京公网安备 11010802034615号
经营许可证编号:京B2-20210330
区块链是如何重塑广告和媒体领域的
数字广告欺诈是商业界的一个重大问题。事实上,广告欺诈是一个非常严重的问题,37%的受访广告客户会乐意支付额外费用,以确保他们所支付的流量能与一个真正的人联系在一起。
作为一个在互联网上建立了整个职业生涯的人,我已经意识到广告欺诈的每一步。这就是为什么我从来没有急于把钱投入到数字广告活动中,而宁愿走更长的路去想如何推动有机交通的原因。
当你知道这台机器坏了,干吗一直往里面装二角五分硬币呢?
尽管有大量盈利的业务是建立在套利网络流量和通过数字广告转换潜在客户的基础之上的,但该行业仍然需要进行大规模的改革。而阻止广告商防范欺诈的一个问题就是验证所支付行动的可信性:比如点击率、浏览量等。许多这些度量标准可以被机器自动化,并且很难知道哪些是真实的,哪些不是。
在过去的一年里,我被区块链技术迷住了。
我沉浸在其中。我已经为这个领域的新兴公司写了一些白皮书。我被请到了ShipChain、RedPen、MagnaChain等公司担任顾问。
从供应链跟踪到作者可信度,再到提供允许开发人员在一个公共区块链上启动当前和未来游戏的软件开发工具包,用例是无穷无尽的——我真的相信,我们正在目睹下一个伟大的技术进步。但我认为迫切需要关注的一个用例是数字广告欺诈。而区块链技术则是解决一个看似不可能解决的问题的方法。
以下是PPC Protect提供的一些让人震惊的统计数据:
广告欺诈统计
·广告欺诈僵尸网络“变色龙”每月花费广告客户600万美元以上(Spider.io,2016)。
·2016年,营销人员因数字广告欺诈而损失了72亿美元(WhiteOps,2016)。
·在5个为广告服务的网站中,就有1个是骗子(The Verge,2017)。
·每花3美元在数字广告上,有1美元就是欺诈(Adage.com,2015)。
·全年的欺诈程度并不一致。无论何时何地,只要数字广告的需求超过了供应,就会有人提出欺诈。(WhiteOps,2017)
·2017年,美国品牌将因广告欺诈损失65亿美元(营销周刊,2017)
·综合广告科学公司(Integral Ad Science)检查的显示广告发现,8.3%的印象都是虚假的(Integral Ad Science,2016)。
广告网络
目前,广告商和媒体公司倾向于使用广告网络来寻找广告,广告网络将建立一个客户和媒体来源的书,收集大量的广告预付款,然后通过媒体来源监控广告的放置和表现。
Google AdSense是这些提供者中最大的,但往往支付较少而且更容易访问。其他的广告网络专注于某些类型的内容或公司。在这个过程中,他们都会占用广告支出中的很大一部分。
当你思考区块链是如何在这里提供一个解决方案时,我告诉你这项技术可以使广告商和媒体公司合作。广告查看可以在区块链上进行验证,并通过智能合约自动地分散支付。
当然,该技术进入的障碍将是最初的市场采用和建设技术的速度要求。
媒体购买
传统的媒体购买是指在电视、广播、广告牌等方面购买广告,这需要某种形式的销售系统。。然而,传统媒体购买目前却被文书工作和其他低效率所拖累。
这里的解决方案是尽可能多地解决这些效率低下的问题——而不是在屏幕上记录发生过的同样事情。因为这并不会导致效率的提高,这只是对过时系统的小小升级而已。
我知道AdBit正在启动一个去块链解决方案,将传统媒体购买者直接与媒体提供商联系起来,用智能合约跟踪交易。这将让购买者更放心,因为他们知道自己实际上得到了所需的广告,并获得了关于竞选业绩的更多信息——这样做的目的是改善购买广告的体验,帮助媒体所有者更成功地将其受众货币化。
广告交易平台
虽然前两个解决方案侧重于将媒体所有者和广告购买者联系起来,但也存在分散的广告交易平台的潜力。在这个系统中,广告客户可以指定一个价格和人口,并让他们的广告自动托管。这将类似于Facebook的广告,但可以更好地为广告商量身定做,从而在更大的范围内找到客户。
建立一个分散的自治组织(DAO)来管理广告单元和广告代币的交易,可以帮助解决这个问题。这里最大的障碍之一是交易的速度要求。当某人查看一个广告空间时,广告客户需要在数秒内支付广告空间的费用。随着区块链速度的提高和分散化的交换经历更准确的测试,这将可能是一个主要的解决方案,可以帮助广告商和内容提供商获得更多的利润。
个人资料
许多区块链爱好者最喜欢的是能够在区块链上销售自己的数据。这里的想法是,像Facebook和Google这样的公司可以为你的收视率和信息获得报酬。然而,在区块链上,广告商可以直接支付用户的个人数据费用,而不是通过中介支付。
然而,这个用例需要一段时间才能建立起来。从长远来看,公司将需要从与中间商合作转变为处理每个用户的数据集。此外,还需要有足够的公司在平台上花钱,以激励用户参与。
随着区块链速度的提高和智能合约的改进,以及越来越多的公司采用区块链技术,在广告领域使用该技术也变的越来越有希望。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14