买量如炒股，梭哈需谨慎

本文源于转载，原标题为《买量金融学（一）：买量员的困境》《买量金融学（二）：AI投放与量化交易》。

有个朋友在从其他行业跳到乙方买量公司做设计师，呆了3个月。

前几天跟我聊天说，自己已经看明白了，买量没有任何技术，自己一天产出12个视频，旁边的买量员框框往系统里传，就咱乙方小破公司，京东的外卖，网易的燕云，阿里的三战，全都能hold住，就这么简单，随便来个人都能干，这有啥竞争力？

说到这里，意犹未尽，继续吐槽：你们之所以能在公司上班，都是老板对你的恩赐，好好抱紧老板的大腿，别等过几天来了个新人替代了你。

至此，吐槽告一段落。

要是5年前，在他还没讲完的时候，我会生气，打断他，摆出事实激烈反驳。

但现在，我听他讲的这个言论，心中没有任何波澜，只是觉得可爱又好笑。

由于这个朋友一直在炒股，并且一直潜心学习各种炒股技术。

我便回复他：买量确实挺简单的，跟你炒股一样，去券商开个户，把钱冲进去，买入，卖出，一共就两个动作，然后你就能赚到大钱了，多简单。

朋友当然不是傻子，一下就get到我在说什么，两人对视一笑就转入下一个话题了。

01

买量员的困境

之所以把这个事情搬出来讲，是因为最近我找了个金融学的基础课，系统地学了一遍，发现金融学的部分知识，跟做发行做买量非常适配。

基金经理跟买量员都经常被认为工作没有任何技术含量、AI投放与量化交易的相似之处、交易与买量的流派之分，等等等等。

所以就把金融和买量中通用的部分，拿出来讲讲，还是蛮有意思的。

首先，我们看看金融和买量从业者的相似之处。

基金经理和买量员一样，都要打理远超自身资产的资金，一个用来投资，另一个用来推广，都需要在保本的情况下，不断增加回报。

同样的，由于入行门槛被降得非常低，大部分普通人可以快速上手，并且，你的成绩是向群众“公开”的。

门槛低的职业一般精通更难，所以会给大众一种“对方SB，我上我也行”的错觉，如果薪资待遇再高一点，那就是群众笔下的重点讨伐对象。

群众可以随意对你指手画脚，对了自证预言，错了也没啥损失，这就对应了文章开头故事的现状。

在职场中，年底让员工给自己打分，99%的人都会给自己打更高的分数，人们都会认为自己做的贡献大，公司离不开自己。

这在投资与买量中也一样，每个人都觉得自己更牛逼。

在21年的时候，基金爆火，有几个基金经理也顺势走红，比如张坤、葛兰这二位。

那时候，基民们亲切地称他们为战神坤、葛女神。

22-24年，基金整体暴跌，辉煌的战神们也没能扭转大势，二位明星基金经理的昵称被亲切地改为死秃驴、葛大妈。

同样的，同一个研发团队研发的产品，上一个你买量买的不错，那你就是小甜甜，新产品买量成本一直搞不下来，那你就变成了牛夫人。

