互聯網的廣告是如何匹配到你的？

可能你有過這樣的體驗 —— 你在微信里跟朋友提到了打算今年買車，然后你在B站里就會看到車展的廣告；朋友給你推薦列巴作為減脂早餐，因為熱量很低，你去百度了一下列巴，然后你打開了淘寶，發現首頁赫然出現了一款列巴；你剛交房正準備裝修，在抖音里收到了地板的廣告。

為什么你可以看到這些廣告呢？這些廣告是如何匹配到你的呢？本期我們來聊一聊互聯網廣告的匹配邏輯。

傳統行業是怎么打廣告的？

我開了一家烤鴨店，為了迅速提升人氣，我買了地鐵站的燈箱廣告，又雇人去發傳單，還在揚子晚報上買了半通欄的廣告。開業一周內，來了 1000 個顧客。

那么問題來了——這1000個顧客哪些是自然流量？哪些是廣告帶來的流量？

自然流量—— 也就是顧客來我的店，沒有看到廣告，純粹是因為我店鋪的選址正好處在他們日常通勤路線上；有多少顧客是因為看到了廣告來我的店？燈箱廣告、報紙廣告和傳單，每個廣告渠道分別給我帶來了多少顧客？這些顧客中又有多少最終購買了烤鴨？

對于一個廣告主來說——我花錢了，自然要清楚這筆錢到底花在什么地方。我想要知道每個廣告渠道分別給我帶來了多少流量、留存和轉化。

“這個渠道給店里帶來了多少新顧客？這些新顧客有多少會成為回頭客？他們最終買了多少烤鴨？如果某個渠道帶來的新顧客數量很多，但是基本沒有回頭客，并且購買量很少，那是不是這個渠道在刷數據呢？”

總之我要知道每個廣告渠道的投入產出比，依此來調整運營策略。

而在傳統媒介時代，廣告主的這個訴求很難實現，因為客戶數據很難采集。要統計每個廣告渠道的投放效果，每個顧客進店都要登記是什么原因進店的，后續這位顧客的進店和購買行為都要跟該渠道進行綁定。這個數據采集工作成本很高。

那么互聯網的出現，會改善這一點嗎？

早期的互聯網廣告

1994 年 10 月 27 日，第一條互聯網在線廣告上線。AT&T（美國電話電報公司）在連線雜志的網站上，投放了一個 banner 廣告。用戶點擊這個 banner，就會進入 AT&T 的落地頁。

△ 第一個互聯網廣告，1994

當時的互聯網還是一個新生事物，用戶對互聯網上的一切都感覺特別新鮮。所以當時這個并不起眼的廣告點擊率達到了 44%，也就是說近乎于一半的用戶看到這個廣告都會去點擊。而現在多數平臺的 banner 廣告點擊率不到 1%，44%的點擊率簡直是神話。

當時互聯網廣告照搬了傳統媒體的思維方式和操作邏輯，根據展示版面和時段計算費用（CPT,cost per time）。AT&T 的 banner 在網站上放 3 個月，費用是 3 萬美金。這種模式只是把線下的廣告復制到線上，很快出現了問題。

首先是用戶對于互聯網好奇感的下降，不再是每個模塊都點開看看，那么就會造成點擊率下滑。以前我在你網站首頁放一個 banner，一周可以給我帶來 5 萬的訪問量，但是現在只有 1 萬。再按照時間來收費肯定不合理，應該按照實際帶來的訪問量進行計費（CPC,cost per click）。例如一個點擊算 5 毛，你帶來 1000 個點擊，那么廣告費就是 500。

但是這種以點擊量為計費標準的方式依然存在不足。網站為了賺更多的廣告費會把頁面做的“花花綠綠”來吸引用戶點擊，甚至出現了一種特別激進的廣告方式——彈框。

△ 1997 年，彈框廣告出現

用戶一進入頁面，就出現彈框給用戶展示廣告。彈框在整個頁面中擁有最高的層級，可以獲取用戶最多的注意力。更有甚者會故意把彈框的關閉按鈕做得特別難點，用戶一不小心就點進去了，這樣就算一個點擊了，可以多收一份錢。可是這種靠傷害用戶體驗，來提升點擊率的廣告方案是殺雞取卵。

