RankUp這次在騰訊營(yíng)銷中的全量上線和出現(xiàn)在騰訊財(cái)報(bào)中的意義在于，其第一次把‘高秩表征’從學(xué)術(shù)概念變成了工業(yè)級(jí)落地的通用架構(gòu)，真正驗(yàn)證了“不堆參數(shù)也能漲效果”的可行性，把過(guò)去比拼模型參數(shù)的廣告體系進(jìn)一步推向“精細(xì)+效率”的“高維大腦”時(shí)代。

從廣告行業(yè)本身的視角來(lái)看，其背后的價(jià)值共識(shí)也恰推動(dòng)的是廣告行業(yè)逐步回歸其價(jià)值本質(zhì)：讓需要的人，在需要的時(shí)間，看到需要的產(chǎn)品。

作者|皮爺

出品|產(chǎn)業(yè)家

在剛剛過(guò)去的上周，騰訊交出一份亮眼財(cái)報(bào)。

根據(jù)財(cái)報(bào)數(shù)據(jù)顯示，2026年第一季度，騰訊營(yíng)收同比增長(zhǎng)9%至1964.58億元，營(yíng)業(yè)利潤(rùn)673.8億元，同比增長(zhǎng)17%。財(cái)報(bào)公布當(dāng)天，騰訊股價(jià)迎來(lái)上漲。

騰訊的真實(shí)增長(zhǎng)來(lái)自于哪？

如果把這份財(cái)報(bào)放到聚光燈下，在備受關(guān)注的AI動(dòng)向、持續(xù)長(zhǎng)青的游戲板塊之外，還有一個(gè)支柱也更實(shí)現(xiàn)了不同尋常的增長(zhǎng)——騰訊營(yíng)銷服務(wù)。數(shù)據(jù)顯示，騰訊營(yíng)銷服務(wù)Q1季度收入同比增長(zhǎng)20%，這個(gè)數(shù)字在2025年Q4財(cái)報(bào)僅為17%。

這種增長(zhǎng)不是行業(yè)共性。

根據(jù)QuestMobile調(diào)查數(shù)據(jù)顯示，從整個(gè)廣告行業(yè)視角來(lái)看，在過(guò)去的一年里（2025Q2-2026Q1），全行業(yè)增速約為4.5%，盡管在2026年Q1季度伴隨著AI浪潮的來(lái)襲，企業(yè)的營(yíng)銷意愿在增強(qiáng)，但尚未落到實(shí)處。

如果把視線投向全球各大流量平臺(tái)，過(guò)去的一年時(shí)間里，大部分平臺(tái)廣告業(yè)務(wù)表現(xiàn)疲軟，部分平臺(tái)廣告業(yè)務(wù)增速甚至降低至5%以下。

此外，從源頭側(cè)來(lái)看，根據(jù)秒針聯(lián)合GDMS發(fā)布的《2026中國(guó)數(shù)字營(yíng)銷趨勢(shì)報(bào)告》顯示，由于效果不達(dá)預(yù)期，47%廣告主計(jì)劃2026年全年降預(yù)算，在汽車、快消、傳統(tǒng)零售方向，這個(gè)比例則是超過(guò)50%。

這種水溫下，騰訊營(yíng)銷服務(wù)的這組“反共識(shí)”數(shù)據(jù)顯得尤為可貴。騰訊營(yíng)銷做對(duì)了什么？或者更準(zhǔn)確來(lái)說(shuō)，它的增長(zhǎng)密碼到底在哪？

這次財(cái)報(bào)中，除了亮眼的增長(zhǎng)數(shù)字，一張“技術(shù)牌”也更引起了我們的關(guān)注。

一、雙端難題背后：廣告行業(yè)的“模型死胡同”

“廣告行業(yè)到底怎么樣了？”

如果對(duì)這個(gè)問(wèn)題進(jìn)行細(xì)致拆解，最合適的方式還是要回到供需模型上來(lái)，即作為需求的“廣告主”和作為供應(yīng)的“廣告流量平臺(tái)”。