研发团队没有变，买量的素材和出价变了，所以你是变量，出了问题是变量、也就是你的错，难道是研发的错？

乍一听好有道理，但用脚趾头想想感觉不对，但这就是真实事件，世界居然如此魔幻？

自从工作以来，跟其他部门合作过程中，只碰到过一只手可以数过来的人，能稍微有点市场知识，其他人对于市场可谓是狗屁不懂，但人人都觉得自己很懂。

他们会用自己从网络上、别人口中听到的某个奇淫技巧，对你的工作指指点点；

也会一上来就让你搞个SOP以掩饰自己的无知，同时树立权威；

更大部分，把你当成救命稻草，好像你一来就能把屎一样的产品投起来，发现你没有那么神之后便换人，继续找下一个救命稻草。

买量员跟基金经理，或者上升到市场从业者和资金主理人，都逃不过这样的命运。

02

谁犯的错越少，才不是输家

那么如何应对呢？

金融圈有个段子，把一枚硬币抛出去，国徽朝上的概率，都比这些专业投资者的投资成功率高。

也就意味着，专业投资者的成功率连50%都没有。

有人专门把国内最顶尖的基金经理的历史战绩做出分析，发现他的选股成功率大概是40%。

之前我一直以为这是段子，现在在专业的金融学课程里面听到，还是有点诧异的。

那么普通人，投资挣钱的概率是多少？

前段时间公布的数据，资金规模10万元以内的散户，亏钱率高达99%，随着资金规模的扩大，亏钱率逐步降低，资金规模100万以上的账户，盈利率在90%以上。

这也印证了金融学的一条关键知识，学金融知识是为了减少错误决策，而不是学完了变成投资大师财富自由。

这点在发行买量中同样适用。

金融投资的执行工作部分没那么复杂，上手门槛低，但是这个行业吃资源吃人脉，对学历也有要求，从业人员年薪很轻松上百万，所以跟普通人无关。

当你的收入跟管理资金的规模挂钩，不管客户赚与赔，你都赚钱的时候，就不在乎别人的评价了，骂声越大代表越赚钱，还恨不得你多骂我几嘴呢。

买量员，或者说市场从业者，薪资没那么高，怎么办？

首先，既然选择了这个岗位，那么你遭受质疑的概率高达99%，所以要工资的时候就多要一点，多出来的那些，就是窝囊费。

窝囊费要的多一点，自己遭遇质疑，挨骂的时候，心里的委屈承受空间便大一点。

其次，买量知识，素材方法论，数据分析这些，要不要学？

当然要。

跟学金融知识一样，学完这些，并不会让你财富自由，但可以减少你的决策失误率，最后，谁犯的错越少，谁活的时间久，才不是输家。

注意，不一定是大赢家，但不是输家。

另外，当你把行业知识融会贯通后，以外行能听懂的话来跟其他人沟通，会更容易获得信任，即便有一窍不通者对你张牙舞爪，你也能一下戳破对方，自信回应，让其再也不敢轻易挑衅。

