一部分以三组机制证据论证了 ROI 达成的分工边界。其中成本保障政策的除外情形，反向划出了一组相当具体的广告主作用域：归因口径与数据质量、自有策略层的介入、素材与承接链路、以及赔付周期之后的长期经营结果¹¹。本部分把这组作用域展开为四项可建设、可观测的能力——基于自有数据的精准归因、自动化的广告创编与盯盘、素材的标签化与量化分析、与用户行为耦合的全链路增长。

本章的核心判断是：这四项并非并列的工具清单，而是一个以自有数据为观测输入、以创编与调度为执行环节、以素材量化为辨识环节、以全链路价值为目标函数的闭环系统。前三项作用于「逼近可达前沿 R*」，第四项通过改变承接与价值实现条件「抬高 R* 本身」，由此解释第一部分所述「80% 到 100%+」中超额部分的来源¹²。四者共用的最小底座，是统一的数据标识与回传管线，加一组可编程的投放接口；这一结论把论述自然引向第三部分的成本结构，与第四部分的生态价值。

与第一部分保持同一纪律：本部分暂不引入自身经营数据，不描述任何具体产品形态，也不预设第三、四部分的结论。

2.1 承接与本章任务

第一部分建立了以下结论，本章全部沿用，不另作设定：分工的依据是投入的规模经济属性，可复制的部分归平台、私有异质的部分归广告主（1.3）；平台供给的 β 普惠且趋于同质，广告主侧的 α 私有且可累积（1.3）；oCPX 把逐次竞价的调控权收归平台（1.4）；α 的合法作用点是影响平台的价值预估与竞价之后的用户价值，而非成交价（1.5）；成本保障政策的除外情形，几乎与广告主精细化运营的作用域重合（1.6.4）。

但第一部分留下了一个尚未展开的词：精细化运营。若不明确其构成，它容易被理解为投手经验、工具采购或团队规模——这三者都无法与 β / α 框架对接，也无法在第三、四部分被核算。一个不能被拆解、观测与计价的对象，既无法讨论其成本，也无法讨论其价值。

因此本章承担三项任务：

1. 给出拆解准则，说明什么样的能力才属于第一部分定义的 α；
2. 逐项说明四项能力的作用机理、可观测维度与失效条件；
3. 说明四项为何必须成体系，并由此导出共同底座——它是第三、四部分全部论证的技术前提。

2.2 拆解准则：什么样的能力属于 α

「精细化运营」在行业语境中含义宽泛。为避免把平台已内生化的工作、或不可累积的人工技巧误计入广告主侧能力，本章按三条准则筛选。

按此准则，可把第一部分 1.6.4 由赔付除外情形反推出的作用域，逐项映射为能力项：

须说明：表中「可观测维度」是体系设计时应具备的观测口径，不是实测值，也不是行业标准。本白皮书不据此主张任何效果幅度。

这四项并非从行业惯例中归纳的清单，而是由责任边界反推所得：每一项都对应平台明确不承担、且广告主能够控制的一组变量。这是本章与第一部分之间最实质的衔接。

2.3 整体结构：一个闭环反馈系统

若把四项能力分开看，容易得出「逐项采购工具即可」的结论。更准确的理解是：它们构成一条闭环——

观测（自有数据归因）→ 辨识（素材量化）→ 决策（自动化调度）→ 执行（创编与投放）→ 价值实现（全链路）→ 回到观测

平台的 oCPX 本身也是一个闭环，但两个闭环的变量域不同：

两个闭环仅通过两个接口耦合：向平台输入的回传数据，与向平台申报的目标值。这恰是第一部分 1.5 所述「α 通过影响平台价值预估作用于竞价」的完整通道——不多，也不少。由此可得两条判断：

• 归因数据质量居于首位，并非因为报表更重要，而是因为它定义了平台模型的目标函数。 输入偏差会沿整个闭环传递，且平台没有能力自行纠正。
• 任一环节缺失，闭环退化为开环，改进无法累积为 α。 单点工具若未接入回传数据或目标值这两个接口，只能改善局部操作，不能形成体系能力。这解释了行业中常见的「工具已采购、效果未改善」。

可给出一个结构性刻画：α 的实际水平由观测质量、辨识精度、决策时延、执行规模与目标函数保真度共同约束，且更接近互补品而非替代品——整体受最短板限制。与第一部分 1.3 相同，此处是结构性刻画，不是计量模型；本白皮书不宣称对各项权重做过估计。

2.4 能力一：基于自有数据的精准归因

平台可观测的是广告域事件，广告主可观测的是经营域结果，二者之间存在天然的信息落差。腾讯广告官方说明中，数据回传支持 SDK、API 与平台落地页工具等方式，并明确指出「数据的稳定上报是智能优化广告投放的前提」¹³。这一表述虽出自成本保障条款的问答，其含义却超出赔付范围：回传数据是 oCPX 优化的输入，而非事后统计的材料。

偏差可归为三层：

三层中最容易被低估的是第三层。若以浅层事件为优化目标，平台会高效地找到「容易完成该事件、但经营价值偏低」的人群：达成度指标看似良好，经营结果却在恶化。这是目标函数错配，不是模型能力不足，因此无法通过提高出价、延长学习期或更换平台解决。

归因能力还解释了一项制度安排。第一部分 1.6.4 指出，成本保障期内修改归因数据源即不满足赔付条件；从机制上看，口径一旦变动，前后数据不再对应同一目标函数，平台无法就「按原目标承诺的成本」承担责任。换言之，赔付条款对归因数据源的锁定，正是对「归因口径属广告主」这一分工的合约确认¹¹。

定义上的克制：本章所称「精准归因」，追求的不是绝对真实（在可观测约束下不可得），而是在合规、回传时延与平台归因规则的限制内，提高目标函数与经营目标的一致性。本白皮书不主张存在无误差的归因，也不主张单一归因口径适用于所有品类。

统一的数据标识与回传管线，是 2.8 所述共同底座的第一层。

2.5 能力二：自动化的广告创编与盯盘

此处须先处理一个表面矛盾。第一部分 1.4 指出，高频人工调价在 oCPX 下不再构成可持续优势，且可能使广告主丧失成本保障资格；那么，为何本章仍把「自动化盯盘」列为能力项？

辨析：两类「盯盘」的对象不同

• 高频人工调价，干预的是平台已收回的逐次竞价与探索过程，属 β 层，被平台规则明确负向激励；
• 自动化调度，管理的是广告主自己的输入集合——计划结构、素材批次、预算分配、目标值与异常处置。平台既不掌握广告主的经营约束，也不代行这部分职责。

二者不矛盾：前者是对机制层的无效干预，后者是 α 层的必要建设。把两者混同，是「oCPX 之后无需运营」这一误判的主要来源。

自动化在这层承担四类职责：

1. 创编与实验批次管理：按素材要素与人群假设批量生成计划，使探索结构化，而非随机堆量；
2. 预算与计划结构再分配：以归因结果与经营约束为依据，在计划间迁移预算；
3. 异常检测与止损：回传中断、成本漂移、素材审核异常、无效应消耗；
4. 目标值的动态校准：把毛利、库存、履约容量与分人群价值差异折入目标 ROI——这是与 2.7 全链路耦合的接口，也是「目标函数保真度」的落点。

规模化是这层能力的关键属性。当在投计划与素材数量超过人工可管理的范围，自动化便从「效率工具」变为「可行性的前提」；该阈值随组织形态与品类而异，本白皮书不作估计。这里更重要的是成本性质：这层能力以系统工程与规则沉淀为主，而非增加投手人数——这一点将在第三部分展开。

常见误读：自动化不等于无人值守，也不等于更高频的操作。恰恰相反，一个设计良好的自动化体系，应当降低单位消耗对应的干预次数；若只是把人工调价换成脚本调价，改变的是执行者，不是分工结构。

