“对比朋友点赞的内容，我发现，机器推荐的远不如人工（或者说朋友）推荐的精彩。”2020年1月18日，腾讯公司高级执行副总裁、微信 事业群总裁张小龙在微信十周年公开课上，解释了微信视频号的推送逻辑。
当前，数据与算法无形中影响着整个互联网生态。在广告行业，数据算法加快了互联网广告不断革新，媒介平台通过对用户行为的数据收集、整理和标签，提炼出目标受众，进而面向广告主进行基础竞价、平台投放及后续分析等。
“互联网广告的核心逻辑是计算与数据驱动。”科大讯飞副总裁刘鹏在其撰写的《计算广告》一书中指出：“即便在今天，计算广告仍然是大数据应用中最成熟、市场规模最大的行业。”
需要注意的是，互联网广告快速崛起的过程中，数据垄断、隐私侵犯等问题层出不穷，数据安全规范迫在眉睫。此外，正如微信视频号推送，一旦用户被标签化，算法推荐与实际需求是否匹 配同样值得业内人士思考。
广告进入量化时代
2020年以来，传统广告向互联网广告的转变进程正不断提速。
2021年1月12日，由中关村互动营销实验室发布的《2020 中国互联网广告数据报告》（以下简称“《报告》”）显示，2020 年中国互联网克服全球疫情的严重影响，互联网广告全年收入 4971.61 亿元，同比增长 13.85%，增幅较上年减缓 4.35 个百分点。
在需求端，得益于互联网技术，中小广告主有了更多投放机会。刘鹏指出，互联网广告的出现，使大品牌客户和中小客户的地位发生扭转，由于门槛太高而不能在电视等传统媒体投广告的中小品牌，现在可以选择投放在头条、谷歌等流量平台。
《报告》显示，小微、新锐品牌广告主在2020 年广告投资费用同比增长 50%，高于成熟品牌五个百分点，成为支撑 2020 年互联网广告市场的新生力量。在年度增幅超过 10% 的广告主中，小微、新锐广告主占 39%，成熟广告主则只有 28%。
在供给端，媒介平台涌现出了社交广告、搜索广告、电商广告、视频直播等品类。例如，社交平台中，当人们在微信群讨论旅游、考试等话题，朋友圈就会有相关广告推送；在搜索平台，用户寻找一家医院或是教育机构，展示在网站首页的常常是广告推介；在电商平台，推荐页面也经常显示消费者刚刚浏览或购买的相关商品……
此外，受疫情影响，视频和直播成为当下备受推崇的广告模式。根据《报告》数据，2020 年全年，视频广告收入规模约为904 亿元，同比增长 64.91%；2020 年上半年电商直播场次超过 1000 万场，上架商品数超过 2000 万件。
互联网广告崛起背后，离不开平台沉淀的数据资产，这当中包括广告主储存的数据、广告平台提供的数据，以及第三方监测机构带来的数据。只有拥有规模化数据沉淀，媒体平台才能够定义用户标签，达到广告精准投放等目的。
当广告数据不足以有效刻画用户时，平台便要寻求搜索、购物等行为数据。例 如，亚 马 逊（Amazon）在2020 年 10 月 推 出 购 物 者 小 组 （Shopper Panel）计划。该计划的受邀客户通过上传 10 张符合要求购物收据、回答由亚马逊提供的简短调查后，就可以获得 10 美元的亚马逊余额充值或慈善捐款。
有了数据，下一步就是算法。相较于传统广告，互联网广告的核心优势是“可量化”。通过全流程监控，平台可以对用户行为数据综合分析，从而确定渠道效果转化情况，帮助广告主更为合理地分配预算。亚马逊谈及购物者小组计划时表示，公司将利用所获得信息衡量平台广告效果、评测新产品和新内容。
eCPM（expected Cost Per Mille，千次展示收益）是广告效果核心量化指标之一，可以分解为点击率和点击价值的乘积。《计算广告》指出，eCPM 分解后的各部分由谁决定，是广告计费模式产生的根本原因。广告计费方式主要包括CPT（展示时长）、CPM（千次展示）、CPC（点击）及 CPS/CPA/ROI（销售订单数、转化行为数或投入产出比）等。
数字广告如何“向善”？
数据和算法不仅改变了广告模式，同样改变了广告初衷。“我知道我的广告费有一半都被浪费掉，但就是不知道 哪一半。”——在社交媒体时代，媒介平台通过人群属性进行广告定向投放，这句广告届的“哥德巴赫猜想”或将被改写。
数据创造互联网繁荣的同时，也不可避免带来了行业垄断、用户隐私威胁等痛点。由于用户姓名、电话、住址、 行为等个人信息被平台记录，借助网络平台侵犯用户隐私安全的违法案例屡见不鲜，建立良好的互联网生态环境越发重要。
2018 年，“史上最严数据保护条例”《通用数据保护条例》（GDPR）落地，规定了企业在对用户的数据收集、存储、保护和使用的新标准。随后，各国陆续推出或修订了数据合规相关立法。
近两年来，我国相继出台《数据安全管理办法（征求意见稿）》《数据安全法（草案）》等数据安全法案，以及《关于平台经济领域的反垄断指南（征求意见稿）》《规范促销行为暂行规定》等平台行为规范。
在立法规范下，我国头部互联网平台及监测机构，也纷纷探索落地更多高效、安全、可靠的数据安全解决方案。例如，巨量引擎一方面利用联合建模训练出专属私有模型，之后进行投放；另一方面通过联邦学习技术，在不泄露明文数据的前提下，用多方的数据共同训练模型，增进平台间协同效率和广告投放效果最大化。
除了数据安全问题，用户需求与机器算法之间的矛盾同样值得关注。算法为用户提供了便利，同时也编织了信息茧房。人们对自己热衷的新闻、商品往往带有一定偏好，乐于沉浸在自我天地中。
而算法技术可以洞察用户偏好，通过个性化推荐增强用户黏性。算法时代，人们看到的信息大多是机器希望我们看到的；消费者做出购买决策也可能是机器推荐的结果……个性化推送究竟是“千人千面”还是“单人单面”？
《今日简史》中，作者尤瓦尔 赫拉利认为，算法不再只是生产者，同时扮演起客户的角色。算法依据其内部运 算和内置偏好做出各种选择，而这些内置偏好对人类世界的影响也日益增加。人类既不需要作为生产者，也不需要作为消费者。
在此背景下，人工与算法能否合理分配，成为用户摆脱信息茧房的关键所在。例如，微信视频号推荐时，张小龙认为应该以实名点赞的社交推荐为主、机器推荐为辅，而庞大的用户基数是实现社交推荐的基础。“就好像人们 选择书籍，多数情况因为周围人推荐，而不是网上书店推荐。”张小龙解释道。
当然，数据和算法并非原罪。平台作为技术的实际应用者，应当基于优质的内容，合理改进算法推荐，从而打破信息茧房的封闭空间。正如张小龙所说：“并不是机器推荐没有用，而是要在内容丰富的情况下才能发挥作用。”
