互联网中的广告究竟是怎样与您实现匹配的？-精准获客

或许你曾有过这样的经历——在微信中与朋友提及今年准备买车，接着在 B 站便能看到车展的广告；朋友向你力荐列巴作为减脂早餐，因其热量颇低，你在百度搜索了列巴，随后打开淘宝，一款列巴竟醒目地出现在首页；刚交了房打算装修，在抖音里就收到了地板的广告。

为何你会看到这些广告？它们又是怎样与你匹配的呢？本期让我们一同探讨互联网广告的匹配逻辑。

传统行业怎样投放广告？

我开了一家烤鸭店，为快速聚集人气，我购置了地铁站的灯箱广告，雇人发放传单，还在《扬子晚报》上购买了半通栏广告。开业一周，迎来了 1000 位顾客。

此时问题浮现——这 1000 位顾客中，哪些属于自然流量？哪些是广告带来的流量？

自然流量——

即顾客光临我的店，未看到广告，纯粹是由于店铺位置恰好位于他们日常通勤的路线上；究竟有多少顾客是因看到广告而来？灯箱广告、报纸广告和传单，每个广告渠道分别为我引来多少顾客？这些顾客中又有多少最终购买了烤鸭？

对于一位广告主而言——我投入了资金，必然要明晰这笔钱究竟用在了何处。

我渴望了解每个广告渠道分别带来了多少流量、留存和转化。

“这个渠道为店里带来了多少新顾客？这些新顾客中有多少会再次光顾？他们最终购买了多少烤鸭？倘若某个渠道带来的新顾客数量众多，然而基本没有回头客，并且购买量稀少，那这个渠道是不是在刷数据呢？”

总之我要明晰每个广告渠道的投入产出比，据此调整运营策略。

但在传统媒介时代，广告主的这一诉求难以达成，因为客户数据采集极为困难。要统计每个广告渠道的投放成效，每位顾客进店都需登记进店缘由，后续这位顾客的进店和购买行为都要与该渠道绑定。这项数据采集工作成本极高。

那么互联网的出现，能否改善这一状况呢？

早期的互联网广告

1994 年 10 月 27 日，首条互联网在线广告上线。AT&T（美国电话电报公司）在《连线》杂志的网站上，投放了一则 banner 广告。用户点击这个 banner，便能进入 AT&T 的落地页。

首个互联网广告，1994 年

当时的互联网尚属新生事物，用户对互联网上的一切都倍感新奇。故而当时这个并不惹眼的广告点击率达到了 44%，意味着近乎一半的用户看到此广告都会点击。而当下多数平台的 banner 广告点击率不足 1%，44%的点击率堪称神话。

当时互联网广告沿袭了传统媒体的思维模式和操作逻辑，依据展示版面和时段计算费用（CPT,cost per time）。AT&T 的 banner 在网站上放置 3 个月，费用为 3 万美金。这种模式仅仅是将线下广告复制到线上，很快便暴露出问题。

首先是用户对互联网好奇感的减退，不再是每个模块都点开查看，这便导致点击率下滑。从前我在你网站首页放置一个 banner，一周能为我带来 5 万的访问量，可如今仅有 1 万。再按照时间收费显然不合理，应当按照实际带来的访问量计费（CPC,cost per click）。例如一个点击算 5 毛钱，你带来 1000 个点击，那么广告费就是 500 元。

然而这种以点击量作为计费标准的方式仍存在缺陷。网站为获取更多广告费，会将页面设计得“花里胡哨”以吸引用户点击，甚至出现了一种极为激进的广告形式——弹框。

1997 年，弹框广告现身

用户一进入页面，弹框便为用户展示广告。弹框在整个页面中具有最高层级，能够获取用户最多的注意力。更有甚者会故意将弹框的关闭按钮设置得极为难找，用户稍不留意就点了进去，如此便算一个点击，能够多收一份钱。可是这种依靠损害用户体验来提升点击率的广告方案无异于杀鸡取卵。

从广告主的视角来看，强制用户观看、点击广告，用户是被动接受，并不会促成转化。例如，网站通过强制手段为广告主带来了 10000 个访问量，但产生的订单量可能为零。

广告主更期望自身的广告能够精准地推送给目标用户，如此转化率会更高。

例如，我经营一家奶粉企业。数据表明，孩子出生后喝的第一口奶往往决定了后续接受的奶粉品牌，此后更换奶粉品牌

的概率仅有 10 – 20%，因而孩子出生前 1 – 2 个月的营销至关重要。

所以，我的奶粉广告期望仅投放给距离预产期 1 – 2 个月的孕妇，如此转化效果更佳。

那么怎样将奶粉广告定向推送给孕妇群体呢？

用户定向

我们能够在母婴杂志、网站上投放广告，因为这些平台的用户主要是孕妇群体。我们也能够购买搜索关键词广告，例如“宝宝”“奶粉”“月子”等。搜索这些关键词的用户极有可能是孕妇。

但这种定向方式依旧存在较大误差，或许有部分单身男性只是随手搜索了这些关键词，他们并非奶粉的目标用户。要实现真正的精准定向，必须采集到用户充足的数据，进而分析出该用户的准确特征。