2.6 能力三：素材的标签化与量化分析

素材是广告主侧少数能系统性影响 pCTR / pCVR 预估的资产（呼应第一部分 1.5），也是投放系统中几乎完全由广告主控制的生产函数输入。其价值不在于单条素材的优劣判断，而在于能否把创意生产转化为可复用的、可度量的资产。

标签体系通常分三层：

判据：标签若不与投放结果和归因数据打通，就只是分类学，不产生 α。标签体系的价值，取决于它能否进入 2.3 所述闭环的辨识环节。

量化分析承担两项职能：一是把效果差异归因到可复用的要素，而非只评价单条素材的成败；二是预测衰减，指导创编节奏与素材轮换，与 2.5 的执行环节耦合。二者共同决定了探索效率——即在同等消耗下，能多快找到更接近前沿的素材组合。

此处需要一处明确的限制。素材效果受人群分配、竞争环境、投放阶段与平台自身探索机制的多重混淆，观测到的相关性不等于要素的因果效应；严格的要素识别需要随机化或对照实验设计，且这类实验可能与平台的探索机制相互干扰。本白皮书不宣称行业普遍具备该条件，也不据此主张任何具体的效果幅度¹⁴。把观测相关当作因果结论，是素材分析中最常见、也最容易导致错误生产决策的一步。

2.7 能力四：与用户行为耦合的全链路增长

前三项能力作用于「逼近 R*」，第四项与之有根本区别：它改变 R* 的外生条件。

第一部分 1.2 把可达前沿定义为「给定品类、客单价、竞争密度、流量供给与素材条件下」的最优达成度。若广告主改变承接、履约、复购与用户结构，这些条件本身被改变，前沿随之上移。这正是第一部分把分工坐标写为「80% 到 100%+」时，超额部分的来源¹²：平台负责把达成度推进至约 80%，广告主侧的前三项能力逼近 100%，而全链路价值的实现使达成度具备突破 100% 的空间。

第一部分 1.6.4 已指出，赔付以不可提现的虚拟金补偿流量交付质量偏差，明确不承保经营利润。因此转化事件之后的价值折损，全部落在广告主侧。这不是平台的能力缺陷，而是分工的必然结果：平台没有、也不应有广告主经营域的观测权与处置权。

全链路耦合是双向的：

• 正向回写：把后链路价值按人群、素材与计划分层，回写为目标值，反馈给出价与预算分配（与 2.4 的归因、2.5 的目标值校准构成闭环）；
• 反向约束：把毛利、库存、履约容量与客服承载设为止损条件与目标值边界，防止「达成度良好但经营亏损」被规模化放大。

用第一部分 1.7 支撑三收束：既然最后约 20 个百分点决定的是「能否放量」这一离散决策，那么放量的边界条件就来自经营约束，而非平台能力。把经营约束纳入目标函数，是 α 从单点效率转化为可持续增长的关键一步。

须限定：本章所称「全链路」，主张的是价值信息可被回写并参与出价目标校准，不主张广告主自建全部链路环节，也不涉及任何组织形态或系统边界的安排。

2.8 四项的耦合关系与共同底座

四项能力是互补品，而非可择其一的菜单。任一缺失，都会沿闭环传导至其余环节：

由此得到三条结论，它们分别指向全书的后续部分。

结论一（体系评估）。 整体效果受最短板约束，因此精细化运营应按体系评估，不能按工具数量、人员编制或操作频次评估。

结论二（引出第三部分）。 四项能力的最小公共底座只有两层：统一的数据标识与回传管线，以及可编程的投放接口（创编、预算、目标值、素材、数据回传）。该底座是软件系统，投入以研发与算力为主，具有固定成本属性与规模经济，而非随投放量线性增长的人力投入。这解释了第一部分 1.8 推论三为何把 α 的获取与「私有固定投入」相联系，也界定了第三部分成本口径的核算对象。

结论三（引出第四部分）。 该底座在不同广告主之间高度同构：差异主要在自有数据与经营参数，而非系统架构。因此存在被产品化、跨主体复用的技术前提——这是第四部分讨论「降低买量增长的研发门槛、利好中小广告主」的起点。须强调：此处只论证技术可行性，不预设任何商业结论；相关产品与商业层面的讨论留待第四部分。

2.9 边界、误读与对后续章节的接口

适用条件：沿用第一部分 1.9——以可归因转化为优化目标的效果广告、oCPX 为主流投放方式、平台提供成本保障、转化回流周期落在可评估窗口内。

需作修正的场景：平台闭环电商（经营数据多留在平台域内，广告主的可观测优势减弱）；极短链路与低客单品类（后链路价值折损空间小，第四项能力的边际价值下降）；投放规模不足以摊薄固定成本（见推论 B）；品牌与种草类目标；数据回传受合规或技术限制的行业。

本章不主张

1. 四项能力越复杂越好——复杂度本身有成本，由第三部分处理；
2. 精细化运营等于高频操作或更多人力（见 2.5）；
3. 广告主侧体系可以替代平台的 β（二者互补，见 1.3）；
4. 所有广告主都应自建该底座——这恰恰是第三、四部分要回答的问题。

对后续章节的接口：本部分可导出三条推论，与第一部分 1.8 的推论一一对应。

须重申第一部分的口径纪律：本章未使用任何成本或效果数据，表内指标均为观测维度而非实测值；第三、四部分将出现的任何数值，都不从本章推导，本章只提供其核算对象与技术前提。

本章小结

1. 本部分的四项能力，来自第一部分 1.6.4 由成本保障除外情形反推出的作用域，是对责任边界的展开，而非另行列举的行业惯例清单。
2. 判别 α 的三条准则：不与平台机制重叠、作用于预估值或竞价之后的用户价值、可系统化且可度量。
3. 四项构成一个闭环，仅通过「回传数据」与「目标值」两个接口与平台闭环耦合；单点工具不接入这两个接口，改进便无法累积为 α。
4. 前三项逼近可达前沿 R*，第四项通过改变承接与价值实现条件抬高 R*，由此解释第一部分「100%+」中超额部分的机理。
5. 四项的共同底座，是统一数据管线与可编程投放接口；其固定成本属性与跨主体同构性，分别构成第三部分成本论与第四部分生态论的前提。

资料使用说明

本章为概念与机制论述，不含行业统计、效果数据与本书署名方的经营数据；表中「可观测维度」为体系设计口径，不是实测值或行业标准。涉及平台规则处沿用第一部分已核实的一手口径（腾讯广告官方帮助中心，访问日 2026 年 11 月 11 日）；涉及因果识别的限制条件已在 2.6 显式标注。本章的示意式与结构刻画均为非计量框架，不用于任何数值结论。本章不描述任何具体产品形态；产品化与成本问题分别见第三、四部分。

---

第三部分　精细化运营的成本结构：AI 与引力引擎之前的自建投入

本章提要

第一部分界定了 ROI 达成的分工边界与效率口径，第二部分把广告主侧的 α 拆解为四项能力，并指出其共同底座是「统一的数据标识与回传管线 + 可编程的投放接口」这一软件系统（2.8）。本章处理尚未展开的成本口径：在自动化中台成为跨主体可复用的基础设施之前，为获取 α 而发生的自建投入，经验上约为广告消耗的 20%，主体是研发与服务器，而非人力。

本章要补充的是一个结构性细节：这 20% 的内部结构在 2020 至 2026 年间发生了迁移——从人工密集的精细化运营（代理商优化师与广告主内部发行团队，其成本长期被渠道返点价差所掩盖），转向广告主一方的自有数据治理、AI 与科学买量方法论，以及自动化中台的研发与算力。总量未必下降，改变的是构成、归属与成本形态：从外部的、随消耗线性增长的人工服务费，转为内部的、可随规模摊薄的技术固定成本。

