2022 年 12 月 14 日
Joey Trotz
产品管理总监，Privacy Sandbox
简介
Privacy Sandbox 旨在保护用户在开放且免费的互联网上的活动隐私。为此，我们正与广告行业合作，向新的私密广告技术过渡，并计划在 2024 年下半年弃用 Chrome 中的第三方 Cookie 支持。
无论您是产品负责人、首席技术官、首席营销官还是首席执行官，都必须了解如何在日益注重隐私保护的世界中支持广告使用情形，并采用能够同时优化业务成果和用户隐私的解决方案。
毫无疑问，2023 年至关重要，在这一年里，我们要为打造没有第三方 Cookie 的网络环境做好充足准备。在本指南中，我们将讨论广告生态系统如何在未来不使用 Cookie 的网络环境中实现广告相关性：
- 用于展示相关广告的数据方面有哪些变化？
- 广告技术解决方案如何在不使用第三方 Cookie 的情况下提供基于兴趣的广告？
- 机器学习如何利用注重隐私保护的信号最大限度地提升效果？
用于展示相关广告的数据方面有哪些变化？
针对用户兴趣投放广告（也称为“个性化广告”）是一种广告类型，它会利用用户的兴趣和偏好信息向用户展示更相关的广告。此类广告会使用各种数据作为信号来确定要展示的广告，例如用户观看过的内容、用户最近浏览过的网站模式，或用户之前访问过的特定网站。
目前，这些信号主要由跨网站标识符（例如第三方 Cookie）提供，这些标识符对于单个设备而言是唯一的。随着第三方 Cookie 逐步淘汰，基于兴趣的广告的广告技术解决方案应不断发展，以便利用注重隐私保护的信号来展示相关广告。这些数据包括第一方数据、情境信号以及平台提供的可保护隐私的 API，例如 Topics API、FLEDGE API 和 Attribution Reporting API，这些 API 有助于支持广告行业的重要使用情形，同时防范跨网站跟踪。
借助整个生态系统中开发的创新技术，基于兴趣的广告可以继续存在并蓬勃发展。这些技术将帮助我们迈向一个用户数据得到更好保护的世界，同时广告可以继续推动营销成效，从而支持充满活力且开放的网络。
广告技术解决方案如何在不使用第三方 Cookie 的情况下提供基于兴趣的广告？
如今，基于兴趣的广告客户通常会通过其广告技术提供商为广告系列设置以下内容：
- 目标：广告客户希望通过此广告系列实现什么业务成果？这会告知广告平台要针对什么进行优化。例如，广告客户可能希望提高其儿童服装网站的销量。这些目标通常通过跨网站转化跟踪代码和归因报告来衡量。
- 受众群体：广告客户希望覆盖哪些人群？这会告知广告平台，广告客户认为哪些用户可能与广告非常契合。例如，广告客户可能希望覆盖目前有意向购买童装的新客户。
- 展示位置：广告客户希望在哪些网站上投放广告？此参数用于指定允许在哪些广告资源或广告资源类别中投放广告。例如，广告客户可以在广泛的网站上投放广告，也可以选择更有可能覆盖其理想受众群体的特定网站。
- 预算和出价：广告客户希望在总共花费多少费用，以及为特定操作（例如广告展示、广告点击或广告转化）花费多少费用？这样可确保广告系列满足其目标的费用要求。例如，广告客户可能希望花费不超过 1,000 美元，并支付最多 2.00 美元的每千次展示费用，以便向目标受众群体和指定网站投放 50 万次展示。
不断改进的受众群体创建功能
在弃用第三方 Cookie 后，广告解决方案提供商将需要调整其平台投放相关广告的方式。如今，广告相关性通常通过受众群体来实现，广告客户可以使用受众群体来触达最有可能对他们的产品和服务感兴趣的用户。如今，广告客户通常会使用以下不同类型的受众群体：
- 兴趣相似的受众群体：根据用户热衷的事物、习惯和兴趣来覆盖用户。
- 有购买意向的细分受众群：根据用户的近期购买意向来覆盖用户。
- 再营销：覆盖之前访问过广告客户网站的用户。
- 受众群体扩展：在其他网站上覆盖特定发布商的用户。
第三方 Cookie 弃用后，广告解决方案提供商可以使用新方法（包括 Privacy Sandbox API）继续支持这些受众群体类型实现目标。
