互联网的广告是如何匹配到你的？

本文来自微信公众号：人人都是产品经理（ID：woshipm），作者：王M争，题图来自：视觉中国

可能你有过这样的体验 —— 你在微信里跟朋友提到了打算今年买车，然后你在B站里就会看到车展的广告；朋友给你推荐一款产品作为减脂早餐，因为热量很低，你去搜了一下，然后你打开了淘宝，发现首页赫然出现了同款；你刚交房正准备装修，在抖音里收到了地板的广告。

为什么你可以看到这些广告呢？这些广告是如何匹配到你的呢？本期我们来聊一聊互联网广告的匹配逻辑。

传统行业是怎么打广告的？

我开了一家烤鸭店，为了迅速提升人气，我买了地铁站的灯箱广告，又雇人去发传单，还在扬子晚报上买了半通栏的广告。开业一周内，来了1000个顾客。

那么问题来了：这1000个顾客哪些是自然流量？哪些是广告带来的流量？

自然流量——也就是顾客来我的店，没有看到广告，纯粹是因为我店铺的选址正好处在他们日常通勤路线上；有多少顾客是因为看到了广告来我的店？灯箱广告、报纸广告和传单，每个广告渠道分别给我带来了多少顾客？这些顾客中又有多少最终购买了烤鸭？

对于一个广告主来说——我花钱了，自然要清楚这笔钱到底花在什么地方。我想要知道每个广告渠道分别给我带来了多少流量、留存和转化。

“这个渠道给店里带来了多少新顾客？这些新顾客有多少会成为回头客？他们最终买了多少烤鸭？如果某个渠道带来的新顾客数量很多，但是基本没有回头客，并且购买量很少，那是不是这个渠道在刷数据呢？”

总之我要知道每个广告渠道的投入产出比，依此来调整运营策略。

而在传统媒介时代，广告主的这个诉求很难实现，因为客户数据很难采集。要统计每个广告渠道的投放效果，每个顾客进店都要登记是什么原因进店的，后续这位顾客的进店和购买行为都要跟该渠道进行绑定。这个数据采集工作成本很高。

那么互联网的出现，会改善这一点吗？

早期的互联网广告

1994年10月27日，第一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，投放了一个banner广告。用户点击这个banner，就会进入AT&T的落地页。

第一个互联网广告，1994

当时的互联网还是一个新生事物，用户对互联网上的一切都感觉特别新鲜。所以当时这个并不起眼的广告点击率达到了44%，也就是说近乎于一半的用户看到这个广告都会去点击。而现在多数平台的banner广告点击率不到1%，当年44%的点击率简直是神话。

当时互联网广告照搬了传统媒体的思维方式和操作逻辑，根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3个月，费用是3万美金。这种模式只是把线下的广告复制到线上，很快出现了问题。

首先是用户对于互联网好奇感的下降，不再是每个模块都点开看看，那么就会造成点击率下滑。

以前我在你网站首页放一个banner，一周可以给我带来5万的访问量，但是现在只有1万。再按照时间来收费肯定不合理，应该按照实际带来的访问量进行计费（CPC,cost per click）。例如一个点击算5毛，你带来1000个点击，那么广告费就是500元。

但是这种以点击量为计费标准的方式依然存在不足。网站为了赚更多的广告费会把页面做的“花花绿绿”来吸引用户点击，甚至出现了一种特别激进的广告方式——弹框。

1997年，弹框广告出现

用户一进入页面，就出现弹框给用户展示广告。弹框在整个页面中拥有最高的层级，可以获取用户最多的注意力。更有甚者会故意把弹框的关闭按钮做的特别难点，用户一不小心就点进去了，这样就算一个点击了，可以多收一份钱。可是这种靠伤害用户体验来提升点击率的广告方案是杀鸡取卵。

从广告主的角度来看，强制用户观看、点击广告，用户是被动的接受，并不会形成转化。例如，网站通过强制的方式为广告主带来了10000个访问量，但是产生的订单量可能为0。

广告主更希望，自己的广告可以精准的推送给目标用户，这样转化率更高。

例如，我是一家奶粉企业。数据显示，孩子出生之后喝的第一口奶往往决定了之后接受的奶粉品牌，此后更换奶粉品牌的概率只有10-20%，因此孩子出生前1-2个月的营销十分重要。

所以，我的奶粉广告希望只投放给距离预产期1-2个月的孕妇，这样的转化效果更好。那么如何把奶粉广告定向推送给孕妇群体呢？

用户定向

我们可以在母婴杂志、网站上投放广告，因为这些平台的用户主要是孕妇群体。我们也可以买搜索关键词广告，例如“宝宝”、“奶粉”、“月子”等。搜索这些关键词的用户很有可能就是孕妇。