论证使用三类证据：2020 年前后公开行业研究材料所记录的买量中台与智能化投放实践¹⁵；第一部分已确立的 oCPX 调控权转移与 α 作用点（1.4、1.5）；以及 2026 年 10 月 30 日公告、自 2027 年 1 月 1 日起取消代理商合作伙伴返点政策的渠道制度变化¹⁸。章末说明该结构为何必然产生规模门槛，并把核算框架交给第四部分。

与前两章保持同一纪律：本部分暂不引入自身经营数据，不描述具体产品形态，不预设第四部分的结论。

3.1 承接：从「能力」到「成本」

前两章留下三条待处理的线索，本章全部沿用，不另作设定：

• 第一部分 1.2 明确区分了效率口径（达成度份额）与成本口径（投入占广告消耗比例），并规定二者不可互推；1.8 推论三指出 α 的获取依赖私有固定投入，具有规模门槛。
• 第二部分 2.8 结论二把核算对象界定得很清楚：四项能力的最小公共底座是软件系统，投入以研发与算力为主，具有固定成本属性；2.9 的推论 A（固定成本属性）、推论 B（规模门槛）由此导出。
• 第二部分 2.8 结论三同时指出，该底座在不同广告主之间高度同构，存在跨主体复用的技术前提——这是本章讨论成本形态、第四部分讨论生态价值的共同起点。

因此本章的任务有三：给「约占消耗 20%」一个结构性解释而非统计断言；拆解其构成与规模效应；论述这一投入的内部结构为何、以及如何从人工转向技术。

口径对照（四类比例不可混淆）

表格可横向滑动

比例	出处	分母	性质
渠道分成／买量成本 40%–60%	公开行业资料，2019 年手游发行渠道对比20	游戏流水	β 侧流量获取成本
0→80%、80→100%+	第一部分 1.2	可达前沿 R*	效率口径
自建精细化投入约 20%	本章	广告消耗	成本口径
超成本 20% 触发赔付	第一部分 1.6.2	目标出价	合约阈值

四者分母不同、性质不同。尤其须注意：公开行业资料中的 40%–60% 是「买量成本占流水」，本章的 20% 是「精细化投入占广告消耗」，二者不存在换算关系，也不构成相互印证。

3.2「20%」的性质：一个经验性成本区间

本白皮书不宣称该比例来自公开计量估计、行业统计或任何一家的审计口径。 它是对成本结构的经验性刻画，作用在于说明投入的固定成本属性与规模效应，而非提供精确核算依据。这与第一部分对 80/20 的处理方式一致（1.7 方法论声明）。

在这个限定下，投入可拆解为五类：

前四项中的大部分，正是第二部分 2.8 所述共同底座的实物形态；第五项则是「投手经验」被转化为可验证、可迭代的规则之后的新增投入。

成本口径的关键在于分母：以广告消耗为分母时，固定投入会被规模摊薄。可给出一个示意式：

c(S) = F ÷ S + v

其中 F 为以研发与算力为主的固定投入，S 为广告消耗，v 为随消耗近似线性增长的部分。20% 可理解为某一典型规模 S₀ 上的经验观察值，它不是常数：S 越大，F ÷ S 越小。该式仅为结构性示意，非计量模型；本白皮书不估计 F、v 或 S₀ 的数值。

这一性质直接解释了为什么讨论成本结构必须同时讨论规模——它也是 3.7 规模门槛与第四部分生态价值的分析基础。

3.3 2020 年的起点：精细化首先表现为组织与人力投入

2020 年前后的公开行业研究材料，记录了这个行业在买量精细化早期的状态¹⁵。其判断是「买量规模超越联运，买量进入精细化时代」：2019 年买量市场占移动游戏市场比例达 56%；2019 年后大厂入局推动买量成本上行，「精细化、智能化投放」成为新打法。

值得注意的是当期「精细化」的知识形态。当期研究材料在解释买量优化时，列出的是这样一组影响出价的因素：账户权重、账户消耗、初始出价、投放时段、渠道差异²¹。这些是典型的投手经验——依赖人工判断、逐账户积累、以盯盘与调价的方式执行。同一批材料也记录了当时的 eCPM 排序机制与「通过更合理的定向、更优质的素材文案、更贴合的创意标签与落地页来提升预估 CTR / CVR」的优化方向，这与第一部分 1.5 对 α 作用点的判断一致；但在组织形态上，把这些判断转化为动作的仍然是人。

公开行业资料还给出中台建设的时间成本：构建运作成熟的中台约需 2–3 年，其中技术框架开发不少于 1 年，后续通过项目优化与迭代还需 1–2 年¹⁷。换言之，即使头部厂商当时已认识到系统化的必要，能力在相当长时间内仍主要沉淀在组织与人力上。

关于「AI 之前」的口径澄清

全书大纲把本部分表述为「AI 与引力引擎之前的自建投入」。这一表述不宜理解为「当时不存在 AI」：当期公开材料明确记载了头部厂商在 2020 年已部署的智能投放与 LTV 预估系统（见 3.4）。准确的理解是：自动化中台当时尚未成为跨主体可复用的行业基础设施，只以头部自建、私有专用的形态存在。

因此第三部分讨论的是「自建的成本」，第四部分讨论的是「复用带来的门槛下降与行业价值」。二者是同一能力在不同可得性阶段的两种成本形态，而非有 AI 与无 AI 的时间分界。

3.4 头部厂商的早期答案：把人工经验转化为机器代码

公开行业资料同时记录了早期自建中台的技术形态，其细节与第二部分的能力框架高度对应¹⁶¹⁷：

当期资料以「将人工经验转化为机器代码」概括这一路径：以智能投放平台对接流量方广告系统，实现标准化批量建立计划与「7×24 小时」自动化投放。其效率阶梯被描述为：线下 1 条计划 10 分钟 → 线上流程化 1 条计划 1 分钟 → 标准批量化 100 条计划 1 分钟 → 自动化「无需人工」→ 智能化「更优的投放效果」。成效被概括为「开源」（提升单品单渠道投放效果与流量运营 ROI）与「节流」（推广、运营流程工业化标准化，降低流量运营成本）。

最能说明成本结构变化的是一组数据：2019 年国内广告投放量翻一倍，而投放人员数量仅增加约 10%¹⁶。这是「人力密集」向「研发与服务器」转移的最早、也最直接的量化旁证——增量消耗不再需要同比例增配优化师，而是由系统承接。

这组材料同时说明三个问题：精细化运营的成本主体可以由人力转为系统；系统所对应的投入是研发与算力，而非更多人力；第二部分归纳的四项能力并非事后推演，而是对既有工业化路径的抽象。

但必须点出它的局限：这是头部厂商自建。公开资料记载该厂商 2019 年互联网流量费用约 76 亿元、约占当时买量盘子的 9%¹⁶——只有在这一量级上，2–3 年的中台建设周期与固定投入才可能被摊薄。对绝大多数广告主而言，这条路径在当期并不经济。这一点将在 3.7 展开。

3.5 返点制度与人工成本的隐性化

此处须先把来源分清楚。2020 年前后的公开行业资料记载的是渠道分成与买量成本结构，并未直接记载媒体广告代理商的返点政策；本章关于返点的制度描述，依据 2026 年平台公告与公开报道另行引入¹⁸¹⁹。两类来源各自独立，本章不以其相互印证数值，也不把其中的渠道分成口径当作返点的替代证据。

据公开报道，传统的代理商返点大致是这样一套结构：平台维持统一刊例价，按广告消耗向代理商给付一定比例返点（不同代理商政策不同，行业报道所述区间一般在 10%–20% 以内），代理商再将其中一部分让渡给广告主。于是同一笔广告费出现「明面刊例价」与「实际成交价」两个价格，差额由返点填补。返点在实务中同时承担销售佣金、垫资账期的利差、以及差异化定价工具三重功能¹⁹。

