谷歌用于替代第三方Cookie的技术效果如何？到目前为止，效果一般。为了让谷歌推广有更好的效果，周二，谷歌广告（Google Ads），谷歌的第三方广告技术，公布了一项实验结果，该实验旨在独立评估基于兴趣的受众解决方案（包括Topics API、第一方出版商ID和上下文数据）的贡献。实验包括Chrome隐私沙箱提案的测试，以及谷歌自家以隐私为重点的广告工具的测试。据谷歌全球广告副总裁Dan Taylor周一向一群记者介绍广告实验时表示，谷歌一直在研究所谓的基于兴趣的受众产品，以长期减轻在线跟踪数据的损失。

谷歌广告测试是从第三方广告技术提供商（谷歌将其称为“ATP”）的角度进行的。此次研究紧随Chrome隐私沙箱的其他实验，这些实验是由ATP（抱歉）领导的，包括Criteo和RTB House，它们都遇到了困难。现在，谷歌广告也对测试隐私沙箱提案感到沮丧。谷歌广告与第三方广告技术的处境类似，后者越来越受制于浏览器制造商如何定义隐私。毕竟，越来越多的用户在选择浏览器时，将隐私放在首位。
“事实证明，现在有80%的人担忧他们的在线隐私状况，几乎有一半的人因隐私问题而放弃使用某些服务，”Taylor说。“所以这很可怕。”

好消息
Taylor表示，谷歌广告实验对于无需使用第三方Cookie的数据驱动广告是令人鼓舞的。测试涉及一个使用第三方Cookie进行定位的Chrome受众控制组，以及一个仅使用基于兴趣的信号进行定位的测试组：基于网站的上下文数据、出版商的第一方ID（如有）和来自Topics API的数据。（Topics根据用户的浏览历史将用户按兴趣分类，如“时尚”或“新闻”）。“使用隐私保护信号触达用户的广告与基于第三方Cookie性能相对保持了相当高的准确度，”Taylor表示。与使用第三方Cookie定位相比，点击率下降不到10%，测试组的每花费1美元的转化率下降了1%至3%。这并不完全是一个号召性的表现，但对于谷歌的隐私产品工具包来说，这确实是一个进步。谷歌希望将Topics API（过去作为独立产品进行测试）纳入数据拼图的一部分，这种情况还包括出版商ID和上下文数据。

不好的方面
尽管如此，这里还有很多需要注意的地方。尽管谷歌广告研究确实增加了隐私沙箱实验的内容，但它也显示了Chrome团队在准备在2024年第三季度之前完成第三方Cookie淘汰之前还有很长的路要走。此次测试在很多方面都受到了限制，实际上，从这些结果中得出的结论除了温和的乐观之外，几乎没有什么。A/B试验广告活动仅进行了五周，这对于某些产品销售来说时间不足，Taylor表示。五周也不足以让谷歌的机器学习优化发挥作用。测试还仅在Chrome的显示广告活动中进行。虽然谷歌广告在测试组中避免了使用第三方Cookie进行定位，但测试组和对照组的广告活动都使用了第三方Cookie进行归因、再营销和频次上限。尽管如此，据Taylor表示，该测试使谷歌对基于兴趣的细分市场，如“市场内”和“相关性”等受众定位与基于Cookie的受众定位在实践中的表现有了“很好的了解”。但是，如果谷歌的隐私保护广告产品要独立存在，它们最终必须在整个广告活动中摒弃第三方Cookie，包括测量。

需求
为此，谷歌广告针对Chrome团队提出了一些建议。为此，谷歌广告针对Chrome团队提出了一些建议。一个建议，与其他第三方供应商一样，是按URL而不是主机名分配Topics。（这意味着，例如，ESPN访客会被分配一个通用的“体育”主题，而某些特定文章可能会更直接地将这些访客标记为“纽约体育迷”）。谷歌还建议删除可以从网页本身推断出的Topics。例如，ESPN根本不应该被归为“体育”类别。因为，这太明显了。相反，谷歌广告团队呼吁将 Topics API 更倾向于使用更细分且具有商业价值的类别。小众网站，如相机爱好者页面，可能没有足够的流量来获得 Topics 分配，因为 API 更倾向于流量较大的网站。但是，这个小众网站的“相机爱好者” Topics 分配比那些被归入更广泛的“新闻”或“体育”板块的人更有价值。谷歌广告承认的另一个问题是，随着第三方 Cookie 淘汰在未来一年内展开，以及网络上其他广告 ID 的减少，关于用户的分类数据将变得越来越不精确。“鞋子购物者”的潜在客户群可能仍然源源不断，但其中已知的“乔丹爱好者”会越来越少，导致转化率降低。这一点可以从谷歌广告测试结果中看出。

“赢家”
尽管面临挑战，但谷歌广告研究中的最佳表现者是……谷歌的机器学习广告产品套件。真是意料之外。谷歌的机器学习产品，如 Performance Max（最大性能）、Automated Bidding（自动竞价）和模型转化，使谷歌广告在定位和测量方面拥有更多控制权，而广告商对广告活动数据的可见性和访问权限则有所减少。然而，正如 Taylor 所指出的，谷歌的机器学习产品确实帮助广告商实现大规模有效的定位，因为谷歌引擎在弥补第三方 Cookie 的损失方面“填补了空白”。机器学习解锁了新的受众，因为广告商受到自身数据的限制和与隐私相关的限制。如果没有机器学习的提升，广告商最终会定位近似对象或重新定位自己的数据。当基于浏览器的隐私控制阻止了关于用户的连接和推断时，很难找到新的、非明显的潜在客户。当然，机器学习广告产品并非没有缺点。购买者担心不得不将定位和自我归因的钥匙交给平台。但这并没有阻止谷歌的发展。“这最后一个见解特别是我所热衷的，”Taylor 说。“我们全力投入利用谷歌 AI 为我们的广告产品服务。”