本文来自微信公众号：共识粉碎机，作者：波太金，题图来自：AI生成
在过去的一个季度里，我写了很多反驳Applovin做空的报告，调研了游戏客户对做空报告的反馈，调研了电商公司对做空报告的反馈，调研了关税前后对Applovin的预算调整，这周还仔细分析了苹果税取消会怎么影响游戏广告行业。说实话压力很大，因为有非常多的不同声音。
在过去的一个季度里，也有非常多的朋友来问我，是不是该Long Unity Short App。甚至有朋友打包了一个完整的调研纪要PDF合集，里面都是Unity Vector怎么抢Applovin份额，和因为做空报告Applovin客户流失去Unity的纪要。然后问我，为什么不花很多时间去调研Unity，怎么还是一直在调研Applovin……为什么不去研究更高可信度的反转……
说实话我也不知道怎么去回答。在昨天我们的Discord讨论里，又有一位朋友问我这个问题。我只能简单地在当时说下，“在不是好公司的反转案例上，太容易亏钱了。我自己也亏过太多钱了。”
所以做反转的前提是，这是一家至少Mid-term维度的优秀公司。
我今天也不想具体去分析业绩，我想讲三个故事。具体的很多分析我都在久谦写过报告，做过路演，以及在Discord里高频展开过了。
一
第一个故事是关于鉴别信息的真实性，和鉴别样本Bias的能力。
我们前段时间一直在调研真实关税的影响，所以在针对META和AMZN的Q2业绩时候，我在业绩前下过一个结论，考虑到美元贬值的影响，META和AMZN的Q2业绩可能都完全看不出关税影响。事实证明这和我想的完全一样。
真正能够让我下这个结论的是从我们同事调研一家3C小家电公司开始的。在和这家3C小家电公司交流的时候，我发现了很有意思的前后矛盾：
-
这家公司一开始说他们税基非常小，只有3%~5%，所以考虑到关税问题影响也不大。
-
但是当我们问到涨价的时候，他说需要涨20%，因为关税影响还是很大。
-
但是如果涨价20%，他说他们的利润率会提升，所以可能会抢份额。
调研完后，我找到我们同事仔细去分析这件事情。我说这种前后矛盾的内容，才能看出这大概率是真实信息。
因为前半段是真实信息，后面发现这个信息和竞争对手有很大差别，想绕回来，但是绕不回来了。
后面我很认真地和同事说了这么一句话，如果你后面还能再找到一个类似的案例，你就真的学会做调研了。
我的上一个老板也是一直这么教我的。
所以在之后我们抓住这个点铺开了很多调研，去研究关税的真实影响，才有了与全世界结论完全相反的M7业绩期报告。
我们做调研的时候，特别是调研者本身，有一点特质非常重要。在总结完后要不断地反问自己，今天得到的信息是真实信息还是错误信息，漏洞在哪。还是说恰好因为这个漏洞，我们能发现更多的Strong Alpha。
在过去一个季度我给很多朋友分析过为什么一些看到Applovin因为做空报告流失到Unity的信息可能是错误的。有些访谈来源，我们做一些简单的CrossCheck就可以验证其真实性，这是我们调研者首先该做的。
就像每次和大家做调研总结路演的时候，我都会告诉大家，尽管我收集到了这么多信息，但哪些我有把握，哪些我没有把握。
比如这次在MSFT季报前的调研总结里，我特地讲过虽然我对GPU租赁能在1Q25放这么大的收入没有把握，但我对方向和能放出来量的趋势很有把握，只是具体的数字是很大，还是大，我没有把握。但是只要能放出来，对于这个季度的MSFT就完全够了。
现在做研究的主要问题，是信息太多，但是高质量，能够帮助你判断的信息又太少。
我们在一个有太多太多信息干扰的复杂环境里，所以要花更多时间去判断真实性和趋势。
二
第二个故事是关于好公司的特质。
我在做投资前的职业生涯，和做投资后的职业生涯，其中最大的错误几乎都和与一家好公司的竞争有关。我这次讲讲前半个。
虽然我对这家公司经常找茬，但也是我最尊敬的中国互联网公司，是作为“对手”教会了我最多的公司。
在很早很早前的2017~2018年，我还在腾讯工作，当时是腾讯狙击抖音的短视频产品微视的第一个推荐算法产品经理。
