2022 年 12 月 14 日
Joey Trotz
Privacy Sandbox 產品管理總監
簡介
Privacy Sandbox 的目標是確保使用者在開放且免費的網路上活動時，隱私權受到保護。為此，我們正與廣告業合作，共同改用新的私密廣告技術，並於 2024 年下半年在 Chrome 中淘汰第三方 Cookie。
無論您是產品主管、技術長、行銷長還是執行長，都必須瞭解如何在隱私權意識日益高漲的世界中，支援廣告用途，並採用可同時提升業務成果和使用者隱私權的解決方案。
毫無疑問，2023 年是關鍵的一年，我們將告別第三方 Cookie。本指南將探討廣告界如何在沒有 Cookie 的未來環境中，盡可能提高廣告關聯性：
- Google 會根據哪些資料顯示相關廣告？
- 廣告技術解決方案如何在不使用第三方 Cookie 的情況下，放送按照興趣顯示的廣告？
- 機器學習如何運用保護隱私權的信號，盡可能提高成效？
Google 會根據哪些資料放送相關廣告？
按照興趣顯示廣告 (又稱個人化廣告) 是一種廣告類型，會根據個人的興趣和偏好顯示更相關的廣告。這類廣告會使用各種資料做為信號，判斷要顯示的廣告，例如使用者看過的內容、使用者最近瀏覽的網站模式，或是先前造訪過的特定網站。
目前這些信號主要由跨網站 ID (例如第三方 Cookie) 提供，這類 ID 是裝置專屬。隨著第三方 Cookie 逐步淘汰，按照興趣顯示廣告的廣告技術解決方案應與時俱進，善用隱私權友善信號來顯示相關廣告。包括第一方資料、情境信號，以及平台提供的隱私權保護 API，例如 Topics API、FLEDGE API 和 Attribution Reporting API，有助於支援廣告業的重要用途，同時防範跨網站追蹤。
透過整個生態系統開發的創新技術，按照興趣顯示廣告功能仍可繼續運作並蓬勃發展。這些技術有助於我們朝著更完善保護使用者資料的世界邁進，同時讓廣告持續推動行銷成效，支援動態開放的網路。
廣告技術解決方案如何在不使用第三方 Cookie 的情況下，放送按照興趣顯示的廣告？
目前，以興趣為目標的廣告主通常會透過廣告技術供應商，為廣告活動設定下列項目：
- 目標：廣告主希望透過這個廣告活動達成什麼業務成果？這會告知廣告平台最佳化目標。舉例來說，廣告主可能想提高兒童服飾網站的銷售量。通常，這些目標是透過跨網站轉換代碼和歸因報表來評估。
- 目標對象：廣告主想觸及哪些對象？這會向廣告平台說明廣告主認為哪些使用者可能適合觀看廣告。舉例來說，廣告主可能想觸及目前有意購買童裝的新客。
- 刊登位置：廣告主想在哪些網站上放送廣告？這項設定會指定允許放送廣告的廣告空間或廣告空間類別。舉例來說，廣告主可以在多個網站上放送廣告，也可以選擇更有可能觸及目標對象的特定網站。
- 預算和出價：廣告主願意支付的總金額，以及針對特定動作 (例如放送曝光、廣告點擊或廣告轉換) 支付的金額。確保廣告活動符合目標的費用規定。舉例來說，廣告主可能希望花費最多 $1,000 美元，並支付最多 $2.00 美元的千次曝光出價，在指定網站上向目標對象放送 500,000 次曝光。
目標對象建立功能不斷演進
在第三方 Cookie 淘汰後，廣告解決方案供應商會想調整平台放送相關廣告的方式。如今，廣告主通常會使用目標對象，觸及最有可能對自家產品和服務感興趣的使用者，藉此提高廣告關聯性。目前廣告主常用的目標對象類型包括：
- 興趣相似目標對象：根據使用者熱愛的事物、習慣和興趣觸及他們。
- 潛在目標消費者：根據使用者最近的購買意願觸及他們。
- 再行銷：觸及曾造訪廣告主網站的使用者。
- 目標對象擴展：在其他網站上觸及特定發布商的使用者。
第三方 Cookie 淘汰後，廣告解決方案供應商可以繼續使用新方法 (包括 Privacy Sandbox API)，支援這些目標對象類型的目標。
