
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01