前者的目標(biāo)是以平臺(tái)為放大器，讓更多人看見(jiàn)自身產(chǎn)品，把流量轉(zhuǎn)化為業(yè)務(wù)增量，而后者則是在終端持續(xù)保持流量的同時(shí)，更好地用技術(shù)滿足廣告主們的轉(zhuǎn)化需求。這個(gè)供需模型可謂是互聯(lián)網(wǎng)時(shí)代最成熟的商業(yè)閉環(huán)。

但這個(gè)閉環(huán)在過(guò)去的幾年出現(xiàn)了“裂痕”。

2025年年底，全球知名營(yíng)銷研究機(jī)構(gòu)eMarketer發(fā)布了一份面向廣告行業(yè)的調(diào)查報(bào)告。數(shù)據(jù)顯示，2025年，有超過(guò)68%廣告主未能完成效果KPI，僅有39%實(shí)現(xiàn)正向ROI。

同樣的數(shù)據(jù)也更來(lái)自Gartner，在全球2300多位企業(yè)負(fù)責(zé)人調(diào)研中，有超70%的營(yíng)銷負(fù)責(zé)人表示2025年廣告效果“未達(dá)預(yù)期”，效果指標(biāo)連續(xù)2年惡化；此外，超過(guò)60%廣告主反饋平臺(tái)“人群定向不準(zhǔn)、無(wú)效曝光多”，無(wú)效流量占比接近40%。

問(wèn)題出在哪？當(dāng)一個(gè)商業(yè)模型啟動(dòng)的最前端—需求側(cè)的需求愈發(fā)沒(méi)有被滿足時(shí)，也就意味著整個(gè)商業(yè)模型出現(xiàn)問(wèn)題——廣告平臺(tái)開(kāi)始“不務(wù)正業(yè)”了嗎？

答案顯然是否定的。如果把視線放到廣告平臺(tái)側(cè)，能看到這個(gè)問(wèn)題的核心癥結(jié)——DNN廣告推薦排序模型。

2024年Q3電話會(huì)上，Meta高管現(xiàn)場(chǎng)的一句發(fā)言讓整個(gè)廣告陷入沉思。“我們發(fā)現(xiàn)：在廣告方向，當(dāng)模型規(guī)模與算力擴(kuò)大到某個(gè)臨界點(diǎn)后，性能就不再隨規(guī)模提升（不scaling）。”

這句話他只說(shuō)了一半。2024年，在Meta高管的這句話之前，一組行業(yè)公開(kāi)數(shù)據(jù)已經(jīng)成為人們關(guān)注的焦點(diǎn)，即這組來(lái)自DeepMind、eMarketer 2024年廣告模型專項(xiàng)測(cè)算及Meta內(nèi)部數(shù)據(jù)的綜合結(jié)論是：傳統(tǒng)廣告模型（DNN）參數(shù)每翻一倍，廣告轉(zhuǎn)化效果提升已普遍低于5%，但算力與流量成本至少上漲100%，邊際收益徹底轉(zhuǎn)負(fù)。

廣告的本質(zhì)是“讓合適的產(chǎn)品，在合適的時(shí)間，讓合適的人群所看見(jiàn)”。過(guò)去幾十年制成這個(gè)體系推進(jìn)的模型，就是DNN廣告推薦模型。

為了讓這個(gè)體系運(yùn)轉(zhuǎn)地更準(zhǔn)確、科學(xué)，業(yè)內(nèi)包括Meta、google以包括騰訊等企業(yè)在之前的普遍做法是“做大參數(shù)”——即向模型系統(tǒng)里塞更多用戶數(shù)據(jù)、疊加更多判斷維度、拉長(zhǎng)計(jì)算網(wǎng)絡(luò)層數(shù)，讓模型變得更大，以力求更準(zhǔn)確。

但這種“模型參數(shù)越大，廣告效果越好”的行業(yè)共識(shí)在過(guò)去幾年迎來(lái)旗幟鮮明的挑戰(zhàn)。即不論對(duì)Meta、谷歌，還是國(guó)內(nèi)的廣告平臺(tái)，來(lái)自廣告主的真實(shí)反饋是：廣告投放越來(lái)越貴，效果卻沒(méi)有明顯的提升。