但是这种定向方式依然存在很大的误差，可能有一些单身男性就是随手搜索了这些关键词，他们并不是奶粉的目标用户。所有要做到真正的精准定向，必须要采集到用户足够的数据，进而分析出这个用户的准确特征。

在互联网诞生之前，企业和消费者无法建立紧密的联系。企业很难直接了解到消费者的个性化诉求，只能依赖于抽样调查和深度访谈的方式来采集比较狭隘的统计数据，用以对于市场需求进行概括。

用户被定义为同质化的大众，流水线生产出来的无差别商品被分发给无差别的大众。例如，Office软件，绝大多数用户只能使用不到10%的功能，但是商家不得不标准化生产出来满足所有用户的需求。

Office 1995

但是大众并不是无差别的，他们有血有肉，每个人都有着个性化的诉求。用户需要的是个性化的服务，而不是程序化和标准化生产出来的商品。商家当然知道每个用户的诉求不同，但是如果要满足每个用户的个性化诉求，商家必须以受众个体作为单位，整合复杂而又离散的数据。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。

而互联网的出现使得对全量用户数据采集和分析成为了可能。电视广告很难衡量效果，因为你不知道有多少用户真的观看了广告，还是一到广告就去上厕所、喝水。但是流媒体广告，平台可以知道每一个用户他到底完整的看了哪些广告，哪些广告是中途跳过，以及是什么时间点跳过的。

一个奢侈品牌来某平台投放广告，明确表示我的目标用户是高收入人群。你找出你平台中那些高收入的用户，把广告推送给他们。

平台如何才能获取到用户的收入呢？非政府部门是不可以调取客户的纳税记录和银行存款。直接查肯定不行，可以通过一些相关数据进行侧面判断。

例如，收集用户的晚上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。再根据外部数据匹配，可以获取到所在小区的平均单价，进而就能预测出这个用户的收入水平。当然这里的匹配会有误差，例如这个用户可能只是小区的租户，或者说是小区的门卫。还需要更多的数据来提升用户定向的准确性。

用户身份标识

商家采集到用户数据，需要给用户一个身份标识，将这些数据跟用户关联起来。

例如，用户去购物，店家会在价码去区分会员/非会员的差距，来诱导用户注册成为的会员。

你要成为我的会员，我会给你分配一个编码，比如9527，9527就是你的身份标识。根据9527，就可以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，宜家就可以判断你出你的价值，计算出你可能购买的商品和时间。

可是这些数据属于企业内部数据，又称第一方数据。要精准的定向用户，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。你在微博里发了一条动态：“五一假期要到了，想去云南自驾行”，又在小红书里查看了很多云南自驾游的攻略。那么可以看出你对于五一去云南自驾游有着很高的期望值，应该给你推荐云南旅行相关的服务。

那么问题又来了，我的微博ID是“王M争”，小红书ID是“金州拉文”，怎么知道这两个不同平台的ID其实是一个人呢？

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拼合数据。把你在网络中不同平台的行为进行串联起来，知道这几件事是一个人完成的。

客户的识别码很难做到准确的匹配，首先因为目前的客户识别码是基于不同体系的（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，你可能有多个微博账号、多个微信号。就算你只有一个微信号，可以有无数个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，微信没有提供方法获取用户的微信号。

openid只是特定公众号/小程序下的用户唯一标识

比较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。

可以通过手机号来打通不同平台的用户数据。例如我用iPad看了NBA比赛，那么当你用手机打开某个电商平台就可以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。手机号属于非常敏感的隐私信息，具有较高的风险。

当然我们也可以通过基于设备来标示用户，例如安卓的IMEI和iOS的IDFA，这种方式是默许同一个设备的使用者是同一个人。

有些广告主直接把目标用户的设备号信息提供给媒体平台，媒体平台看这些用户哪些在自己的平台上，匹配上了，那么广告就会被推送给这部分的重合用户。

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到app层面，也就是说之前你只要授权一次，所有的app都可以获取IDFA，而现在每款app都要自己去授权来获取IDFA。当你的app要访问苹果的IDFA时，就会弹框提示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中自己做了一套CAID（China Anonymization ID），原理就是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来替代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。

不管是IDFA还是CAID，或者是将来其他的什么技术，其目的就是将用户在不同平台的独立信息流进行整合，你看了哪些书、跟朋友聊了什么、看了哪些电影。将你在互联网上的所有行为整合关联，这有点类似1984中“老大哥”的角色。

我想起了电影《少数派报告》，描述了在未来社会，监控系统可以预测罪犯的犯罪企图。在你犯罪之前就把你抓获，这叫做“预防犯罪”侦查。

我本来以为这种设想是不现实的，但是未来或许已经来了。

本文来自微信公众号：人人都是产品经理（ID：woshipm），作者：王M争