从本书的框架看，关键在于它的激励方向：收益与消耗规模挂钩，按消耗抽成，奖励的是「花更多钱」而非「花得更值」。这属于 β 侧的分配安排，本身不产生 α。与之配套的服务——开户、计划搭建、盯盘调价、素材轮换、日报周报——主要由人工优化师承担，规模越大，所需人力越多。

由此得到一个成本侧的判断：在返点制度下，这部分人工密集的精细化运营，在广告主账面上表现为折扣而非成本。它没有被单独计价，也不进入「为获取 α 投入了多少」的讨论；其真实资源消耗被渠道价差掩盖了。这解释了为什么在很长一段时间里，行业习惯用「返几个点」而不是「单位消耗的运营投入」来讨论精细化运营的成本。

须限定：这不意味着代理商缺乏技术能力——头部代理商与头部广告主一样在建设系统（见 3.4 的同类逻辑）。本章讨论的是制度激励的方向：按消耗抽成的收益结构，天然偏向扩大消耗与配置人力，而非沉淀可跨客户复用的软件资产。

同样须限定适用范围：上述返点区间主要见于合约／品牌类广告；竞价类效果广告此前返点本就稀薄甚至没有¹⁹。因此讨论政策变化时，不能把这一比例直接套用于本书主体所讨论的 oCPX 信息流竞价场景。

3.6 2026 年的转折：公开返点取消与成本归属的显性化

事实口径：2026 年 10 月 30 日，巨量引擎通过后台「任务说明」发布渠道政策调整通知，自 2027 年 1 月 1 日起取消代理商合作伙伴返点政策；同时以下调刊例价、优化框架优惠政策等方式直接让利客户、降低客户合作成本；代理商激励全面调整为「考核制与排名制相结合」，代理商定位转向服务商¹⁸。本白皮书成稿于 2026 年 11 月，该政策处于已公告、尚未生效阶段；公告为平台后台通知、经媒体转述，具体条款以平台官方公告及官方解读为准¹⁸。

判断一：对效果广告，信号意义大于直接成本影响。 承接 3.5 的限定，竞价类返点本就稀薄，取消返点对 oCPX 信息流投放的账面成本影响相对可控；受直接影响更大的是合约／品牌类广告。该政策对本书而言的真正意义在于制度信号：平台把「暗折」改为「明折」，收回渠道定价权，并把代理商收益从「按消耗抽成」改为「按服务考核」。定价从不可审计的中间层，回到可写进框架协议的条款。

判断二：人工密集型运营的成本被显性化。 价差消失后，服务必须单独定价。原本被折扣覆盖的优化师团队、盯盘与报表工作，转化为可审计的服务费；其随消耗近似线性增长、不随规模摊薄的属性随之暴露。用 3.2 的示意式说，这部分属于 v，而不是 F。

判断三：三条线索在此合流。 第一部分 1.4 已说明 oCPX 把逐次竞价的调控权收归平台，高频人工调价不再产生可持续的 α，且可能触发成本保障的除外条款；1.5 说明 α 的合法作用点只在预估值与竞价之后的用户价值；第二部分 2.8 说明四项能力必须成体系，底座是软件系统。三者叠加，广告主面对的问题不再是「要不要继续精细化」，而是用哪种成本形态获取 α：

于是得到本章的核心结论：

20% 的量级未必改变，改变的是它的内部结构。 投入从人工服务费，转向研发、服务器与自有数据治理；从外部代理的变动成本，转为广告主一方的固定成本；从「投手经验」的重复劳动，转向自有数据、AI 与可实验可复盘的科学买量方法论所驱动的自动化中台。

这正是全书大纲所称「从人工密集劳动力的精细化运营，向广告主一方自有数据、AI + 科学买量方法论的自动化中台化转型」在成本侧的表达。所谓「科学买量方法论」，在此有确定含义：把第二部分 2.6 所标注的相关性与因果识别限制纳入制度化的实验设计，使优化结论可验证、可复用、可迭代——即 3.4 中「将人工经验转化为机器代码」在 2026 年的升级形态，而不再依赖个人经验或渠道价差。

需再次强调：这一转型是成本构成与归属的迁移，不是「总成本必然下降」的断言，也不是「人力不再需要」的断言（见 3.8）。

3.7 固定成本属性与规模门槛

把中台化理解为「v 向 F 的迁移」，可以直接读出三条含义。

其一，20% 是随规模变化的经验区间。 由 c(S) = F ÷ S + v，同一套中台在不同消耗规模上对应不同的占比；因此跨主体、跨时段比较这一比例没有意义，除非同时说明规模与口径。

其二，存在最小经济规模。 建设与维护 F 需要跨越前文所述 2–3 年的周期与持续的研发投入；只有当 S 足够大时，F ÷ S 才降到可接受水平。低于该规模的广告主，理性选择不是自建，而是放弃这部分 α 或依赖外部服务——后者又回到 3.6 所述的线性成本结构。这验证了第二部分 2.9 推论 B 与第一部分 1.8 推论三：中小广告主在结构上被排除在 α 之外，不是能力问题，而是成本函数问题。

其三，门槛并非不可改变。 第二部分 2.8 结论三指出，底座在不同广告主之间高度同构，差异主要在自有数据与经营参数。若 F 能被产品化复用、由多个主体分摊，则单个广告主承担的固定成本大幅下降，最小经济规模随之左移。这构成第四部分讨论「降低买量增长的研发门槛、利好中小广告主」的技术前提。

本白皮书不估计最小经济规模的具体数值，也不据此推断任何主体的经营决策；此处只给出成本函数的方向性含义。

3.8 边界与常见误读

适用条件：沿用第一部分 1.9 与第二部分 2.9——以可归因转化为优化目标的效果广告、oCPX 为主流投放方式、转化回流落在可评估窗口内。

需作修正的场景：投放规模极小（F 无法摊薄）；平台闭环电商等数据不出域、广告主可观测优势弱的场景；以合约／品牌广告为主的投放结构（返点政策对其影响与本书记述方向不同）；数据合规限制严格的行业。

本章不主张

1. 20% 是行业统计常数或精确核算结果（见 3.2）；
2. 取消返点会直接降低 oCPX 竞价类效果广告的投放成本——直接成本影响主要作用于合约／品牌广告（见 3.6）；
3. 人工运营将消失——组织仍需判断、责任与例外处置，被替代的是重复劳动（呼应 2.5「自动化不等于无人值守」）；
4. 代理商价值下降——其定位从价差中介转为能力服务商，技术能力反而更重要；
5. 所有广告主都应自建中台——这恰恰是第四部分要回答的问题。

资料时效与外推限制：2020 年前后的公开行业研究材料是特定时点的观察，其规模数据、成本口径与竞争判断不必然适用于 2026 年市场；本章只用于刻画机制、组织形态与历史路径，不用于外推市场规模或估算当前成本。平台渠道政策处于已公告未生效阶段，条款仍可能调整，定稿前应复核生效版本¹⁸。

3.9 对第四部分的接口

须重申全书共同的口径纪律：本部分暂不引入自身经营数据，所有外部数据均标注来源与时点，示意式不取自行业统计、不用于数值结论。第四部分将要讨论的投放规模、行业价值与 ARR 对比，应在本章的成本框架下核算，而非从本章推导。