在互联网诞生以前，企业和消费者难以建立紧密的联系。企业很难直接知晓消费者的个性化需求，只能依靠抽样调查和深度访谈的方式采集相对狭窄的统计数据，用于概括市场需求。

用户被界定为同质化的大众，流水线生产出的无差别商品被分配给无差别的大众。

例如，Office 软件，绝大多数用户仅能使用不到 10%的功能，然而商家不得不标准化生产以满足所有用户的需求。

Office 1995

但大众并非毫无差别，他们有情感有需求，每个人都有着个性化的诉求。用户需要的是个性化的服务，而非程序化和标准化生产出的商品。商家固然清楚每个用户的诉求各异，然而若要满足每个用户的个性化需求，商家必须以受众个体为单位，整合繁杂而又离散的数据。显然商家没有能力收集和了解数以亿计受众用户的兴趣爱好与行为偏好。

而互联网的出现使对全量用户数据的采集和分析成为可能。电视广告难以衡量效果，因为你不清楚有多少用户真正观看了广告，还是一到广告就去上厕所、喝水。但流媒体广告，平台能够知晓每一位用户究竟完整观看了哪些广告，哪些广告被中途跳过，以及在什么时间点跳过。

一个奢侈品牌在某平台投放广告，明确表示目标用户是高收入人群。你找出平台中那些高收入的用户，将广告推送给他们。

平台怎样才能获取到用户的收入呢？非政府部门无法调取客户的纳税记录和银行存款。直接查询肯定不行，可以通过一些相关数据进行侧面判断。

例如，收集用户晚上 11 点到凌晨 6 点的地理位置。这些时间点的位置，理论上就是用户的家庭住址。再依据外部数据（链家、安居客等）匹配，能够获取所在小区的平均单价，进而便能预测出这个用户的收入水平。当然这里的匹配会存在误差，例如这个用户可能只是小区的租户，或者是小区的门卫。还需要更多的数据来提高用户定向的准确性。

用户身份标识

商家采集到用户数据，需要给予用户一个身份标识，将这些数据与用户关联起来。

例如，用户前往宜家购物，店家会在价码上区分会员/非会员的差异，诱导用户注册成为宜家的会员。若你成为我的会员，我会为你分配一个编码，比如 9527，9527 便是你的身份标识。依据 9527，能够查询到你的联系方式、邮寄地址和购物记录，包括每次购买的商品、时间和金额。通过这些数据，宜家能够判断出你的价值，计算出你可能购买的商品和时间。

然而这些数据属于企业内部数据，又称第一方数据。要实现精准定向用户，需要综合多个平台的信息。比如你在社交媒体上的发言，在电商平台的购物记录。你在微博中发布了一条动态：“五一假期将至，想去云南自驾行”，又在小红书里查看了众多云南自驾游的攻略。那么能够看出你对于五一去云南自驾游抱有很高的期待，应当为你推荐云南旅行相关的服务。

那么问题又出现了，我的微博 ID 是“王 M 争”，小红书 ID 是“金州拉文”，怎样得知这两个不同平台的 ID 实际上是同一个人呢？这就必须要有一个跨平台的用户身份唯一标识，数据匹配就是收集同一个用户在多个平台的客户识别码，通过打通这些客户识别码来整合数据。将你在网络中不同平台的行为串联起来，知晓这几件事是一个人完成的。

客户的识别码难以做到精准匹配，首先由于目前的客户识别码基于不同的体系（终端、浏览器、路由器、操作系统等）。其次客户的识别码在同一系统里也并非唯一，例如，你可能拥有多个微博账号、多个微信号。即便你只有一个微信号，也可能有无数个 openid（openid 是用户在微信公众号/小程序里的身份标识）。微信号是用户在微信中的全局唯一标识，微信未提供获取用户微信号的方法。

openid 只是特定公众号/小程序下的用户唯一标识

较为常用的连通方式是手机号，因为基本上每一款 app 都要求输入手机号才能完成注册。能够通过手机号打通不同平台的用户数据。例如我用 iPad 观看了 nba 比赛，那么当你用手机打开某个电商平台就能够看到某款篮球鞋的优惠券。因为这两个平台你都绑定了手机号。手机号属于极为敏感的隐私信息，具有较高风险。

当然我们也能够通过基于设备来标识用户，例如安卓的 imei 和 iOS 的 idfa，这种方式默认同一个设备的使用者是同一个人。有些广告主直接将目标用户的设备号信息提供给媒体平台，媒体平台查看这些用户哪些在自己的平台上，匹配成功，那么广告就会被推送给这部分重合用户。

从 iOS 14.5 开始，苹果更加注重对用户隐私权限的保护。将 IDFA 的授权从系统层面提升至 app 层面，也就是说之前你只要授权一次，所有的 app 都能够获取 IDFA，而现在每款 app 都要自行授权来获取 IDFA。当你的 app 要访问苹果的 IDFA 时，就会弹出提示询问是否允许应用程序跟踪。

中国广告协会牵头多家互联网公司和广告主自行开发了一套 CAID（China Anonymization ID），原理是 app 采集一些非用户隐私的设备参数，上报给服务端生成一个 CAID，以 CAID 替代 IDFA 作为设备的唯一标识。但是这些接入 CAID sdk 的应用都收到了苹果官方的邮件，明确拒绝了 CAID，如果不下掉 CAID，应用将会被下架处理。

the big boss is watching you

不管是 IDFA 还是 CAID，亦或是未来的其他技术，其目的都是将用户在不同平台的独立信息流进行整合，你阅读了哪些书籍、与朋友交流了什么、观看了哪些电影。将你在互联网上的所有行为整合关联，这有些类似于《1984》中“老大哥”的角色。

我忆起了电影《少数派报告》，描绘了在未来社会，监控系统能够预测罪犯的犯罪企图。在你犯罪之前就将你抓获，这被称作“预防犯罪”侦查。我原本认为这种设想不切实际，但未来或许已经来临。

THE END