我当时在战略发展部，因为推荐算法对所有人都是一个非常新鲜的事务，行业也非常缺人，我们也很难找到足够的人才，所以这么个职位我临时顶上了会儿。后面我还顶过运营，顶过投放，顶过各种临时工作。
为了研究怎么追上抖音，我花了很多时间做调研和分析。
其中有一段时间，我在帮助搭建微视的审核团队。我们大概有几十个审核同事，分了很多类别，我来参与研究怎么打标签，和提高打标签的效率。我们的很多工作通过Excel表完成。
中间我第一次去调研抖音是怎么做的。我知道抖音有一个帮助审核同事的标记软件，很现代，效率很高。我了解后开始研究我们怎么自己也做一个。
过了一个月，我又去更新情况。我知道抖音这一个月做了很多修改，软件根据审核同事打标签的习惯做了非常多的优化，甚至在物理键盘角度都有优化，像那种视频都会提前切帧然后把敏感帧拿出来。放到现在你们肯定毫无波澜，但是你换做2017年的我，我们刚开始捣鼓审核的时候，就能理解我的震惊之情。
“这一个月时间，你们就TM进化了这么多吗？？？那我的价值是什么？？？”
这种感觉大概是李鸿章看到了纽约的高楼大厦。
再往后就不展开说了，他们在一年时间就完成了几千人审核到10万人审核的管理能力进化。如果你是看美团和京东的分析师，会一下子认识到这件事情的难度。
再往后我开始捣鼓A/B Test。我也一直因为同一个事件的A/B Test效率低而特别郁闷。有一次我捣鼓Excel的数据分析到凌晨4点，第二天找到数据工程的同事，如果数据能打通多好，如果我们和抖音一样A/B Test效率这么高有多好……
在Jim Payne刚到Unity的时候，我也有过短暂的幻想。我听说内部的效率都跑起来了，特别是Jim Payne一直是我非常尊敬的一位创业者，在AdTech领域做出过巨大的贡献。
然后我开始听到了很多有意思的说法，去年年中一位在MoPub被收购后离开MoPub的朋友特地来提醒我，“MoPub在Applovin成功，不是因为MoPub，是因为MoPub接入了Applovin的A/B Test体系。正是这套体系让MoPub和Applovin Mediation快速迭代，如果收购进来的不是MoPub，也一样会成功。”
在那一刻我听懂了这个故事，我非常沮丧我没有更早知道这件事情。因为在我的经历中，我经历过很多类似的场景。就是我在上文和你们提到的。
再往后我听说Jim Payne离开了Unity，我之后就再也没有做Unity的调研了。我也不太理解中间又发生了什么事情。
AdTech领域虽然我们讲过很多Mediation的重要性，讲过归因平台的重要性。但归根到底最后还是迭代效率和组织效率。在一次算法迭代中，A/B Test系统越好，迭代越快，就有很多小步快跑的机会。看得越多，就能发现越多。
三
第三个故事是关于很多错误的投资案例。
从我进入股票投资行业以后，几乎所有亏钱的大事件，都来自于我错误地认为某些公司可以反转。
虽然这个公众号叫共识粉碎机，我也特别喜欢研究可以底部基本面反转的公司，但每次犯错也是这样。
在我个人的投资生涯里，我在中概股犯过几次未能成功反转的案例。在美股里，尝试过参与E开头数据库的反转故事，两个Z开头软件公司的反转故事，U开头AdTech的反转故事，A开头效率软件的反转故事。
但是在做基金分析师的时候，每一次提出这种反转逻辑，我的前老板都很不高兴。
只有好公司的反转才是反转，所以首先我们要判断好公司的特质，把审美标准提高很多。这是我一直到两三年前，才深刻理解的。
说实话Applovin也不是什么好公司。回答Applovin之前，我们首先需要回答，“你是否认为PDD是一家好公司”。
我想从事广告领域的朋友一听这个问题，就能意识到我在说什么。
如果你认为PDD是一家好公司，Applovin就会符合你的审美。
如果你认为PDD不是一家好公司，Applovin就会浑身漏洞。
我挺喜欢PDD的，PDD也是反转过的好公司。
本文来自微信公众号：共识粉碎机，作者：波太金