這也是DeepMind等研究機(jī)構(gòu)對(duì)以DNN廣告推薦模型為主的廣告體系進(jìn)行深度剖析的原因。

原因很快被探明。首先，從效果來(lái)看，盡管廣告平臺(tái)的初衷是通過(guò)填充更多的參數(shù)以讓廣告推薦模型具備更強(qiáng)、更準(zhǔn)確的能力，但事實(shí)結(jié)果卻是，伴隨著模型參數(shù)的增加，DNN廣告推薦模型出現(xiàn)了顯著的“表征秩坍縮（Rank Collapse）"情況。

對(duì)“表征秩坍縮”的一個(gè)通俗解釋是，伴隨著模型參數(shù)的越來(lái)越大，模型中能真正能區(qū)分用戶、區(qū)分產(chǎn)品特征的有效信息維度，被模型“刻意同化”和“合并同類項(xiàng)”，如不同時(shí)間范圍的點(diǎn)擊率會(huì)被模型同化為“點(diǎn)擊率”，忽略時(shí)間要素等等諸如此類。最后只剩少數(shù)合并后的大顆粒度特征保持運(yùn)轉(zhuǎn)。

這樣帶來(lái)的結(jié)果則是，盡管輸入端模型參數(shù)量不斷增加，但在DNN廣告推薦模型“消化”過(guò)程中，反而失去了對(duì)產(chǎn)品、用戶的精細(xì)化理解和特征匹配，反饋到前端則是產(chǎn)品和人群的匹配愈發(fā)模糊，部分品類的廣告投放效果甚至實(shí)現(xiàn)倒退。

但另一邊，這種“不符合預(yù)期”的效果卻帶來(lái)更大的廣告平臺(tái)成本消耗，即伴隨著參數(shù)的增加，每推進(jìn)一次推薦，其對(duì)應(yīng)的是后端更大的算力損耗，這種算力損耗一定程度會(huì)被廣告平臺(tái)反饋到CPC/CPM的定價(jià)策略上，廣告主的感知?jiǎng)t恰是變貴的投放價(jià)格。

實(shí)際上，這也是廣告行業(yè)陷入死胡同的本質(zhì)原因，即在DNN廣告推薦模型這條十幾年的既有路徑上，效果和成本已然失去絕對(duì)正相關(guān)的曲線關(guān)系，這種正相關(guān)的缺失反饋到大盤上的最終結(jié)果則是廣告主的不滿、和廣告平臺(tái)的疲軟增速的雙輸結(jié)局。

那么，是否有解法？或者說(shuō)，廣告行業(yè)是否有重回良性的優(yōu)解？

二、RankUp背后：廣告系統(tǒng)從“規(guī)模”走向“精細(xì)”

答案是肯定的。

在騰訊這次2026年Q1財(cái)報(bào)文件中，有這樣一段表述，“我們升級(jí)了AI驅(qū)動(dòng)的廣告推薦模型，擴(kuò)展了微信生態(tài)系統(tǒng)內(nèi)的閉環(huán)營(yíng)銷能力，從而帶動(dòng)廣告表現(xiàn)提升及廣告單價(jià)增長(zhǎng)。本季大多數(shù)主要行業(yè)的廣告主投放均有所增長(zhǎng)，其中互聯(lián)網(wǎng)服務(wù)、電子商務(wù)及游戲行業(yè)的增長(zhǎng)尤為顯著。”

什么是“AI驅(qū)動(dòng)的廣告推薦模型”？這對(duì)應(yīng)的恰是如今已經(jīng)全量上線到微信生態(tài)三大流量場(chǎng)景（視頻號(hào)、朋友圈、公眾號(hào)&小程序）的新模型底層：RankUp高秩表示推薦架構(gòu)，這個(gè)由騰訊廣告技術(shù)團(tuán)隊(duì)自研的技術(shù)框架正在成為騰訊在營(yíng)收服務(wù)板塊的特殊“法寶”。

對(duì)它的一個(gè)形象介紹是，如果說(shuō)之前的DNN廣告模型更多的精進(jìn)方式是讓模型在“變胖”中成長(zhǎng)，通過(guò)不斷的“參數(shù)填鴨”以試圖讓其具備更強(qiáng)的廣告推薦能力，那么RankUp高秩表示推薦架構(gòu)則是讓模型更“精細(xì)”和“效率”，即在保持模型參數(shù)不變的情況下，通過(guò)對(duì)模型內(nèi)在肌理的精細(xì)化設(shè)計(jì)，讓其可以對(duì)既有的參數(shù)表征有更強(qiáng)利用和表達(dá)，同時(shí)對(duì)算力資源進(jìn)行有效利用。

