How are LLMs transforming mobile user acquisition? | Adjust

摘要

本文探讨了LLM（大语言模型）如何重塑移动广告和用户获取（UA）格局。传统上，移动应用的用户获取依赖付费广告与有机渠道（ASO/SEO）的协同。然而，随着ChatGPT、Gemini等生成式AI工具的普及，用户逐渐转向LLM获取个性化推荐和直接答案。Gartner预测，传统搜索引擎用量将在2026年前下降25%，有机流量更可能在2028年前减少50%。LLM作为“答案引擎”，提供极简的发现路径——用户提问后直接获得包含应用链接的推荐，大大减少了浏览和点击过程。

对于移动营销人员，LLM既是挑战也是机遇。有机方面，LLM仅展示少数推荐结果，应用被包含或排除直接决定曝光机会，因此“生成式引擎优化（GEO）”成为新课题：需创建匹配自然语言查询的内容、理解LLM选取推荐的逻辑、并建立适配AI驱动流量的归因模型。付费方面，各大LLM平台已开始测试或推出原生广告格式：Perplexity试验赞助跟进问题，Google Gemini在SGE中嵌入广告，Snapchat的My AI展示赞助链接，Amazon Rufus通过交互式卡片引导产品发现。ChatGPT虽目前无广告，但OpenAI已确认内部测试中，预计年内推出。

具体平台数据方面：ChatGPT周活超8亿，Google Gemini月活4亿，Claude月访问量1600万，百度文心月活7860万，DeepSeek月活9690万，Perplexity月查询量超1亿。这些平台的广告格式包括原生文本建议、赞助链接、交互式产品展示，以及直接嵌入AI回复中的赞助提及（需明确标注）。营销人员应关注这些渠道的测试进展，及早布局投放策略和归因分析，利用UTM参数跟踪流量和安装。Adjust等MMP平台可帮助衡量LLM渠道的增量效果，实现用户获取的“增量提效”。未来，随着AI搜索成为主流，在LLM中占据推荐位将比传统竞价排名更具战略价值。

总结而言，移动营销人员需将LLM视为全新的双渠道（有机+付费）战场。有机侧需投入GEO优化，付费侧则需紧跟平台广告产品迭代，同时配合精准的归因和创意策略。这是一场从“搜索排序”到“AI推荐”的范式转移，先发优势将在用户获取成本和效率上形成显著差异。