兴趣相似的受众群体
如今，广告客户可以通过利用第三方数据细分受众群，向按亲和度（也称为兴趣）分类的用户展示广告。这些受众群体由许多数据交易平台提供，并通过需求方平台 (DSP) 和数据管理平台 (DMP) 等渠道分发，以便在整个广告技术生态系统中进行促活。
这些细分通常通过使用第三方 Cookie 跟踪个人来构建，然后根据类别分类和专有方法对用户进行分组，以确定用户何时符合某个类别的条件。
第三方 Cookie 弃用后，基于兴趣的受众群体选择功能将改用不同的信号来确定用户是否符合纳入任何给定受众群体的条件。您可以使用 Privacy Sandbox 隐私保护 API 通过多种方式实现此目的，包括：
- Topics API：此 API 提供标准化的兴趣分类，以及一种公开已知的方法，用于根据用户最近访问的网站类型在设备上对用户的兴趣进行分类。广告技术解决方案可以调用 Topics API 来获取指定用户的兴趣，同时该 API 会通过限制所考虑的浏览记录时长、可以访问指定主题的各方、返回的类别数量等来保护隐私。此 API 对于没有直接发布商关系或上下文优化功能的广告技术平台尤其有用。
- 使用情境数据的 Topics API：一种更高级的方法是比较用户的主题和网页的情境，以估算用户额外的偏好。例如，广告技术解决方案可能会发现，对特定主题（例如户外活动）感兴趣的用户访问特定类别网页（例如烧烤相关网站）的频率可能高于平均水平。广告技术平台可以训练机器学习模型来预测“户外活动”网站的访问者可能对烧烤感兴趣，即使 Topics API 未返回“烧烤”主题也是如此。如果买方广告技术平台具有内容相关优化功能，此方法会特别有用。
- FLEDGE API：此 API 可让广告技术解决方案通过将网页访问者标记为特定细分受众群体的成员（例如“对家庭冒险感兴趣”），来创建细分受众群体。如果广告技术解决方案提供商的合作伙伴网络中还有其他与“家庭冒险”相关的网站，他们还可以将这些网站的访问者添加到同一细分受众群中。 FLEDGE 会将用户分配到受众群体细分中的信息保留在设备上，而不会与广告技术解决方案分享同一用户是否属于多个兴趣群体，从而保护用户隐私。这会限制跨网站跟踪。对于具有网站合作伙伴网络的广告技术解决方案，此 API 特别有用。
借助这些方法，广告技术解决方案可以提供大规模的兴趣相似细分受众群，而无需依赖跨网站用户标识符。广告技术解决方案不必仅限于一种方法，并且可以根据其发布商关系、广告客户关系和机器学习能力来区分。
有购买意向的受众群体
目前，广告客户使用第三方 Cookie 细分受众群来覆盖被归类为“有购买意向”的用户，这与他们根据“亲和度”覆盖受众群体的方式类似。用户是属于“有购买意向”的“烹饪装备”买家，还是仅仅对烹饪感兴趣，取决于广告解决方案提供商的专有分类和方法。
在弃用第三方 Cookie 后，可保护隐私的 API 将提供新的信号，用于创建“有购买意向”受众群体。其他方法包括：
- Topics API：与使用此 API 确定兴趣相似的受众群体类似，使用此 API 确定有购买意向的受众群体涉及返回一个主题，该主题可以根据设备端公开已知的方法和分类法来近似估计特定用户的购买意向。 用于生成这些主题的标准三周回溯期可限制向广告解决方案提供商提供的数据总量，从而保护用户隐私。不过，不同类别的产品和服务有不同的考虑周期，从几天到几个月不等，因此此 API 适用于客户购买周期与主题的回溯期相符的广告客户。
- FLEDGE API：与亲和度用例一样，此 API 使广告技术平台能够创建自己的细分受众群，例如“热衷于购买汽车的买家”。如果广告技术解决方案提供商的合作伙伴网络中还有其他与“有购买意向的汽车买家”相关的网站，他们还可以将这些网站的访问者添加到同一细分受众群中，同时确保跨网站的用户隐私。如果广告技术解决方案涉及直接的发布商/广告客户关系（允许数据合作伙伴关系），并且需要比 Topics 允许的更高级别的自定义，则 FLEDGE 特别有用。