本章小结

1. 本章处理成本口径；20% 是对投入结构的经验性刻画，不是计量估计或行业统计常数，且四类常见比例的分母与性质互不相同，不可换算。
2. 投入由系统研发、算力与存储、运维、数据治理与方法论建设构成，以固定成本为主，因而随消耗规模摊薄——这是规模门槛的成因，而非能力差异的结果。
3. 2020 年的行业研究显示，精细化早期主要沉淀为组织与人力；但同期头部厂商已开始「将人工经验转化为机器代码」，并出现「投放量翻倍、投放人员仅增约 10%」的转移旁证。
4. 返点制度使人工密集型运营以「折扣」而非「成本」的形态存在；2026 年公告、2027 年生效的公开返点取消，把这部分成本显性化，并与 oCPX 调控权转移、α 作用点收窄、能力体系化三条线索合流，推动投入从外部人工服务费转向广告主一方的研发、服务器与科学买量方法论。
5. 总量未必下降，改变的是构成、归属与成本形态；由此产生的最小经济规模及其可被复用摊薄的性质，构成第四部分核算行业价值与生态价值的直接前提。

资料使用说明

本章使用两类相互独立的外部资料，不交叉印证数值：其一为 2020 年前后公开发布的买量与发行领域行业研究材料，用于刻画精细化早期的组织形态、中台建设周期与自动化实践，只取机制描述与历史路径，不外推至 2026 年市场；其二为 2026 年 10 月 30 日巨量引擎渠道政策调整公告及公开报道，用于说明渠道定价制度的变化，成稿时该政策已公告、尚未生效。为不使论述系于单一机构的观点，本章对前者统一以「公开行业研究材料」称之，不标注具体机构、题名与页码，并对其中单一企业的历史数据作匿名化处理；上述处理不影响所引机制描述与方向性数据的可核验性，但不构成对该类材料任何结论性评价的采信。平台规则的精确条款以官方公告为准，行业报道所述返点比例属二手口径、非平台披露。本章的示意式与对照表均为结构性框架，不取自行业统计，不用于任何数值结论。本部分暂不引入自身经营数据，不描述任何具体产品形态。

---

第四部分　行业社会价值：500 亿投放、100 亿价值与集约化杠杆

本章提要

前三部分依次建立了分工边界、能力构成与成本结构：第一部分说明平台已内生化主体效率，剩余边际区间仍决定能否放量；第二部分把该区间展开为四项能力及其共同底座；第三部分给出底座的成本函数 c(S) = F ÷ S + v，指出其中的 F 具有显著的固定成本属性，并以「若不复用则本应发生的自建投入」为本章规定核算基准。本部分在这些既定前提上给出全书结论。

四年间由引力引擎承载的广告投放累计约 500 亿元。按第三部分确立的自建投入约占广告消耗 20% 这一经验成本率，这部分经济活动若为获得同等精细化运营能力而由各广告主分别自建，社会本应投入约 100 亿元。这 100 亿元既不是引力引擎的收入，也不是广告主账面上多出的利润，而是行业为获得同等能力本应重复支付、因集约化复用而避免的社会成本。本书把它称为行业社会价值，并以此点出书名《从5个人到500亿》所指向的命题：真正需要解释的不是一支很小的团队何以撬动很大的投放量，而是服务规模为何能够与人力规模脱钩。

论证沿三层展开。其一，SaaS 商业模式把固定成本 F 从「每户独担」变为「一次建设、多租户分摊」，使社会总固定成本由约 n·F 压缩为一次 F_g 加边际服务成本。其二，AI 集约化开发与统一运维把模型与特征工程、平台规则适配、归因口径变更、策略迭代这些持续发生的支出，由 n 次重复投入收敛为一次投入、全量生效。其三，行业提效由此不是单点效率改善的加总，而是同一套能力在 500 亿投放规模上的复用；规模在这里是价值乘数，不是价值本身。

与之相伴的是价值创造与价值捕获的分离：订阅收入与行业价值相差约三个数量级，这不是价值不存在的证据，而是订阅制按边际成本而非客户替代成本定价的必然结果——绝大部分效率红利以消费者剩余的形式留在了行业内。本部分亦给出门槛下降带来的生态外部性，并说明其可持续部分是能力可得性与进入机会，而非行业总利润的必然增加。

须先作三重限定。其一，数据性质：500 亿、100 亿及订阅收入的量级对比，为本书由引力引擎定义并说明的业务统计口径与内部核算口径，由本白皮书首次系统给出，本书不将其表述为第三方统计或审计结论。其二，核算性质：100 亿是反事实基准下的量级测算，20% 是随规模变化的经验区间而非常数，本书不主张可精确到十亿位。其三，价值性质：这是替代成本的避免与能力可得性的提升，不是已实现的现金流节约，也不是广告主利润的等额增量。三重限定贯穿本部分全部结论，不在任何一处被省略。

4.1 承接：从成本框架到价值命题

第三部分 3.9 以一张表把四条结论交给本章，本章逐条处理，不另设前提：

一处必要的口径推进。 第三部分把 20% 作为描述性经验区间使用：在典型规模 S₀ 上，广告主自建精细化运营的投入约占其广告消耗 20%。本章把它明确为单位消耗的反事实替代成本率 c⁰——即在不存在可复用产品化供给的情形下，为获得同等四项能力，每单位广告消耗所必须额外投入的社会资源。这不是引入新的统计口径，而是把既有成本框架的用途从「描述投入」推进到「构造反事实」；其数值区间、随规模变化的性质与所有限定，全部沿用第三部分 3.2，不作任何收紧或放宽。

第一部分 1.8 的三条推论同时为本章给出理论预期：推论二规定行业价值应与投放规模同阶、不随平台成熟而自动衰减；推论三规定降低获取 α 的固定成本门槛本身即构成生态价值。本章的核算与讨论，是对这两条推论作一次有限度的对照，检验状态在 4.9 如实标注。

论证基础的切换声明。 本书前三部分为使机制论证不依赖署名方自身的经营表现，暂不引入自身经营数据；本部分首次引入规模与价值维度。与规模数据一并需要说明的，是论证基础：社会价值是一个反事实命题，只能由成本结构与供给形态的机制推导给出，不能由时点数据或外部表述给出。因此本部分的价值结论只依赖前文成本框架、核算恒等式与产业组织一般原理，不以任何外部时点数据交叉印证 500 亿与 100 亿。这一步分界，是第一方署名文件避免自我佐证的必要自律。

4.2 论证方式：一个社会成本核算恒等式

本章需要回答的不是「引力引擎做了什么」，而是「行业为获得同等能力，少付了多少资源」。两类问题所需的证据完全不同：前者可由时点、客户与产品形态描述，后者必须构造反事实并比较两种供给形态下的社会资源消耗。

设第 i 个广告主的广告消耗为 Sᵢ。在反事实情形（不存在可复用的产品化供给）下，其获得同等四项能力所需承担的单位消耗自建成本率为 c⁰ ≈ 20%，并实际投入研发、算力、数据治理与运维人力。在实际情形（集约化供给）下，其仍需承担少量自有投入，单位消耗成本率为 c¹，并支付订阅费 pᵢ；集约供给方为建设并持续运维共同底座投入 F_g。则两种情形下社会为获得同等能力所消耗资源的差额，可写作：

V = Σᵢ (c⁰ − c¹)·Sᵢ − F_g

式中有三点须说明。第一，订阅费 pᵢ 不进入算式：它是广告主与供给方之间的转移支付，一方支出对应另一方收入，在社会成本口径下既不消耗资源，也不产生节约；真正消耗资源的是 F_g 与各主体实际投入的研发、算力与人力。第二，差额的来源不是定价，而是成本结构：只有当 Σᵢ c⁰·Sᵢ 显著大于 F_g + Σᵢ c¹·Sᵢ 时，V 才为正；这一条件是否成立，由 4.4 与 4.5 的机制论证回答，而非由收费高低回答。第三，这不是计量模型，而是把第三部分成本框架写成可核算的恒等式，用于明确「100 亿」究竟指什么、不指什么；其参数均为量级，不用于精确估计²⁶。