对于市场工作者来说，公司、领导的信任是最重要的一环，能在各种问题上说服对方听取你的意见，也是非常重要的能力。

再真实一点，如果你真的碰到不太懂市场的研发向老板，他给授权，只看结果，但喜欢通过质疑的方式给非常大的压力。

但是产品就是很拉跨，你要强行给用户喂屎。

这个时候，主动赛马是最好的选择。

好几个团队拼命干，都达不到他的要求，但你是这几个团队里干的最好的，这个时候他不考虑产品的问题也不行了。

买量员的命，就这么苦。

不说了，我先去哭一会。

03

AI投放与量化交易

关于AI投放，笔者的核心结论是：

第一，AI投放是美化后的词，其实就是一堆规则叠在一起；算法工程师的工资是买量员好几倍，只要你够便宜就不会失业；

第二，平台是最有动力做这个的，边际成本低，做成了收益能翻好几倍；平台的算法一直在变，如果外部做AI投放，那就要随着变化一直学习最新策略，成本很难控制下来；

第三，大甲方可以做一些自动化投放系统，用来提高效率，但系统的运维成本并不低，小公司可以做批量发布和数据拉取，外面买的话，前几年是5-7万一年，现在应该更便宜；

这三点已经很透彻了，如果用金融行业的例子，能看得更清楚，甚至能看到终极形态，所以再来聊一聊。

（1）量化交易是啥

量化交易的定义百度可以查到，不多赘述。

在国内，量化交易这个词，是随着DeepSeek爆火被大众知晓。

其实，早在1969年，全球首支量化基金就成立了，这个东西已经发展挺长时间了。

到现在，每家投资机构都有自己的量化交易系统，并且只要下载了APP，群众也能直接使用。

没错，你下载个炒股APP同花顺，就能直接用量化！

这就好比买量平台不断降低上手难度一样，都是为了让更多“散户”入场。

炒股APP进去后有一个叫条件单的地方，比如你可以设置某数字厂股票，低于10元买入，高于11卖出，这就是最简单的量化，是不是跟你投放系统里面用预算出价规则集一样？

当然了，上面举例只是为了让大家看明白，真实的量化交易规则、公式会更复杂，参考的指标也会更多，但本质还是一堆预测数据和规则集。

稍微复杂一些的例子：

量化交易所可以用卫星监测天气和降水量，结合所有历史数据预估粮食产量，来预测粮食期货的涨跌；还可以卫星看沃尔玛停车场数量，根据客单价计算营收，从而决定股票买入抛出。

我整理了下量化交易的核心特点（不想动脑的看加粗的几个词就行）：

1. 数据驱动：以大量历史数据为基础，通过分析市场价格、交易量、财务数据等，寻找市场规律。

2. 数学模型：运用统计学、机器学习、金融工程等方法构建模型，预测市场走势或发现套利机会。

3. 程序化交易：通过计算机自动执行买卖指令，提高交易效率，减少情绪干扰。

4. 风险控制：内置风险管理机制，及时调整仓位或止损，避免巨额亏损。

套用到买量中，这4个因素也都占了。

不过，买量市场中把这些因素运用到极致的，是平台。

平台是买量金融中唯一的大庄家！

其他玩家，不管大大小小的甲乙方，都是散户。

庄家随随便便动一动手指头，把算法模型一改，散户做的量化就失效了。

庄家通过数据驱动收割散户，散户妄想通过数据驱动在平台上套利。

买量市场里，散户没有庄家的数据全，毕竟你的数据都是人家给的，很多数据都不提供，很多API接口有门槛，这你怎么搞精确的数据模型？

所以散户只能在程序化交易和风险控制里面搞搞条件单，把这个包装成AI投放去搞诈骗。

时间长了，一定会被识破。

（2）量化居然会破产

那么量化是不是战无不胜？

当然不是，不然这几家量化交易商早都成世界首富了，其他交易所，以及散户也别玩了，大家都去搞量化。

量化的好处是，可以解放人力，规避情绪，通过预测概率获取利润。

坏处也有，因为放大了杠杆，纯粹程序化交易，如果碰到黑天鹅事件，几天内就能直接破产。

还有，量化交易员不小心输入一个错误数字，就能带来巨额亏损，人不是机器，总会犯错，这也避免不了。

金融历史上，有很多量化公司就是因为杠杆太大、黑天鹅事件、规则集过时最后倒闭的。

我国每年能死几百家量化，感兴趣的大家去搜搜。

翻译成买量员能听懂的就是，某数字厂自动投放+账户共享钱包一天乱花1000万+，这事故可以让你直接失业，同时让公司利润受损。

最后听说金额打了个折返回到账户里面，不能提现，要当成广告金在规定日期内花完。

能给平台连续贡献流水的大客户，才能有这样的待遇，如果是家小公司，返还比例打骨折，甚至装死不鸟你，你也没招。

你犯的错，别人买单，凭啥？

有自动投放系统的公司，都吃过这样的亏，只是看最后金额多少罢了。

要是放在金融世界，是根本没有返还一说的，量化交易+高杠杆，一旦出错，自己破产认栽。

再举一个更具说服力的例子：

疫情前，中国经济一直高速增长，大家收入也在涨，没有人觉得自己未来会失业，所以年薪30万，就敢贷款买总价600万的房，杠杆上的贼大，现在房价跌了，收入跌了，非常难受，可能白干十几年。

