1. MMP 解决了什么问题2016–2024 年MMP 建立了独立第三方归因裁决的行业共识。AppsFlyer、Adjust、Branch、Singular 解决了移动广告的根本问题一个用户安装了 App是哪个广告、哪个渠道、哪个创意带来的Web 端cookies click ID相对简单。移动端跨设备、跨渠道、概率匹配、IDFA 衰退、SKAN 框架——极其复杂。MMP 用了近十年构建归因基础设施。到 2026 年AppsFlyer 覆盖 12,000 广告合作伙伴处理数十亿次安装归因。Adjust 被 AppLovin 以 10 亿美元收购后强化了游戏和应用商店优化。Branch 的深度链接技术成为跨端跳转的事实标准。MMP 的核心价值没有过时。App Install 归因仍然需要独立第三方裁决。但一个结构性变化正在发生获客的上游正在被 AI 重写。2. AI 重写了什么2.1 传统获客路径2024以前广告 → 点击 → 落地页 → App Store → 安装 → 应用内事件MMP 从“广告”开始到“应用内事件”结束整条链路在 MMP 视野内。2.2 新的 AI 驱动路径2025–2026AI 回答/引用 → 品牌认知 → 自主搜索 → 落地页 → App Store → 安装用户问 ChatGPT “best trading platform for derivatives”AI 推荐了某个品牌。三天后用户在 Google 搜索该品牌名点击广告安装 App。MMP 看到的是Google Brand Search 驱动的 Install。MMP 看不到的是为什么用户搜索这个品牌名——因为三天前 ChatGPT 推荐了它。这不是 MMP 的 bug而是 MMP 的结构性边界。 MMP 的测量从广告触点开始但 AI 的影响发生在广告触点之前。3. 盲区有多大基于我们服务数百个客户站点的真实数据盲区远超多数预期。维度一AI 爬虫请求 vs 人类访问典型站点原始请求中超过 90% 来自 AI 爬虫和 bot。这些请求决定 AI 是否理解产品、是否推荐你——但 GA4 看不到爬虫不执行 JSMMP 更看不到。维度二Referrer 剥离率ChatGPT 的 referrer 行为跨版本不一致。部分 AI 平台使用noreferrer策略。移动端 WebView 内跳转 referrer 常被剥离。数据显示30–60% 的 AI 来源点击在到达网站时已丢失来源标记。维度三跨端断链用户路径AI 平台 → 品牌官网Web→ App Store 下载 App- 跨端跳转时 AI 来源信息丢失。- MMP 将其记为“自然安装”——AI 的贡献被归零。维度四零点击引用2026 年约60% 的 AI 搜索以零点击结束。AI 直接在回答中展示完整信息用户获得品牌认知但无任何可追踪点击。基于点击的归因系统完全无法测量4. 这对效果营销意味着什么影响一AI 渠道被系统性低估当 AI 驱动的用户被归因到 “Brand Search”“Direct” 或 “Organic” 时AI 的真实贡献被隐藏。投入越多 GEOGenerative Engine OptimizationBrand Search ROAS 看起来越高——但功劳被错误地记在 Google Ads 头上。影响二预算分配偏差如果 AI 贡献被归入 Brand Search预算模型会高估 Brand Search 效率、低估 AI/GEO 效率。长期结果AI/GEO 投入被削减“看不到产出”Brand Search 预算被追加“ROAS 高”——但 Brand Search 的高 ROAS 恰因 AI 在上游输送了高意向用户。影响三无法回答 CFO 的问题“GEO 现在可能跟 SEO 领域的相关性更强。没有办法做到非常好的归因如果有投入的话不知道该如何计算产出。”——某效果营销负责人MMP 和 GA4 均没有“AI 渠道”视图导致 GEO 的产出被分散到 Brand Search、Direct、Organic 等渠道难以量化。5. 为什么 MMP 不会自己解决不是它们不聪明而是三个结构原因原因一架构定位MMP 核心围绕 “广告触点 → App Install → 应用内事件”。将 AI 推荐塞入归因模型等于重写整个数据架构。原因二商业模型MMP 收入来自广告主和广告网络。AppsFlyer 有 12,000 广告合作伙伴AI 来源归因不直接服务其生态。AI 归因服务的是品牌自身的有机渠道理解。原因三技术栈差异检测 AI 流量需要不同技术栈AI 爬虫行为识别、服务器端请求分析、AI 答案引文监控。这些不在 MMP 核心竞争力内。AppsFlyer 的工程资源应投入 SKAN 5.0 适配和隐私增强归因而不是 AI 流量检测。6、出路AI Measurement Partner市场不需要另一个MMP而是需要一个AI测量伙伴专门负责把AI来源的信号“翻译”成MMP能消费的格式。能力层做什么MMP状态AI答案可见度监控AI平台ChatGPT、Perplexity上的品牌引用率和SOV。完全盲区AI爬虫活动识别AI爬虫并进行服务器端分析。完全盲区AI来源到站识别并标记AI来源的Refferrer。GA4部分覆盖MMP不覆盖Web-to-App信号桥将AI来源信号传递给MMP使其自动识别为独立渠道。可消费需上游提供因果验证通过Geo Lift / Holdout等方法验证AI渠道的增量性影响。完全盲区核心原则:不碰App Install归因。我们做的是“测量AI发现”MMP做的是“测量转化结果”。关于作者 重力科技 - 17年互联网产品开发经验团队主导研发智能投放算法 平台AI驱动的GEO服务商。