- Topics API + Attribution Reporting API：通过将 Topics API 与 Attribution Reporting API 相结合，您可以扩展与特定转化（例如购买）对应的兴趣主题列表，从而提供更多触达潜在买家的途径。 例如，分析或机器学习系统可能会发现，看到并购买了潜水装备广告的用户通常与“海滩和岛屿”以及“钓鱼”主题相关联。广告技术解决方案可以通过选择包含这两个主题的用户，将这一数据洞见转化为更广泛地覆盖“有潜水装备购买意向”的用户。在此实例中，Attribution Reporting 通过提供有关主题与转化之间关联的含噪汇总转化数据来保护用户隐私。 如果广告解决方案提供商没有太多情境数据，但具备机器学习或强大的数据科学和分析能力，那么这种方法就很有意义。
- 情境数据 + Attribution Reporting API：广告技术解决方案可以利用广告展示网页的情境分类、广告客户和产品分类，以及 Attribution Reporting 中的数据，来发现用户在有购买特定类型产品和服务的意向时偏好的网站类型中的趋势或模式。例如，这种数据组合可能会带来一些洞察信息，例如，访问家庭活动网页的用户很可能也正在考察户外服装。
这些方法只是广告技术解决方案在不依赖跨网站用户标识符的情况下，以创新方式扩大和自定义细分受众群的众多方法中的一小部分。他们还可以集成更多信号（例如第一方数据）以及其他可保护隐私的 API 组合，以取得更出色的效果。因此，广告技术解决方案可以通过采用不同的受众群体构建方法、获取独特的数据和开发卓越的机器学习功能来脱颖而出。
再营销
广告客户可以通过再营销再次吸引之前访问过其网站的用户。目前，再营销需要在用户访问网站时在浏览器中放置第三方 Cookie，然后在其他网站上检测到该 Cookie 时，通过出价来向该浏览器展示广告。广告技术解决方案可以根据用户在整个网站中的活动，为指定网站创建不同的再营销细分受众群。
在没有第三方 Cookie 的情况下，广告技术解决方案将能够利用 FLEDGE API 来支持再营销应用场景：
- FLEDGE API：广告技术解决方案可以根据用户活动创建兴趣群体，从而为网站创建自定义再营销细分受众群。在之前使用 FLEDGE 的用例中，广告技术解决方案会从多个网站构建非常庞大的受众群体。在此使用情形中，只有一个网站试图再次吸引过往的访问者，如果没有 FLEDGE 内置的隐私保护功能，此使用情形可能会导致网站单独针对个人。此 API 在允许进行有效的受众群体再营销的同时，通过设置 k-匿名性阈值来保护个人隐私，确保有足够多的个人符合观看广告的条件。
即使没有第三方 Cookie，广告客户也能通过 Privacy Sandbox 在第三方网站上大规模使用第一方数据进行再营销。
受众群体扩展
有时，广告客户希望覆盖来自特定发布商的更多相同受众群体，但前提是这些用户位于其他网站上。受众群体扩展是指在其他网站上找到发布商的第一方受众群体，从而扩大同一受众群体的频次或覆盖面。通过使用受众群体扩展功能，发布商可以向广告客户提供细分受众群，例如兴趣相似的受众群体（例如高尔夫爱好者）或具有特定受众特征的受众群体（例如特定年龄段的受众群体），并允许广告客户在其他网站上找到这些受众群体。当广告客户希望在消费者访问零售商网站和网络上的其他位置时覆盖他们，从而提高产品认知度时，也会使用受众群体扩展功能。
广告技术解决方案将帮助发布商在没有第三方 Cookie 的情况下扩大受众群体：
- FLEDGE API：广告技术解决方案可以通过创建依赖于用户活动（例如阅读网站的特定部分 [例如旅游部分]）的兴趣组，为网站创建自定义受众群体扩展细分。此流程实际上与再营销类似，并提供相同的隐私保护。如果广告客户重视发布商的第一方受众群体数据，但无法在该发布商网站上为该受众群体获得足够的广告资源，那么这种做法就很有意义。
机器学习如何利用注重隐私保护的信号最大限度地提升效果？
随着第三方 Cookie 的弃用，广告客户可能需要考虑如何利用机器学习技术和注重隐私保护的信号来取得最佳效果。