興趣相似目標對象
目前廣告主通常會運用第三方資料區隔，向依親和度 (又稱興趣) 分類的目標對象放送廣告。許多資料市集都會提供這類目標對象，並透過需求端平台 (DSP) 和資料管理平台 (DMP) 等管道，在廣告技術生態系統中發布，以供啟用。
這類區隔通常是透過追蹤使用第三方 Cookie 的個人，然後根據類別分類和專有方法，判斷使用者是否符合類別資格，進而將使用者分組。
第三方 Cookie 淘汰後，系統會改用其他信號，判斷使用者是否符合特定目標對象的興趣相似目標條件。您可以使用 Privacy Sandbox 隱私權保護 API，透過多種方式達成這個目標，包括：
- Topics API：這項 API 提供標準化的興趣分類，以及公開已知的方法，可根據使用者近期造訪的網站類型，在裝置上分類使用者的興趣。廣告技術解決方案可以呼叫 Topics API，取得特定使用者的興趣，同時透過限制考量的瀏覽記錄長度、可存取特定主題的當事人、傳回的類別數量等方式，保護隱私權。如果廣告技術沒有直接的發布商關係或脈絡最佳化功能，這個 API 就特別實用。
- 搭配脈絡資料的 Topics API：這個進階方法會比較使用者的主題和網頁脈絡，估算使用者的其他親和度。舉例來說，廣告技術解決方案可能會發現，對特定主題 (例如戶外活動) 感興趣的使用者，造訪特定類別網頁 (例如燒烤相關網站) 的頻率較高。廣告技術可以訓練機器學習模型，預測「戶外活動」網站的訪客可能對燒烤感興趣，即使「燒烤」並未透過 Topics API 回傳為主題也一樣。如果買方廣告技術平台具備內容相關最佳化功能，這個方法就特別有用。
- FLEDGE API：這項 API 可讓廣告技術解決方案將網頁訪客標示為特定區隔的成員 (例如「對家庭冒險活動感興趣」)，藉此建立目標對象區隔。如果廣告技術解決方案供應商的合作夥伴聯播網中，有其他與「家庭冒險」相關的網站，也可以將這些網站的訪客加入同一個區隔。 FLEDGE 會將使用者指派給目標對象區隔的作業保留在裝置端，且不會與廣告技術解決方案分享同一位使用者是否屬於多個興趣群組，藉此保護使用者隱私權。這項功能會限制跨網站追蹤。如果廣告技術解決方案有網站合作夥伴網路，這個 API 就特別實用。
廣告技術解決方案可透過這些方法，提供大規模的興趣相似目標對象區隔，不必依賴跨網站使用者 ID。廣告技術解決方案不一定要限制使用單一方法，可根據發布商關係、廣告主關係和機器學習功能進行區分。
潛在目標消費者
目前，廣告主會使用第三方 Cookie 區隔，觸及歸類為「有購買意願」的使用者 (也稱為「有購買意願」)，這與根據「興趣相似」觸及目標對象的方式類似。使用者是「烹飪用具」的目標對象，還是只是對烹飪感興趣，取決於廣告解決方案供應商的專屬分類和方法。
第三方 Cookie 淘汰後，隱私權保護 API 會提供新的信號，協助您建立「有購買意願」目標對象。其他方法包括：
- Topics API：與使用這個 API 取得興趣相似目標對象類似，使用這個 API 取得目標市場目標對象時，會根據裝置端公開已知的方法和分類，傳回可近似特定使用者購買意圖的主題。系統會使用標準化的三週回溯期生成這些主題，並限制廣告解決方案供應商可用的資料總量，藉此保護使用者隱私權。不過，不同類別的產品和服務有不同的考慮週期，從幾天到幾個月不等，因此如果廣告主客戶的購物週期與主題的回溯期一致，這個 API 就很有用。
- FLEDGE API：與親和度使用情境相同，這個 API 可讓廣告技術平台建立自己的區隔，例如「有購買意願的汽車買家」。如果廣告技術解決方案供應商的合作夥伴聯播網中，有其他與「有購買意願的汽車買家」相關的網站，他們也可以將這些網站的訪客加入這個區隔，同時維護跨網站使用者隱私權。如果廣告技術解決方案有直接的發布商/廣告主關係，可進行資料合作，且需要比 Topics 允許的更多自訂項目，FLEDGE 就特別實用。