（3）知道这些有啥用？

大部分人不太懂买量，因为他们没上手干过，但他们大概率买过股票基金，甚至炒期货买币子，再不济黄金总买过吧。

买量跟金融投资相似之处非常多，有时候要顺人性，有时候要逆人性，都需要搞数据分析，操作人员都容易挨喷。

跟不太懂市场的人合作，有很多情况下需要你说服对方，如果用买量理论跟他们解释，还是挺困难的，对方可能听不懂，懂了内心不一定认同。

但你用金融投资相关的来给他们解释，比如老板看到某数字厂AI投放很焦虑，用专业知识解释对方听不懂，但你结合金融条件单，以及量化交易给他解释，对方几乎秒懂，并且认同的概率挺高的。

职场中，能把事情用大白话解释清楚，能说服别人，能调动更多资源，也是不可或缺的能力。

（4）AI投放终极形态

当下环境是量化交易发展50多年后的情形，可以借此推演一下AI投放的终极场景。

理想情况下，买量员+AI根据大盘数据、竞争对手同时段投放素材数量、用户互动转化高的素材等数据计算出最优投放策略，人为给定清晰的每日消耗与KPI目标，配置上复杂的加减预算出价、自动发布与关闭的规则集，这样一个人就能搞定整个项目的买量工作。

素材方面，用AI实时监测并收集市场上当下的热点，以及竞品最新验证过的素材，自动总结核心爆量要素并预测热点有效时长，创意人员根据爆量要素完成创意输出和对接。

好了，梦做完了，该醒醒了。

上面的过于理想化了，并且这些事情边际成本都非常低，要知道，边际成本低的事情，资金庞大的巨头最有优势，他敢无上限投入资源，你总资金量才多少，跟大庄家打？

所以我预测，AI投放一定是平台做出来，而且每个平台策略都不一样，甲方的那些看上去贼牛逼的，大多是年终汇报PPT，或者炒股用的。

素材分析这些，三方工具比如App Growing搞不好跟平台比会有优势，至于创意产出和对接嘛，我自己天天跟设计师吵架，AI去了能吵赢？

再来看AI输出创意，目前的AI剪辑就是这个3秒，那个3秒，胡拼乱凑，未来AI可能根据画面反推提示词决定拼接策略，不过实践过的人都知道，中间的不可控因素实在太多了，要数次抽卡+人工筛选，最后还是要人完成剪辑包装，全AI流程还很遥远。

04

买量员如何应对

经过上面的分析，我们可以清晰的看到，就算AI投放成熟了，也还是要买量员来制定策略，并且，这个岗位对人的要求会越来越高。

要懂买量的基础原理，算法博弈，市场趋势，用户喜好变化、数分公式和基础代码等等，所以我之前说未来优秀的买量员更贵。

那么入门买量员是不是都会被淘汰呢？

会淘汰一部分不持续学习的，其他持续提升自己的薪资也会变高，因为杠杆放大了个人能力，但注意，放大是优点和缺点同时放大，蠢货用量化只会放大自己的愚蠢。

金融行业中的量化交易员一般被称为“宽客”，大多来自于哈佛、斯坦福、清北等顶级名校中的顶级天才，美国顶尖宽客的平均年收入为5.7亿美金。

看到这个我就放心了，顶尖人才，都会去干金融的，现在就业形势不好，也没见清北的来干买量，但是去平台优化算法的是肯定有的，而且会越来越多。

最后随便聊几句，国内海外的量化策略，差别非常大，中国股市波动率是美国的3倍以上，中国股民的每日交易频率也是美国的好几倍，你要把美国市场的量化策略拿到国内，恐怕当天就能破产。

金融行业总结的经验，在中国搞量化，比在美国难多了，中国人太聪明，同时也太损失厌恶了。

这一点跟买量平台居然完美匹配，在国内一天广告调好几次，到海外平台，好几天调一次都可以，如果想用一套策略搞全球，那会死的很惨。

精彩，太精彩了。

游戏葡萄招聘内容编辑，

游戏行业书籍推荐： 葡萄书房

（星标可第一时间收到推送和完整封面）