那么，這條路徑和DNN路徑有什么不同？幾個(gè)核心能力尤為值得一提。

首先是隨機(jī)特征解耦，即在傳統(tǒng)DNN廣告模型中，伴隨著參數(shù)增加，模型會(huì)天然把相近的表征特點(diǎn)進(jìn)行同類項(xiàng)合同，由此帶來(lái)的是模型推薦的愈發(fā)粗獷和不精準(zhǔn)。而RankUp則是會(huì)特意把不同的信息特征進(jìn)行拆解，并單獨(dú)隔離存放，不讓彼此之間“抱團(tuán)”，每條表征都單獨(dú)保留，避免冗余情況出現(xiàn)，讓模型更精準(zhǔn)理解真實(shí)需求，以完成有效推薦。

其次，多Embedding映射，相較于傳統(tǒng)DNN模型更多按照評(píng)分系統(tǒng)的高權(quán)重標(biāo)簽的單一推薦模式，RankUp會(huì)從多個(gè)角度拆解人群和產(chǎn)品表征，即不單純局限于如性別、職場(chǎng)、喜好等等，而是會(huì)基于立體的標(biāo)簽體系進(jìn)行廣告推薦。

全局Token。如果說(shuō)多Embedding映射對(duì)應(yīng)的是對(duì)人群橫向標(biāo)簽的延展，那么全局Token則是縱向的表征延展，即從人群全生命周期的角度來(lái)進(jìn)行廣告推薦體系的更細(xì)顆粒度建設(shè)，通過(guò)綜合人群畫(huà)像的全部信息，進(jìn)行綜合推薦判定，規(guī)避因某一兩個(gè)行為進(jìn)行錯(cuò)誤推薦，可以做到更精準(zhǔn)的廣告匹配，更有效的算力利用。

預(yù)訓(xùn)練表征交互。過(guò)去這些年，DNN廣告推薦模型一直被詬病的一個(gè)問(wèn)題是“新品投放效果差”，這源自固有模型會(huì)基于新品的信息進(jìn)行臨場(chǎng)驗(yàn)證，而RankUp則是在此基礎(chǔ)上進(jìn)一步優(yōu)化，即其內(nèi)部封裝了過(guò)去多年的用戶習(xí)慣、廣告規(guī)律，在推薦的時(shí)候直接用這些現(xiàn)成經(jīng)驗(yàn)，判斷更快更準(zhǔn)，保證新用戶、沒(méi)投放過(guò)的新廣告也能有足夠精準(zhǔn)的效果。

最后Token級(jí)任務(wù)解耦。RankUp的這項(xiàng)能力面向的恰是固有DNN廣告模型中很難多線并行的短板，即下單轉(zhuǎn)化、加微、預(yù)約等不同需求鏈路容易在模型中被混淆，最終導(dǎo)致只能達(dá)成一項(xiàng)目標(biāo)效果。RankUp所做的恰是把不同的需求鏈路分別設(shè)計(jì)，互不影響的同時(shí)為不同目標(biāo)分配單獨(dú)的token鏈路，保證每個(gè)目標(biāo)都能達(dá)到最優(yōu)。

從本質(zhì)來(lái)看，這5個(gè)最鮮明的技術(shù)屬性，本質(zhì)上都是在不盲目增加模型參數(shù)規(guī)模的前提下，提升模型的對(duì)于既有表征的利用率。讓模型可以更準(zhǔn)確理解的同時(shí)，更保證每一次推薦都建立在效果的基礎(chǔ)上，做到有的放矢，最終轉(zhuǎn)化為廣告主的ROI投放比。

實(shí)際上，如果沿著這5項(xiàng)技術(shù)向前延伸，不難看出的是RankUp的真正出發(fā)點(diǎn)——廣告主的真正需求。這些需求包括轉(zhuǎn)化率、GMV、新品冷啟動(dòng)效果、成本等等。