從廣告主的角度來看，強制用戶觀看、點擊廣告，用戶是被動的接受，并不會形成轉化。例如，網站通過強制的方式為廣告主帶來了 10000 個訪問量，但是產生的訂單量可能為 0。廣告主更希望，自己的廣告可以精準的推送給目標用戶，這樣轉化率更高。

例如，我是一家奶粉企業。數據顯示，孩子出生之后喝的第一口奶往往決定了之后接受的奶粉品牌，此后更換奶粉品牌的概率只有 10-20%，因此孩子出生前 1-2 個月的營銷十分重要。

所以，我的奶粉廣告希望只投放給距離預產期 1-2 個月的孕婦，這樣的轉化效果更好。那么如何把奶粉廣告定向推送給孕婦群體呢？

用戶定向

我們可以在母嬰雜志、網站上投放廣告，因為這些平臺的用戶主要是孕婦群體。我們也可以買搜索關鍵詞廣告，例如“寶寶”、“奶粉”、“月子”等。搜索這些關鍵詞的用戶很有可能就是孕婦。

但是這種定向方式依然存在很大的誤差，可能有一些單身男性就是隨手搜索了這些關鍵詞，他們并不是奶粉的目標用戶。所有要做到真正的精準定向，必須要采集到用戶足夠的數據，進而分析出這個用戶的準確特征。

在互聯網誕生之前，企業和消費者無法建立緊密的聯系。企業很難直接了解到消費者的個性化訴求，只能依賴于抽樣調查和深度訪談的方式來采集比較狹隘的統計數據，用以對于市場需求進行概括。

用戶被定義為同質化的大眾，流水線生產出來的無差別商品被分發給無差別的大眾。例如，Office 軟件，絕大多數用戶只能使用不到 10%的功能，但是商家不得不標準化生產出來滿足所有用戶的需求。

△ Office 1995

但是大眾并不是無差別的，他們有血有肉，每個人都有著個性化的訴求。用戶需要的是個性化的服務，而不是程序化和標準化生產出來的商品。商家當然知道每個用戶的訴求不同，但是如果要滿足每個用戶的個性化訴求，商家必須以受眾個體作為單位，整合復雜而又離散的數據。顯然商家沒有能力收集和了解數以億計受眾用戶的興趣愛好與行為偏好。

而互聯網的出現使得對全量用戶數據采集和分析成為了可能。電視廣告很難衡量效果，因為你不知道有多少用戶真的觀看了廣告，還是一到廣告就去上廁所、喝水。但是流媒體廣告，平臺可以知道每一個用戶他到底完整的看了哪些廣告，哪些廣告是中途跳過，以及是什么時間點跳過的。

一個奢侈品牌來某平臺投放廣告，明確表示我的目標用戶是高收入人群。你找出你平臺中那些高收入的用戶，把廣告推送給他們。

平臺如何才能獲取到用戶的收入呢？非政府部門是不可以調取客戶的納稅記錄和銀行存款。直接查肯定不行，可以通過一些相關數據進行側面判斷。

例如，收集用戶的晚上 11 點到凌晨 6 點的地理位置。這些時間點的位置，理論上就是用戶的家庭住址。再根據外部數據（鏈家、安居客等）匹配，可以獲取到所在小區的平均單價，進而就能預測出這個用戶的收入水平。當然這里的匹配會有誤差，例如這個用戶可能只是小區的租戶，或者說是小區的門衛。還需要更多的數據來提升用戶定向的準確性。