- Topics API + Attribution Reporting API：結合 Topics 和 Attribution Reporting API，即可擴大對應特定轉換 (例如購買) 的主題清單，進一步觸及有購買意願的目標對象。 舉例來說，分析或機器學習系統可能會發現，看過潛水裝備廣告並購買的使用者，通常與「海灘和島嶼」和「釣魚」主題相關聯。廣告技術解決方案可以將這項洞察資料轉換為更廣泛地觸及「正在尋找潛水裝備」的使用者，方法是選取這兩個主題的使用者。在這種情況下，Attribution Reporting 會提供主題與轉換關聯的匯總轉換資料，並加入干擾因子，藉此保護使用者隱私權。 如果廣告解決方案供應商沒有太多情境資料，但具備機器學習或強大的資料科學和分析功能，就很適合採用這種做法。
- 內容相關資料 + 歸因報表 API：廣告技術解決方案可運用廣告顯示網頁的內容相關分類、廣告主和產品的分類，以及歸因報表的資料，找出使用者在市場上購買特定類型產品和服務時偏好的網站類型趨勢或模式。舉例來說，這類資料組合可能會產生洞察資料，例如：瀏覽家庭活動網頁的使用者，也很可能是有意購買戶外服飾的目標對象。
這些方法只是廣告技術解決方案的其中幾種，可讓您在不依賴跨網站使用者 ID 的情況下，以創意方式擴大及自訂目標對象區隔。他們也可以整合更多信號，例如第一方資料和其他隱私權保護 API 組合，進一步提升成效。因此，廣告技術解決方案可採取不同的目標對象建構方法、取得獨特的資料，以及開發卓越的機器學習功能，藉此與其他解決方案做出區隔。
再行銷
廣告主可透過再行銷功能，再次吸引曾造訪網站的使用者。目前再行銷的做法是在使用者造訪網站時，將第三方 Cookie 放在瀏覽器中，然後在其他網站上偵測到該 Cookie 時，出價向該瀏覽器顯示廣告。廣告技術解決方案可根據使用者在特定網站中的活動，為該網站建立不同的再行銷區隔。
第三方 Cookie 退場後，廣告技術解決方案將可使用 FLEDGE API 支援再行銷用途：
- FLEDGE API：廣告技術解決方案可根據使用者活動建立興趣群組，為網站建立自訂再行銷區隔。在先前的 FLEDGE 用途中，廣告技術解決方案會從多個網站建立非常龐大的目標對象。在這個用途中，只有一個網站嘗試再次吸引舊訪客，如果沒有 FLEDGE 內建的隱私權保護措施，網站可能會因此找出特定使用者。這項 API 可有效進行目標對象再行銷，同時設定 k-anonymity 門檻，確保有足夠人數符合廣告顯示資格，藉此保護個人隱私。
即使沒有第三方 Cookie，廣告主仍可透過 Privacy Sandbox，在第三方網站上大規模使用第一方資料進行再行銷。
目標對象額外資訊
有時廣告主希望在其他網站上，觸及與特定發布商相同的目標對象。目標對象擴展程序會在其他網站上找出發布商的第一方目標對象，藉此擴展目標對象，提高同一目標對象的展示頻率或觸及範圍。發布商可透過目標對象擴展功能，向廣告主提供目標對象區隔 (例如興趣相似目標對象 (高爾夫球愛好者) 或受眾特徵 (年齡範圍))，並允許廣告主在其他網站上尋找該目標對象。如果廣告主想在消費者於零售商網站和其他網頁購物時觸及他們，藉此提高產品知名度，也可以使用目標對象擴展功能。
廣告技術解決方案可為發布商擴展目標對象，不必使用第三方 Cookie：
- FLEDGE API：廣告技術解決方案可建立依使用者活動 (例如閱讀網站的特定部分，如旅遊部分) 而定的興趣群組，為網站建立自訂目標對象擴展區隔。這個程序與再行銷類似，並提供相同的隱私權保護措施。如果廣告主重視發布商的第一方目標對象資料，但無法在該發布商網站上取得足夠的目標對象廣告空間，就很適合使用這項功能。
機器學習如何運用保護隱私權的信號，盡可能提高成效？
