隐私优先时代的广告定向策略——基于内容而非用户画像的精准投放
上下文定向（Contextual Targeting） 是一种广告投放策略，基于广告展示环境的内容特征（而非用户个人数据）来决定展示哪些广告。
与行为定向（Behavioral Targeting） 形成鲜明对比：
| 维度 | 上下文定向 | 行为定向 |
|---|---|---|
| 定向依据 | 页面/应用内容 | 用户历史行为 |
| 数据需求 | 内容分析（文本、图像、视频） | 用户画像、跨站点追踪 |
| 隐私依赖 | 低（无需个人数据） | 高（需收集行为数据） |
| 实时性 | 基于当前浏览内容 | 基于历史积累数据 |
| 合规性 | 高（GDPR/CCPA 友好） | 需明确同意（ATT/GDPR） |
"Contextual targeting is targeting on a web page based on the page's content. Contextual targeting uses the information already present on the page to match a brand's ad to the content the user is consuming."
页面内容抓取
↓
文本提取（标题、正文、元数据）
↓
自然语言处理（NLP）
↓
主题分类（Taxonomy）
↓
关键词提取（Keyword Extraction）
↓
情感分析（Sentiment Analysis）
↓
广告匹配（Ad Matching）
↓
实时竞价（RTB）
来源: Mapendo Blog
文本分类：
关键词提取：
情感分析：
对于移动应用，上下文定向的信息源包括：
"The basic information that is available for context targeting for apps is about the time of the device, the device itself, the category of the app and the session inside the apps."
— Mapendo
可用信号：
2021 年前（IDFA 时代）：
2021 年后（ATT 时代）：
"Contextual targeting is having a comeback to the world of online advertising."
— Mapendo
| 特性 | 行为定向 + ATT | 上下文定向 |
|---|---|---|
| 需要用户同意 | 是（ATT 弹窗） | 否 |
| 跨应用追踪 | 受限 | 不需要 |
| 数据收集 | 大量用户行为 | 仅页面内容 |
| 技术实现 | 复杂（需 ID 匹配） | 简单（内容分析） |
| 用户感知 | 被追踪感 | 自然相关 |
无需个人数据：
透明度：
GDPR 合规性：
CCPA 合规性：
来源: Seekr
"67% of consumers complain that the ads they see aren't relevant to them."
典型场景：
技术栈：
来源: Mapendo
应用内场景：
信号利用：
应用类别 + 当前页面 + 时段 + 设备类型
↓
广告匹配算法
↓
相关广告展示
来源: Edge226
| 场景 | 推荐策略 | 原因 |
|---|---|---|
| 新用户/冷启动 | 上下文定向 | 无历史数据 |
| 已知用户 | 行为定向（需同意） | 精准度高 |
| 隐私敏感市场（欧盟） | 上下文定向 | 合规优先 |
| 品牌安全要求 | 上下文定向 | 可控内容环境 |
| 效果广告（ROAS） | 混合策略 | 平衡精准与规模 |
| 维度 | 上下文定向 | 行为定向 |
|---|---|---|
| 精准度 | 中（基于当前兴趣） | 高（基于历史积累） |
| 隐私友好 | 高 | 低 |
| 合规成本 | 低 | 高（需同意机制） |
| 冷启动 | 立即生效 | 需数据积累 |
| 跨平台能力 | 强（内容通用） | 弱（需统一 ID） |
| 品牌安全 | 高（可控环境） | 中（依赖黑名单） |
| 长期效果 | 中 | 高（用户画像深化） |
| 技术门槛 | 中（NLP 能力） | 高（数据工程+算法） |
来源: StackAdapt
"Contextual ads are always relevant because they're based on what a user is actually searching, watching, or reading. Since contextual advertising focuses on what the user is currently seeking on the internet, it offers the opportunity to align with a user's current frame of mind."
GDPR 视角：
ePrivacy Directive（欧盟）：
中国 PIPL：
IAB（互动广告局）：
MRC（媒体评级委员会）：
苹果支持上下文定向：
第一代（2000-2010）：
第二代（2010-2020）：
第三代（2020-至今）：
大语言模型的应用：
计算机视觉：
| 趋势 | 说明 |
|---|---|
| 隐私计算结合 | 差分隐私下的上下文增强 |
| 第一方数据融合 | 品牌自有数据 + 上下文 |
| 情境感知 | 结合时间、地点、天气等情境 |
| 动态创意优化 | 根据上下文实时生成广告内容 |
| 资源 | 链接 | 说明 |
|---|---|---|
| Mapendo 上下文定向指南 | Blog | 移动应用上下文营销 |
| GumGum 上下文 vs 行为 | Blog | 基础概念对比 |
| Seekr 对比分析 | Resource | 关键差异详解 |
| Edge226 深度分析 | Blog | 数字营销视角 |
| StackAdapt 对比 | Blog | 程序化广告视角 |
| 标准 | 说明 |
|---|---|
| IAB Tech Lab Taxonomy | 广告内容分类标准 |
| OpenRTB 2.5+ | 实时竞价协议（支持上下文信号） |
| ads.txt / app-ads.txt | 广告授权声明 |
本文最后更新：2026-05-31
免责声明：本文仅供技术教育目的。广告实践需遵循当地法规与平台政策。