用戶身份標識

商家采集到用戶數據，需要給用戶一個身份標識，將這些數據跟用戶關聯起來。

例如，用戶去宜家購物，店家會在價碼去區分會員/非會員的差距，來誘導用戶注冊成為宜家的會員。你要成為我的會員，我會給你分配一個編碼，比如 9527，9527 就是你的身份標識。根據 9527，就可以查詢到你的聯系方式、郵寄地址和購物記錄，包括每次購買的商品、時間和金額。通過這些數據，宜家就可以判斷出你的價值，計算出你可能購買的商品和時間。

可是這些數據屬于企業內部數據，又稱第一方數據。要精準的定向用戶，需要綜合多個平臺的信息。比如你在社交媒體上的發言，在電商平臺的購物記錄。你在微博里發了一條動態：“五一假期要到了，想去云南自駕行”，又在小紅書里查看了很多云南自駕游的攻略。那么可以看出你對于五一去云南自駕游有著很高的期望值，應該給你推薦云南旅行相關的服務。

那么問題又來了，我的微博 ID 是“王 M 爭”，小紅書 ID 是“金州拉文”，怎么知道這兩個不同平臺的 id 其實是一個人呢？這就必須要有一個跨平臺的用戶身份唯一標識，數據匹配就是收集同一個用戶在多個平臺的客戶識別碼，通過打通這些客戶識別碼來拼合數據。把你在網絡中不同平臺的行為進行串聯起來，知道這幾件事是一個人完成的。

客戶的識別碼很難做到準確的匹配，首先因為目前的客戶識別碼是基于不同體系的（終端、瀏覽器、路由器、操作系統等）。其次客戶的識別碼在同一系統里也并非唯一，例如，你可能有多個微博賬號、多個微信號。就算你只有一個微信號，可以有無數個 openid（openid 是用戶在微信公眾號/小程序里的身份標識）。微信號是用戶在微信中的全局唯一標識，微信沒有提供方法獲取用戶的微信號。

△ openid 只是特定公眾號/小程序下的用戶唯一標識

比較常用的連通方式是手機號，因為基本上每一款 app 都要求輸入手機號才能完成注冊。可以通過手機號來打通不同平臺的用戶數據。例如我用 iPad 看了 nba 比賽，那么當你用手機打開某個電商平臺就可以看到某款籃球鞋的優惠券。因為這兩個平臺你都綁定了手機號。手機號屬于非常敏感的隱私信息，具有較高的風險。

當然我們也可以通過基于設備來標示用戶，例如安卓的 imei 和 iOS 的 idfa，這種方式是默許同一個設備的使用者是同一個人。有些廣告主直接把目標用戶的設備號信息提供給媒體平臺，媒體平臺看這些用戶哪些在自己的平臺上，匹配上了，那么廣告就會被推送給這部分的重合用戶。

從 iOS 14.5 開始，蘋果更加注重對用戶隱私權限的保護。將 IDFA 的授權從系統層面提升到 app 層面，也就是說之前你只要授權一次，所有的 app 都可以獲取 IDFA，而現在每款 app 都要自己去授權來獲取 IDFA。當你的 app 要訪問蘋果的 IDFA 時，就會彈框提示是否允許應用程序跟蹤。

中國廣告協會牽頭多家互聯網公司和廣告中自己做了一套 CAID（China Anonymization ID），原理就是 app 采集一些非用戶隱私的設備參數，上報給服務端生成一個 CAID，以 CAID 來替代 IDFA 作為設備的唯一標識。但是這些接入 CAID sdk 的應用都收到了蘋果官方的郵件，明確拒絕了 CAID，如果不下掉 CAID，應用將會被下架處理。

△ the big boss is watching you

不管是 IDFA 還是 CAID，或者是將來其他的什么技術，其目的就是將用戶在不同平臺的獨立信息流進行整合，你看了哪些書、跟朋友聊了什么、看了哪些電影。將你在互聯網上的所有行為整合關聯。

我想起了電影《少數派報告》，描述了在未來社會，監控系統可以預測罪犯的犯罪企圖。在你犯罪之前就把你抓獲，這叫做“預防犯罪”偵查。我本來以為這種設想是不現實的，但是未來或許已經來了。

歡迎關注作者的微信公眾號：「王M爭」