回顧網路廣告發展技術，無所不在的網路廣告是從被動變成主動找到你的？

可能你有過這樣的體驗——你在即時通訊軟體裡跟朋友提到了打算今年買車，然後你在Youtube裡就會看到車展的廣告；朋友發你低脂早餐的參考，因為熱量很低，你去Google了一下低脂，然後你打開了其它網站，發現首頁赫然出現了全都是低脂相關的食品。你剛交屋正準備裝修，在GMAIL裡就收到了地板的廣告。

為什麼你可以看到這些廣告呢？這些廣告是如何找到你的呢？

1 傳統業是怎麼打廣告的？

我開了一家烤鴨店，為了迅速提升人氣，我買了捷運或是附近公車站的燈箱廣告，又僱人去發傳單，還在報紙上買了半欄的廣告。開業一周內，來了1000個顧客。

那麼問題來了——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，也就是顧客自動自發地來我的店，沒有看到廣告，純粹是因為我店舖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，每個廣告通路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？

對於一個廣告主來說——我花錢了，自然要清楚這筆錢到底花在什麼地方。我想要知道每個廣告通路分別給我帶來了多少流量、留存和轉化。

「這個通路給店裡帶來了多少新顧客？這些新顧客有多少會成為回頭客？他們最終買了多少烤鴨？如果某個通路帶來的新顧客數量很多，但是基本沒有回頭客，並且購買量很少，那是不是這個通路在刷數據呢？」

總之，一個廣告主，要知道每個廣告通路的投入產出比，依此來調整行銷宣傳策略。

而在傳統媒介時代，廣告主的這個訴求很難實現，因為客戶數據很難採集。要統計每個廣告通路的投放效果，每個顧客進店都要登記是什麼原因進店的，後續這位顧客的進店和購買行為都要跟該通路進行綁定。這個資料採集工作成本很高。

那麼網路的出現，會改善這一點嗎？

2 早期的網路廣告

1994年10月27日，第一條網路廣告上線。AT&T（美國電話電報公司）在連線雜誌的網站上，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。

▲ 第一個網路廣告，1994

當時的網路還是一個新生事物，用戶對網路上的一切都感覺特別新鮮。所以當時這個並不起眼的廣告點擊率達到了44%，也就是說近乎於一半的用戶看到這個廣告都會去點擊。而現在多數平台的 banner 廣告點擊率不到1%，44%的點擊率簡直是神話。

當時網路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複製到線上，很快出現了問題。

首先是用戶對於網路好奇感的下降，不再是每個廣告版面會點開看看，那麼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，那麼廣告費就是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——彈窗。

▲ 1997年，彈窗廣告出現

用戶一進入頁面，就出現彈窗給用戶展示廣告。彈窗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窗的關閉按鈕做的特別難點，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，並不會形成轉化。例如，網站透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，孩子出生之後喝的第一口奶往往決定了之後接受的奶粉品牌，此後更換奶粉品牌的機率只有10-20%，因此孩子出生前1-2個月的行銷十分重要。

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。那麼如何把奶粉廣告定向推送給孕婦群體呢？

3 目標式廣告

我們可以在母嬰雜誌、網站上投放廣告，因為這些平台的用戶主要是孕婦。我們也可以買搜尋關鍵字廣告，例如「寶寶」、「奶粉」、「月子」等。搜尋這些關鍵字的用戶很有可能就是孕婦。

但是這種目標定向方式依然有很大的誤差，可能有一些單身男性就是隨手搜尋了這些關鍵字，他們並不是奶粉的目標用戶。所有要做到真正的精準定向，必須要採集到用戶足夠的數據，進而分析出這個用戶的準確特徵。

在網路誕生之前，企業和消費者無法建立緊密的聯繫。企業很難直接了解到消費者的個人訴求，只能依賴於抽樣調查和深度訪談的方式來採集比較狹隘的統計數據，用以對於市場需求進行概括的瞭解。

當時，用戶被視為同質化的大眾，流水產線生產出來的無差別商品被分發給無差別的大眾。例如，Office 軟體，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

但是大眾並不是無差別的，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，整合複雜而又離散的數據。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。

而網路的出現使得對全量用戶數據採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，平台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，以及是什麼時間點跳過的。

一個奢侈品牌來某平台投放廣告，明確地向廣告商表示，我的目標用戶是高收入者。你找出你平台中那些高收入的用戶，把廣告推送給他們。

平台如何才能知道用戶的收入是多少呢？非政府部門是不可以調取客戶的納稅記錄和銀行存款。因此，你也不可能直接去問用戶的收入是多少，但可以透過一些相關數據進行「旁敲側擊」。

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，可以獲取到所在地點的平均房價，進而就能預測出這個用戶的收入。

當然，這裡的匹配會有誤差，例如這個用戶可能只是租房子，或者說是在這裡當晚班。還需要更多的數據來提升準確性。

4 用戶身份標識

商家採集到用戶數據，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IKEA購物，店家會在售價上區分會員/非會員的差距，來誘導用戶註冊成為宜家的會員。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繫方式、郵寄地址和購物記錄，包括每次購買的商品、時間和金額。透過這些數據，就可以判斷你出你的價值，計算出你可能購買的商品和時間。

可是這些數據屬於企業內部數據，又稱第一方數據。要精準的定向用戶，需要綜合多個平台的訊息。比如你在社群媒體上的發言，在電商平台的購物記錄。你在FB裡發了一條動態：「聽說最近日本的櫻花開了」，又在Google查看了很多日本的旅遊攻略。那麼可以看出你對於去日本旅遊有很高的期望值，應該給你推薦日本旅行相關的服務。

那麼問題又來了，我的FB ID是「張大頭」，GOOGLE ID是「9527」，怎麼知道這兩個不同平台的id其實是一個人呢？這就必須要有一個跨平台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台的客戶辨識碼，透過打通這些客戶辨識碼來拼合數據。把你在不同平台的行為進行串聯起來，知道這幾件事是一個人完成的。

客戶的辨識碼很難做到準確的匹配，首先因為目前的客戶辨識碼是基於不同體系的（電腦、瀏覽器、路由器、作業系統等）。其次客戶的辨識碼在同一系統裡也並非唯一，例如，你可能有多個fb帳號、多個google帳號。

比較常用的連通方式是手機號，因為基本上很多 app 都要求輸入手機號才能完成註冊。可以透過手機號來打通不同平台的用戶數據。例如我用 iPad 看了 nba 比賽，那麼當你用手機打開某個電商平台就可以看到某款籃球鞋的優惠券。因為這兩個平台你都綁定了手機號。手機號屬於非常敏感的隱私訊息，具有較高的風險。

當然我們也可以透過基於裝置來標示用戶，例如安卓的 imei 和 iOS 的 IDFA，這種方式是預設同一個裝置的使用者，是同一個人。

有些廣告主直接把目標用戶的裝置訊息提供給媒體平台，媒體平台看這些用戶哪些在自己的平台上，匹配上了，那麼廣告就會被推送給這部分的重合用戶。

從 iOS 14.5開始，蘋果更加註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，就會彈窗提示是否允許應用程序跟踪。

▲ the big boss is watching you