在 c⁰ ≈ 20%、c¹ ≪ c⁰、F_g ≪ Σ c⁰Sᵢ 三个条件下，V ≈ 0.2 × ΣSᵢ。以本书业务统计口径给出的四年累计投放 ΣSᵢ ≈ 500 亿元代入：

500 亿 × 20% ≈ 100 亿

关于「刚好整除」的纪律

500 亿与 100 亿之比为 20%，与第三部分的成本区间数值一致。第一部分 1.6.5 已就「ROI 达成度 80% 的赔付触发线与 80/20 分界数值一致」立下方法论声明：数值一致可作量级旁证，不构成因果论证，也不构成对结构参数的实证估计。本章沿用并推进这一声明：100 亿不是因为数字整齐才成立，而是把第三部分的反事实替代成本率作用于本书给出的实际投放规模所得的核算结果；但 20% 本身是经验区间，故该结果仍属框架内的量级测算，不是来自外部的独立验证，更不能反过来用于证明「20% 是行业常数」。整除只是核算式在四舍五入后的呈现。

本章出现的量，按性质与用途分列，不相加、不换算、不互推：

为何价值结论只能由机制推导

产品形态、客户数量与各类时点数据，适合说明「发生过什么」，不足以证明「为行业创造了多少社会价值」：其一，客户数、日耗与效果百分比的统计对象、时点与口径互不相同，不构成可合并的序列；其二，效果类百分比多未附样本、对照组与统计窗口，按第二部分 2.6 的限制，观测相关不等于因果效应；其三，以署名方自己的表述去佐证署名方自己的价值结论，会构成循环论证。故本部分的价值结论只依赖前文成本框架、恒等式与产业组织一般原理，外部材料不参与核算。

4.3 事实层：500 亿作为价值乘数，而非价值本身

口径定义。 本书所称「累计赋能投放约 500 亿元」，指四年间经由引力引擎承载管理、创编与数据回传的广告消耗累计值。分母沿用第三部分 3.2：以广告消耗计，不以游戏流水、企业营收或平台收入计。

为什么规模是乘数。 第一部分 1.7 支撑三指出，最后约 20 个百分点决定的是「能否放量」这一离散决策；一旦跨过临界线，同等效率改善可作用于数倍乃至数十倍的消耗规模。因此 α 的绝对经济价值并非固定，而等于单位效率改善所作用的经济活动规模乘以该改善的价值密度。1.8 推论二进一步给出预期：行业价值应与投放规模同阶，不因平台能力成熟而自动衰减。500 亿的意义，正在于它把前文的「边际区间」放大为可核算的经济量——它是 c⁰ 所作用的基数，而不是价值本身。

从规模到社会成本的桥梁。 在反事实情形下，这 500 亿投放并非「不发生」，而是要以另一种供给形态发生：各广告主分别建设底座、分别承担 F、分别经历第三部分 3.3 所述的建设周期。因此 500 亿同时是「本应各自承担自建投入」的那部分经济活动的规模度量。把它乘以 c⁰，得到的不是广告主多赚的钱，而是社会为支撑这部分投放、在精细化运营环节本需额外投入的资源。桥梁一旦架好，价值的性质就由 4.4–4.6 的成本结构决定，而不再由规模的绝对值决定。

规模大不等于价值大

若集约化供给并不存在、或底座跨主体并不同构、或复用不产生成本节约，则 500 亿只是一个交易量数字，不蕴含任何社会价值。本章后续两节的全部工作，正是论证 c⁰ 与 c¹ 之间确实存在由供给形态带来的差额。把规模本身当作价值主张，是行业论述中常见但应避免的跳跃。

4.4 SaaS 商业模式：把 n·F 压缩为一次 F_g

第三部分 3.2 把精细化运营的投入拆为系统研发、算力与存储、运维、数据治理与方法论建设，并指出其以固定成本 F 为主；3.7 由此读出最小经济规模与门槛。本节回答一个产业组织问题：同一笔 F，在分散自建与集约供给两种形态下，社会一共要付几次。

多租户分摊之所以可行，依赖第二部分已经确立的三个条件，而非任何新增假设：其一，2.8 结论三指出共同底座跨主体高度同构，差异主要在自有数据与经营参数，故同一套系统可服务异质客户；其二，2.3 指出广告主闭环与平台闭环仅通过「回传数据」与「目标值」两个接口耦合，接口越少，标准化交付越容易；其三，2.4–2.7 的四项能力可被拆解为归因口径、创编接口、素材量化规则与价值回写等可交付模块，不必按客户逐一重新发明。三者共同使 F 具备公共品属性：服务第 1 个客户与第 1000 个客户，所需的系统能力高度重合。

由此得到本节的核心判断，也是全书的杠杆所在：SaaS 的经济学本质，不是把服务变便宜，而是把「每个主体各建一套」变成「一套建好、多次复用」，从而把社会总固定成本从 n·F 压缩为 F_g 加边际服务成本。 由于 F_g 与 n 不成正比，而 Σ c⁰Sᵢ 随主体数量与投放规模增长，二者之差随复用规模扩大——这正是 4.2 中 F_g ≪ Σ c⁰Sᵢ 这一条件的机制来源。

从 5 个人到 500 亿：杠杆来自成本结构，不是人力堆叠

书名把「5 个人」与「500 亿」并置，容易被读作规模叙事：一支很小的团队撬动了很大的投放量。但按上述成本结构，真正需要解释的是服务规模为何能与人力规模脱钩。在人工密集型精细化运营下，服务更多消耗近似线性地需要更多投手与运营，人力规模是产能上限；在 SaaS 形态下，新增客户主要消耗的是既定系统的复用次数，人力规模决定的是 F_g 的建设与迭代能力，而非可承载的投放规模。「5 个人」对应的是 F_g 的组织尺度，「500 亿」对应的是复用次数作用其上的经济活动规模，二者不在同一个量纲上，因而并不矛盾。这一脱钩是理解 100 亿行业社会价值的前提：若服务规模仍由人力规模决定，节约便无从发生。

须限定：分摊并不消灭 F_g，也不意味着 F_g 为零。供给方仍需持续投入研发、算力与运维；只是这笔投入由全体客户共同承担一次，而非由每个客户各承担一次。同理，订阅费作为转移支付不改变社会成本总额，其作用是让 F_g 的回收与持续迭代具备商业上的可持续性——这是商业模式问题，不是价值核算问题（见 4.7）。

4.5 AI 集约化开发与统一运维：把持续适配收敛为一次投入

SaaS 解释了固定成本的分摊，尚未解释AI 时代新增的那部分成本为何同样可集约。本节补上这一环。

AI 能力具有比传统软件更强的固定成本属性与更弱的边际成本：模型与特征工程、归因管线、素材理解、策略搜索与实验框架，其开发成果可在不损失功能的前提下服务多主体；而推理与迭代所需的算力、数据与工程维护，则可通过共享资源池与统一发布机制摊薄。更重要的是，投放系统面对的是一个规则持续变化的环境：媒体接口升级、oCPX 出价与归因口径调整、素材规格变更、成本保障条款更新。这类适配支出不是一次性的，而是随平台演进步步发生。

第三部分 3.6 把转型概括为投入从人工服务费转向研发、服务器与「科学买量方法论」。集约化开发的作用，是把这一方法论本身变成可交付物：第二部分 2.4 的归因口径、2.6 的实验设计与因果识别限制、2.7 的全链路价值回写，不再需要每个广告主重新建立一遍，而作为底座功能被复用、被统一修正、被持续迭代。分散模式下，一条规则变更意味着 n 份工单与 n 次回归验证；集约模式下，它意味着一次发布与一次全量回归。持续适配成本在分散形态下是被系统性低估的 v 成分，这一项在 4.6 的偏误方向上还会出现。