通过自动化功能提升广告客户的成效
大多数广告技术解决方案都提供不同程度的人工和自动化广告系列优化。
最手动化的解决方案要求广告客户指定所需的受众群体、展示位置和出价，然后保持在这些输入范围内。手动设置可为广告客户提供强大的控制功能，但如果广告客户需要了解所有效果出色的受众群体和展示位置，或者无法预测每次展示的理论最佳出价（考虑到所有相关变量），则可能会导致效果欠佳。
最自动化的解决方案会要求广告客户指定期望的业务成效（例如，2 美元每次行动费用/每次销售交易费用），并使用机器学习技术来确定哪些受众群体和展示位置能为相应广告客户带来理想的效果，以及合适的出价是多少，从而达成预期目标。在这种设置中，除了预算和目标之外，对广告技术解决方案的限制很少或没有。广告客户选择的受众群体可能会被视为“建议”或“起点”，但机器学习技术会寻找所有可用数据中可能无法被人察觉的模式。
机器学习会利用这些模式来优化广告效果，具体做法是添加更相关的受众群体，并根据这些受众群体的预测效果调整出价。Privacy Sandbox 只是第三方 Cookie 弃用后可用于为机器学习提供信息的多项信号来源之一。机器学习技术可以不断测试和了解不同时间、广告系列甚至广告客户的最佳受众群体、展示位置和出价，从而最大限度地提升广告效果。不过，仍需注意的是，经验丰富的团队执行的复杂分析也能发现类似的相关性。
这样一来，广告客户无需再管理受众群体、展示位置和出价，从而减轻工作负担，并让机器学习系统能够带来尽可能理想的成效。广告技术在自动化解决方案方面的投资不仅有利于广告客户，还有助于逐步淘汰第三方 Cookie。
用于机器学习的其他信号
广告技术解决方案在决定是否出价投放广告时，一直会考虑多种信号。在没有跨网站 Cookie 跟踪的世界中，广告技术解决方案将受益于在机器学习中使用每种可用的注重隐私保护的信号，以预测点击或转化等业务成果。以下注重隐私保护的信号有时会被低估，但在没有第三方 Cookie 的未来，它们可以显著提高广告相关性：
- 广告素材特征：在组件级别（例如文字、图片、设计）分析广告素材有助于预测广告在特定受众群体或特定网页上的效果，例如广告的主题内容或是否包含大量文字。
- 第一方数据：发布商、营销者和零售网络正越来越多地构建第一方标识符和细分受众群，例如卖家自定义受众群。了解用户在特定网站上的长期行为，有助于您更好地预测哪些广告最适合该网站上的相应用户或细分，而无需进行跨网站分析。发布商的第一方数据有助于提高其所有网站的出价。这些针对特定网站的出价调整可累积提升广告系列的效果。
广告技术解决方案可以将所有可用工具（例如机器学习和可保护隐私的 API 提供的注重隐私保护的信号）与情境数据、广告素材数据和第一方数据相结合，从而获得最佳效果。
总结
在逐步淘汰第三方 Cookie 后，广告行业必须继续投放相关广告，并且消费者必须获得他们期望的隐私保护。我们知道，使用 Privacy Sandbox 等新工具进行开发需要付出努力，我们会在整个过渡期间继续为业界提供支持。
接下来，我们建议您：
- 投资在广告技术解决方案中添加可保护隐私的 API，例如 Topics、FLEDGE 和 Attribution Reporting，以便在第三方 Cookie 停用后支持常见的基于兴趣的广告投放用例。
- 将 Privacy Sandbox API 与其他注重隐私保护的信号（包括发布商第一方数据）搭配使用，以了解未来的效果并制定策略。
- 通过启用机器学习功能，让系统能够使用所有注重隐私保护的可用数据，尽可能自由地学习和优化，从而最大限度地提升广告效果。
广告技术行业可以使用 Privacy Sandbox API 执行许多核心定位和出价功能。不过，除了这些 API 之外，纳入更多可保护隐私的信号并同时部署所有这些信号，可带来诸多好处。
创新是数字广告行业的 DNA。通过改进现有的广告相关性方法，我们可以成功从第三方 Cookie 过渡到更注重隐私保护且效果更出色的网络。