RankUp的價(jià)值恰在于把這些指標(biāo)內(nèi)化到新的廣告推薦體系中，相較于之前大水漫灌的模型堆疊參數(shù)，通過(guò)對(duì)模型更精細(xì)化地“運(yùn)營(yíng)”，從技術(shù)側(cè)實(shí)現(xiàn)真正的需求滿足。

據(jù)了解，RankUp如今已全量部署于騰訊營(yíng)銷的CVR預(yù)估任務(wù)，在微信視頻號(hào)、微信公眾號(hào)&小程序、微信朋友圈流量的AB實(shí)驗(yàn)的GMV其分別達(dá)到了提升3.41%、4.81%和2.12%的效果。

（附：騰訊廣告技術(shù)一線解讀文章

https://mp.weixin.qq.com/s/hY8zG-ZVKpaNCakAFKRmrQ）

三、廣告推薦，正在重回良性周期

從全球視野來(lái)看，這并不是騰訊一家的嘗試。

根據(jù)資料顯示，包括Meta等海外廣告平臺(tái)在過(guò)去的一段時(shí)間里也都在推進(jìn)著從傳統(tǒng)深度廣告模型到Transformer的轉(zhuǎn)變。

基于此，模型不僅可以關(guān)注用戶長(zhǎng)時(shí)間的歷史行為，更可以基于全生命周期的視角，對(duì)不同特征進(jìn)行獨(dú)立管理；此外，在生成式架構(gòu)的驅(qū)動(dòng)下，相較于之前按照固定單一的推薦模式，模型可以針對(duì)用戶的個(gè)人情況定向制定廣告推薦方案，為需要的人提供需要的產(chǎn)品，把產(chǎn)品推到更“適合它”的人眼前。

而RankUp這次在騰訊營(yíng)銷中的全量上線和出現(xiàn)在騰訊財(cái)報(bào)中的意義在于，其第一次把‘高秩表征’從學(xué)術(shù)概念變成了工業(yè)級(jí)落地的通用架構(gòu)，真正驗(yàn)證了“不堆參數(shù)也能漲效果”的可行性，把過(guò)去比拼模型參數(shù)的廣告體系進(jìn)一步推向“精細(xì)+效率”的“高維大腦”時(shí)代。

此外，從另一個(gè)視角來(lái)看，RankUp技術(shù)也對(duì)應(yīng)更是一種技術(shù)驅(qū)動(dòng)正周期模式的出現(xiàn)，即伴隨著RankUp等技術(shù)的落地，一個(gè)能看到的事實(shí)是，不論是廣告主還是廣告平臺(tái)，都可以得到更良性的發(fā)展。

前者可以獲得更好的營(yíng)銷效果，不論是新品的冷啟動(dòng)，低成本的廣告投流，還是高預(yù)算、多目標(biāo)的集中營(yíng)銷，都可以更好地滿足自身需求；后者則是基于這套新的工業(yè)級(jí)廣告體系，做到更有價(jià)值的運(yùn)轉(zhuǎn)成本和更近一步的需求滿足，以進(jìn)一步完善自身的商業(yè)模型。

騰訊這次的財(cái)報(bào)就是一個(gè)典型范本。

實(shí)際上，類似的價(jià)值共識(shí)如今在以更大的加速度延展。比如在今年，騰訊廣告算法大賽的賽題就聚焦“統(tǒng)一建模”的挑戰(zhàn)，算法大賽以真實(shí)業(yè)務(wù)脫敏數(shù)據(jù)進(jìn)行實(shí)戰(zhàn)模擬，面向全球工業(yè)界和學(xué)術(shù)界征集最優(yōu)的架構(gòu)方案，旨在為廣告推薦系統(tǒng)配備一個(gè)“最強(qiáng)大腦”。

從廣告行業(yè)本身的視角來(lái)看，RankUp技術(shù)背后的價(jià)值共識(shí)也恰推動(dòng)的是廣告行業(yè)逐步回歸其價(jià)值本質(zhì)：讓需要的人，在需要的時(shí)間，看到需要的產(chǎn)品。

推薦向善，技術(shù)向善，不外乎如此。