集约化还改变了迭代的受益范围。分散自建时，某主体在素材量化或后效建模上的改进只作用于自身账户；集约供给时，同一改进经产品化后对所有客户同时生效，边际扩散成本近零。按第一部分 1.7 支撑二，普惠性效率改进在竞价均衡下会被部分吸收、经济租向流量方回归，故本书不主张这类迭代为单个广告主带来永久的相对优势；但就社会成本口径而言，改进只需做一次而非 n 次，这一差额并不因租值归属而被抵消。

集约化不等于数据集中

本节所论的可复用对象是方法、架构、工程能力与实验设计，不是客户数据的合并使用。跨主体复用方法论不要求、也不应被理解为共享客户明细数据；客户数据的使用须以适用法规、客户授权与租户隔离安排为前提。本书不对任何具体的数据集中或模型共享安排作合规判断，亦不以此作为价值核算的输入。这一分界同时呼应第二部分 2.8：底座跨主体同构，差异仍在自有数据与经营参数。

须说明，本节与第一部分的分工理论并不冲突。平台提供的是普惠的 β，广告主保有的是私有的 α；集约化中台提供的是获取 α 的共同底座，既不是 β 的替代，也不是 α 本身。因此底座的复用不抹平 α 差异，只降低获取 α 的门槛（见 4.8）。

4.6 价值核算：100 亿为什么是行业社会价值

前三节的机制论证到此可以收束为一条完整的核算链。

第一步，反事实。 对已由中台承载的 500 亿投放，假设各广告主分别建设同等能力底座，则按 c⁰ ≈ 20%，社会本应投入约 100 亿元的研发、算力、数据治理与运维资源，并普遍经历 2–3 年的建设周期。

第二步，实际情形。 社会实际投入的是一次性的 F_g、集约供给方持续的算力与运维、以及各广告主少量剩余自有投入 Σ c¹Sᵢ。按 4.4 与 4.5，F_g 与 n 不成正比，持续适配由 n 次收敛为一次，c¹ ≪ c⁰。

第三步，取差额。 代入 4.2 的恒等式，V ≈ 0.2 × 500 亿 = 100 亿元。订阅费作为转移支付不进入算式，故 ARR 的量级高低不改变这一结果；改变结果的只会是 c⁰ 的取值、c¹ 的实际水平与 F_g 的相对大小。

为什么称为「社会价值」而非「客户节省」。 核算对象是全行业为获得同等能力所付出的总资源，不是任一主体的账面支出。若只看单个客户，其支付了订阅费、节省了自建预算，容易被理解为一次采购决策；放到社会口径下，真正消失的是 n−1 份重复建设及其后的 n−1 份重复运维。因此这 100 亿应表述为「替代成本的避免 + 能力可得性的提升」，是一次供给形态变化带来的资源释放，而非会计科目上的一笔钱。

行业社会价值可拆为三层，可量化程度不同，且不重复计入：

偏误方向。 须立即限定：这是量级测算，不是核算结果。第三部分已明确 c(S) = F ÷ S + v，20% 随规模变化、并非常数，将单一比例均匀套用于四年累计消耗，在方法上并不严格。两个方向的偏误同时存在：

两种方向相反、量级可比，故本书把 100 亿理解为「百亿量级」的估计，不给置信区间，不主张可精确到十亿位，也不以任何逐户加总作为独立验证——后者同样依赖未经披露的客户规模分布与成本参数。

反事实边界：本节最须说清的一点

若不存在可复用的产品化中台，多数中小广告主的理性选择并非自建，而是按第三部分 3.7 所述放弃这部分 α，或退回外部人工服务。因此「本应发生的自建投入」是获取同等能力的替代成本，不是行业实际会支出的一笔钱，也不是已实现的现金流节约或广告主利润增量。把它读作「行业账上多出 100 亿利润」，是对反事实基准的误用；把它读作「引力引擎创造了 100 亿收入」，则是对价值创造与价值捕获的混淆。

本部分不主张

1. 500 亿与 100 亿是审计口径、第三方行业统计或可公开复核的数据；
2. 100 亿是行业实际节约的现金流，或广告主利润的等额增量；
3. 500 × 20% = 100 的整除构成对第三部分成本区间的独立验证（见第一部分 1.6.5）；
4. 订阅收入相对极低说明价值不真实，或说明定价策略不当（见 4.7）；
5. 中小广告主接入中台即获得与头部同等的 ROI（见 4.8）；
6. 能力扩散必然提高行业总利润，或第三方数据集中安排当然合规（见 4.5、4.8）。

4.7 价值捕获：ARR 为何与行业价值不成比例

以本书内部核算口径，订阅收入与 100 亿行业社会价值相差约三个数量级，价值捕获率在 10⁻³ 量级。因此「订阅收入与之相比几乎可忽略」是一个相对量级判断，其成立条件是订阅收入未发生数量级跃迁；本书不展开成稿时点的财务明细，故保留条件句，不作绝对断言²⁸。

这一分离并非异常，而是订阅制 SaaS 在固定成本高、边际成本低、能力可复用条件下的常态，可由三条原因解释，均不依赖新增统计口径：

1. 按边际成本定价，而非按客户替代成本定价。 订阅制按客户、功能或数据量计费，不与广告消耗挂钩，也不参与 α 的分成。客户因能力可得性获得的改善，不会线性放大收费基准。4.2 已说明订阅费在社会成本口径下属转移支付：它决定价值在供给方与客户之间如何分配，不决定价值总量。
2. 规模经济与竞争性定价。 4.4 指出 F_g 可由多主体分摊，边际服务成本远低于单主体自建成本。在可竞争的市场中，价格向边际成本靠拢，大部分效率红利以消费者剩余的形式留给广告主，而非由供给方捕获。这是社会价值得以「留在行业」的直接原因：若按客户替代成本全额定价，价值总额不变，但会由社会成本节约转化为供应商收入。
3. 普惠化的自我消解。 中台产品化后带有近似 β 的普惠属性。按第一部分 1.7 支撑二，普惠性改进在竞价均衡下有一部分会转化为更高的清算价格，经济租向流量方回归；供给方可捕获的部分因此进一步受限，广告主获得的相对优势亦被竞争部分抹平。

由此得到本章的方法论结论，也是全书核算纪律的收束：行业价值应以社会成本节约与能力可得性衡量，而不能以供应商收入反推。 订阅收入低，既不否定价值存在，也不构成价值规模的证据。价值创造（value creation）与价值捕获（value capture）的分离，在具有固定成本高、边际成本低、能力可复用特征的软件服务中是常见形态，并非本案例所特有²⁷。

须限定：本节不评价任何定价策略的合理性，也不讨论该商业模式的长期财务可持续性——后者需要成本、留存与竞争格局数据，本书不就此展开，亦不在讨论范围内。同理，本节不以「让利」作道德化表述：消费者剩余的留存是竞争性定价与成本结构的结果，不是定价意图的声明。

4.8 门槛下降与生态外部性

第三部分 3.7 由成本函数读出三条含义：20% 随规模变化、存在最小经济规模、门槛可因 F 被分摊而左移。4.4 与 4.5 的机制使这三条同时成立：当每个主体需独担 F 时，只有投放规模足以摊薄 F 的主体才会自建；当 F_g 由多主体分摊、且以订阅费而非一次性建设支出形式出现时，c(S) 曲线整体下移，最小经济规模显著左移。门槛从来不只是钱，还包括时间、方法论积累与试错机会：分散自建需要 2–3 年建设周期，而接入与调试以月计，对现金流敏感的中小主体，时间门槛往往比金额门槛更具约束力。

复用所节约的社会成本，构成独立于直接效率收益的生态价值。所谓「独立」，指这部分价值即便在账户 ROI 完全不变的情况下仍然存在——它来自重复建设的避免与进入机会的扩大，而非投放效率的提升。可分为三层：