隨著第三方 Cookie 遭到淘汰，廣告主可能會想瞭解如何運用機器學習和保護隱私權的信號，締造最佳成效。
運用自動化功能提升廣告主成效
大多數廣告技術解決方案都提供不同程度的手動和自動廣告活動最佳化功能。
最手動的解決方案需要廣告主指定所需的目標對象、刊登位置和出價，然後維持這些輸入內容。手動設定可讓廣告主充分掌控，但如果廣告主需要瞭解所有成效良好的目標對象和刊登位置，或無法預測每次曝光的理論最佳出價 (考量所有相關變數)，手動設定可能會導致成效不佳。
最自動化的解決方案會要求廣告主指定期望的業務成果 (例如$2 動作/銷售單次動作出價)，並運用機器學習技術，找出該廣告主成效良好的目標對象和刊登位置，以及達成目標的合適出價。在這種設定中，廣告技術解決方案幾乎沒有任何限制，只有預算和目標。廣告主選取的目標對象可視為「建議」或「起點」，但機器學習會從所有可用資料中尋找人類可能無法辨識的模式。
機器學習會運用這些模式，加入更多相關目標對象，並根據這些目標對象的預測成效調整出價，進而提升成效。第三方 Cookie 淘汰後，Privacy Sandbox 將成為機器學習可用的眾多信號來源之一。機器學習技術會持續測試並瞭解所有最佳目標對象、刊登位置和出價，進而盡可能提升廣告成效，這項技術適用於所有時間、廣告活動，甚至是廣告主。不過，由專業團隊進行的精細分析，也可能發現類似的關聯性。
廣告主不必再管理目標對象、刊登位置和出價，可減輕工作負擔，並讓機器學習系統盡可能爭取最佳成效。廣告技術投資自動化解決方案，除了能讓廣告主受益，也有助於擺脫第三方 Cookie。
機器學習的其他信號
廣告技術解決方案一向會考量多項信號，再決定是否出價放送廣告。在沒有跨網站 Cookie 追蹤的世界中，廣告技術解決方案將能運用機器學習技術，根據所有可用的隱私權安全信號預測點擊或轉換等業務成果。以下信號有助於確保隱私權，雖然有時會被低估，但對於未來不使用第三方 Cookie 的廣告相關性來說，卻是相當重要：
- 廣告素材特徵：從元件層級分析廣告素材 (例如文字、圖片、設計)，有助於預測特定目標對象或特定網頁的成效，例如廣告的主題或是否包含大量文字。
- 第一方資料：發布商、行銷人和零售聯播網越來越常建構第一方 ID 和區隔，例如賣家定義的目標對象。瞭解使用者在特定網站上的長期行為，有助於預測哪些廣告最適合該網站上的使用者或區隔，無需進行跨網站剖析。發布商的第一方資料有助於提升所有網站的出價。這些網站專屬的出價改善措施，可逐步提升廣告活動的整體成效。
廣告技術解決方案可結合所有可用工具，例如機器學習、隱私權保護 API 提供的隱私權保護信號、比對內容資料、素材資源資料和第一方資料，進而獲得最佳成效。
結論
第三方 Cookie 淘汰後，廣告業必須繼續放送相關廣告，並為消費者提供他們期望的隱私權保護。我們瞭解使用 Privacy Sandbox 等新工具開發產品需要付出努力，因此會持續在過渡期間為業界提供支援。
建議您採取下列行動：
- 在廣告技術解決方案中加入 Topics、FLEDGE 和 Attribution Reporting 等隱私權保護 API，以便在第三方 Cookie 淘汰後，支援常見的按照興趣顯示廣告使用情境。
- 搭配其他保護隱私權的信號 (包括發布商第一方資料) 測試 Privacy Sandbox API，瞭解未來成效並制定策略。
- 啟用機器學習功能，盡可能使用所有可保護隱私權的資料，讓系統盡量自由地學習和最佳化，進而爭取最佳成效。
廣告技術產業可使用 Privacy Sandbox API 執行許多核心指定目標和出價功能。不過，除了這些 API 之外，納入其他隱私權保護信號並一併部署所有信號，可帶來許多好處。
創新是數位廣告業的 DNA。透過改良現有的廣告關聯性做法，我們就能順利從第三方 Cookie 轉移至更注重隱私權且成效更佳的網路。