关于数字广告的一种方便的叙述是，它已经度过了之前的每一个威胁——从弹出窗口拦截器到“请勿追踪”——而且它也将度过这次威胁。这种叙述忽略了前几波浪潮所没有的东西：多种力量同时汇聚，每种力量都攻击支持该模型的基础设施的不同层。现在发生的事情并不是一个可以通过技术解决方案克服的孤立压力。这是对地基的同时侵蚀。
该模型如何运作以及它为何重要
注意力经济的运行周期表面上很简单，但执行起来却很复杂。平台捕获行为——您点击什么、您在每条内容上花费多长时间、您搜索什么、您与谁互动、您什么时间起床。这种行为经过处理后可以建立远远超出基本人口统计数据的心理概况。个人资料以分段关注的形式出售：广告商购买的不是空间，而是在特定时间了解特定人群的特定心理状态的机会。
这个模型的强大之处在于它完全依赖于所收集的行为数据，而用户不知道正在捕获、交叉引用和推断什么。当此集合因任何原因受到限制时，个人资料准确性会下降，每千次展示费用也会随之下降，并且广告商的价值主张也会减弱。该平台需要用数量来弥补——更多的用户、更多的屏幕时间、更多的内容消费——这解释了为何故意让人上瘾的设计在多个国家引发了诉讼。
腐蚀基地的力量
监管是第一战线。自 2018 年起生效的欧洲 GDPR 制定了判例法，限制浏览器跟踪实践并强制更改同意系统。巴西的[LGPD0] 也遵循同样的道路，过去两年的执法工作取得了一致性。结果并不是数字广告的灭绝，而是合规成本的增加，更重要的是，创造了一个法律环境，在这个环境中，最具侵入性的做法现在面临着具体的罚款风险。
第二条战线是基础设施。 Apple 于 2021 年实施了应用程序跟踪透明度，并从结构上改变了平台跨 iOS 应用程序跟踪用户的能力。 Meta 受到的影响是有记录的，而且是残酷的：该公司估计变革后的第一年广告收入损失了 100 亿美元。自 2020 年以来，Safari 一直在阻止第三方 Cookie。Chrome 经过多年的拖延后，现在正在实施自己的限制。跨站点跟踪——程序化广告的个性化引擎——正在被浏览器和操作系统的基础设施系统地拆除。
第三个方面是行为方面。伴随着互联网长大的用户正在培养前几代人所不具备的广告素养。在多个欧洲市场，超过 40% 的桌面用户安装了广告拦截器。对“倾听对话”平台的不信任——即使技术证据模棱两可，这种看法仍然存在——反映出在注意力经济增长阶段并不存在的怀疑程度。
广告商已经在做什么
广告投资多元化的趋势是可以衡量的。以前专门用于社交媒体平台上的效果广告的预算正在重新分配到不太依赖第三方数据的渠道：搜索（使用明确的意图，而不是行为推理）、具有特定垂直受众的出版物中的赞助内容以及时事通讯和播客等专有渠道。
第一方数据的概念——品牌本身直接从与客户的关系中收集的数据——已经成为那些意识到完全依赖外部平台数据的脆弱性的公司的战略优先事项。与那些将这些知识完全外包给 Google 和 Meta 的人相比，那些拥有自己的注册、购买历史并与客户有直接关系的人受到监管波动的影响较小。
正在普及的模型
替代并不是单一的——没有单一的模型可以填补行为广告留下的空间。这种转变是分层发生的。
订阅已成为广告资金的替代方案。 Substack、Spotify、Netflix 和时事通讯市场本身表明，当价值主张明确且消除广告体验时，人们确实愿意为内容付费。数字订阅最显着的增长恰逢最饱和和广告侵入的时期，这并非巧合。
上下文广告——根据用户正在消费的内容而不是累积的行为档案来显示广告——再次获得了投资。它在技术上更简单，更少依赖第三方数据，并且被证明对某些产品类别有效，它代表了传统媒体广告模式的部分回归，但具有数字提供的内容定位能力。
商业媒体——根据第一方购买数据销售广告空间的零售平台——正在迅速增长。亚马逊、Mercado Livre 和拥有忠诚度计划的实体零售连锁店拥有合法获得的购买数据、上下文相关且不易受到跨站点跟踪监管的影响。
数字内容制作者会发生什么变化
这种模式的转变给内容制作者带来了特别的压力，他们几乎完全依靠展示和前置每千次展示费用来获得收入。数字新闻业首先感受到了这种压力，但利基出版商、视频创作者和内容网站运营商也面临同样的困境。
可行的答案是不要等待广告市场稳定下来。这意味着在主要收入来源恶化到无法运作之前建立多种收入来源。这意味着开发专有受众——电子邮件列表、社区、直接关系——而不是依赖于在没有警告的情况下改变算法和货币化政策的平台的有机影响力。这意味着创建具有足够价值以证明直接支付合理的信息产品。这意味着将与观众的关系视为一种资产，而不是内容生产的副产品。
注意力商业模式不会一下子消失。但其维持高质量内容运营的能力已经在下降——任何等待情况恢复正常的人都在押注于积累的证据。
另请阅读
- 【LGPD两年后：巴西企业真正发生了什么变化1
- [分布式太阳能及围绕其出现的商业模式2
- 【数字产品中的大数据：实践中的良好实践3
- [数据加密4
- 【合成数据与隐私：在不暴露个人数据的情况下进行训练和测试5
- [用于测试和质量保证的综合数据：不复制生产的真实质量6