第二层承自第二部分的能力框架，第三层与第一部分的分工理论相接：当共同底座不再是稀缺资产，账户间差异更集中地回到自有数据、素材资产与全链路经营能力，即第一部分 1.8 推论一所述的「β 趋同、α 分化」。

门槛下降 ≠ 能力平等

第二部分 2.8 结论三已限定：底座跨主体高度同构，差异主要在自有数据与经营参数。中台提供的是共同底座，不是 α 本身；第一部分的 α 仍取决于广告主私有数据质量、素材资产与全链路经营能力。因此中小广告主获得的是参与精细化运营的资格，而非与头部同等的 ROI。能力可得性趋同，能力水平仍会分化。把「门槛降低」写成「差距消失」，是本章最需要避免的误读。

价值的分布，比总量更须谨慎。 按第一部分 1.7 支撑二，普惠性效率改进在竞价均衡下会被部分吸收，经济租向流量方回归。当更多主体具备 α，行业整体效率水平上升，但单个广告主能否保留这份改善，取决于竞争密度与流量供给；因此生态价值的可持续部分体现为能力可得性与进入机会，而非永久的利润率提升。同理，能力扩散也可能抬高买量竞争强度、压缩先入者优势，并使行业对第三方数据管线与接口的依赖上升，带来中立性与合规方面的新问题。本章只主张一个有限命题：固定成本门槛的下降，本身构成独立于直接效率收益的生态价值；不主张行业总利润必然增加，不主张中小广告主的经营结果必然改善。

4.9 全书收束：从 5 个人到 500 亿

第一部分 1.8 规定，80/20 的可检验性由第三、四部分的行业数据与推论对照提供。本章完成后，须如实标注检验状态，而非以「已验证」收尾：

全书由此形成一条闭合的论证链：第一部分界定平台与广告主的责任边界，说明剩余边际区间为何具有非线性经济价值；第二部分把该区间展开为四项能力及其共同底座；第三部分给出底座的成本结构、内部结构迁移与规模门槛；本部分以 SaaS 分摊与 AI 集约化解释 F 的压缩，以规模为乘数、以替代成本为基准，核算出约 100 亿元的行业社会价值，并讨论门槛下降的生态含义。

点题。 书名《从5个人到500亿》不是一句规模叙事，而是一句成本结构叙事。5 个人对应的是 F_g 的组织尺度，500 亿对应的是复用次数作用其上的经济活动规模，100 亿则是二者之差在行业尺度上的量级刻画。若精细化运营能力必须由每个广告主各自重建，服务规模终将受制于人力规模，500 亿投放对应的将是 n 份 F 与 n 份持续运维；正因为能力以 SaaS 形式一次建设、多租户复用，并以 AI 集约化开发运维持续适配，新增客户与新增消耗才不必伴随同比例的研发与人力投入。杠杆不来自「人少」，来自「同一份固定成本被复用了多少次」。行业社会价值也不是对某家公司经营成果的评价，而是对这一供给形态变化所释放的社会资源的量级刻画。

贯穿四部分的核心判断可以收敛为一句话，且须保留其限定：在平台已内生化主体效率之后，剩余的边际区间仍值得投入，不是因为它占达成度的比重大，而是因为它决定能否放量；而决定谁能获取这一区间的，不是能力差异，是固定成本门槛。 本白皮书提供的是这一判断的分析框架与量级刻画，更精确的数值结论有待分年数据、可复现核算与账户级证据的进一步积累。

本章小结

1. 本部分首次引入本书署名方的规模与价值数据，并明确论证基础：价值结论只由前文成本框架、社会成本核算恒等式与产业组织一般原理推出，以避免第一方署名文件的循环论证。
2. 4.2 给出恒等式 V = Σ(c⁰ − c¹)·Sᵢ − F_g，说明订阅费属转移支付、不进入社会成本核算，并把第三部分 20% 的经验区间明确为单位消耗的反事实替代成本率。
3. 四年累计赋能投放约 500 亿元，是 c⁰ 所作用的规模基数与价值乘数，不是平台收入、客户 GMV、订阅收入，也不是价值本身。
4. SaaS 把社会总固定成本由约 n·F 压缩为一次 F_g 加边际服务成本；AI 集约化开发与统一运维把模型研发、规则适配与策略迭代由 n 次重复投入收敛为一次投入、全量生效。二者共同使服务规模与人力规模脱钩。
5. 行业社会价值按「若不复用则本应发生的自建投入」核算，一阶测算约 100 亿元，属替代成本的避免与能力可得性的提升；因 c(S) 随规模变化且存在方向相反的偏误，应理解为百亿量级估计，不是现金流节约、利润增量或审计结论。
6. 订阅收入与行业价值相差约三个数量级，源于按边际成本定价、规模经济下的竞争性定价与普惠化红利的竞价吸收；价值创造与价值捕获分离，行业价值不能以供应商收入反推。
7. 固定成本由多主体分摊使最小经济规模左移，带来避免重复建设、方法论扩散与竞争结构变化三层生态价值；门槛下降只提供参与资格，不等于 α 水平趋同。第一部分三条推论中，推论一未获检验，推论二仅达量级一致，推论三获机制与方向性证据支持，本章不作「已验证」表述。

论证基础说明

本部分的数值来源只有两类：其一为本书由引力引擎定义并说明的业务统计口径与内部核算口径——四年累计赋能投放约 500 亿元、行业社会价值约 100 亿元及订阅收入的量级对比，由本白皮书首次系统给出，非第三方统计或审计结论²²；其二为前文确立的分析框架——第一部分 1.6.5 的数值纪律、1.7 支撑二与支撑三、1.8 三条推论，第二部分 2.3 的两个耦合接口、2.6 关于相关性与因果识别的限制、2.8 结论二与结论三，第三部分 3.2 的 c(S) = F ÷ S + v、3.3 的建设周期、3.6 的结构迁移、3.7 的最小经济规模与 3.9 的核算基准，本章全部沿用，不另作设定²³²⁴²⁵。

价值创造与价值捕获的分离、固定成本的分摊与边际成本定价、竞价均衡下经济租向流量方回归，属产业组织与软件服务的一般框架；多租户复用、统一运维与持续适配的机制描述，属工程与经济学的一般性推理，本章不引入新的外部统计口径，也不以任何外部材料交叉印证上述数值²⁷。序文所引企业公开披露与公开报道，仅用于交代背景与叙事锚点，不参与本部分任何数值结论。

口径说明与后续披露安排。 本部分以量级给出结论；为保持披露边界与正文可读性，分年明细、核算参数、客户规模分布与成稿时点订阅收入定义不在此展开，正文维持量级与区间表述²⁸。本章沿用第一部分 1.9、第二部分 2.9 与第三部分 3.8 的适用条件：以可归因转化为优化目标的效果广告、oCPX 为主流投放方式、转化回流落在可评估窗口内、数据合规允许一方数据回传与跨渠道归因；在投放规模极小、数据不出域、以合约／品牌广告为主、合规限制严格或缺乏可编程投放接口的市场，门槛下降与成本分摊的幅度须相应修正。集约化复用涉及的数据处理须以适用法规、客户授权与租户隔离为前提，本书不对任何具体安排作合规判断²⁹。示意关系不取自行业统计，不用于任何精确数值结论。

---

附录　口径与术语一览

本表仅供检索，完整限定以各章正文为准。

全书由此收束为一条论证链：界定分工边界 → 展开能力构成 → 给出成本结构 → 以 SaaS 分摊与 AI 集约化解释固定成本压缩 → 以规模为乘数核算约 100 亿元行业社会价值及其生态含义。链上每一环的适用范围、反事实边界与检验状态，均在各章正文标注。