隐私时代
High Contrast
Dark Mode
Light Mode
Sepia
Forest
2 min read311 words

隐私时代

第三方 Cookie 消亡、GDPR 执法加严——广告人必须拥抱隐私优先。

隐私法规全景

graph TD PRIVACY[隐私法规] --> GDPR[GDPR 欧盟] PRIVACY --> CCPA[CCPA/CPRA 加州] PRIVACY --> PIPL[PIPL 中国] PRIVACY --> PIPA[PIPA 韩国] PRIVACY --> PDPA[PDPA 东南亚] GDPR --> CONSENT[明确同意] GDPR --> RTBF[被遗忘权] GDPR --> FINE[罚款 4% 全球营收] CCPA --> OPTOUT[用户可拒绝出售数据] PIPL --> LOCAL[数据本地化] style PRIVACY fill:#e3f2fd,stroke:#1565c0,stroke-width:2px style GDPR fill:#fce4ec,stroke:#c62828,stroke-width:2px

合规检查清单

"""
广告隐私合规检查
"""
from dataclasses import dataclass, field
@dataclass
class PrivacyAudit:
"""隐私合规审计"""
items: list[dict] = field(default_factory=list)
def __post_init__(self):
self.items = [
{"类别": "数据收集", "检查项": "Cookie 同意横幅", "GDPR": True, "CCPA": True},
{"类别": "数据收集", "检查项": "隐私政策页面", "GDPR": True, "CCPA": True},
{"类别": "数据收集", "检查项": "数据收集最小化", "GDPR": True, "CCPA": False},
{"类别": "用户权利", "检查项": "数据删除请求流程", "GDPR": True, "CCPA": True},
{"类别": "用户权利", "检查项": "数据导出功能", "GDPR": True, "CCPA": False},
{"类别": "用户权利", "检查项": "拒绝出售数据按钮", "GDPR": False, "CCPA": True},
{"类别": "广告追踪", "检查项": "Pixel 需用户同意", "GDPR": True, "CCPA": False},
{"类别": "广告追踪", "检查项": "服务端追踪替代方案", "GDPR": True, "CCPA": True},
{"类别": "数据传输", "检查项": "跨境数据传输协议", "GDPR": True, "CCPA": False},
{"类别": "记录", "检查项": "数据处理记录 (ROPA)", "GDPR": True, "CCPA": False},
]
def audit(self, compliant_items: list[str]) -> dict:
"""执行审计"""
results = []
for item in self.items:
status = "✅" if item["检查项"] in compliant_items else "❌"
results.append({**item, "状态": status})
total = len(self.items)
passed = sum(1 for r in results if r["状态"] == "✅")
return {
"总项": total,
"通过": passed,
"合规率": f"{passed/total*100:.0f}%",
"风险等级": "低" if passed/total > 0.8 else "中" if passed/total > 0.5 else "高",
"明细": results,
}
audit = PrivacyAudit()
result = audit.audit([
"Cookie 同意横幅",
"隐私政策页面",
"数据删除请求流程",
"Pixel 需用户同意",
"服务端追踪替代方案",
])
print(f"=== 隐私合规审计: {result['合规率']} (风险: {result['风险等级']}) ===")
for item in result["明细"]:
req = "GDPR" if item["GDPR"] else ""
req += "+CCPA" if item["CCPA"] else ""
print(f"  {item['状态']} [{req}] {item['检查项']}")

第一方数据策略

graph LR FP[第一方数据] --> CRM_D[CRM 数据] FP --> WEB[网站行为] FP --> APP[APP 数据] FP --> EMAIL[邮件互动] FP --> SURVEY[问卷调研] CRM_D --> CDP[CDP 客户数据平台] WEB --> CDP APP --> CDP EMAIL --> CDP SURVEY --> CDP CDP --> SEG[用户分群] CDP --> MATCH[平台匹配上传] CDP --> PRED_USER[预测建模] MATCH --> FB_M[Facebook CAPI] MATCH --> GG_M[Google Customer Match] style FP fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px style CDP fill:#e3f2fd,stroke:#1565c0,stroke-width:2px
"""
第一方数据资产盘点
"""
FIRST_PARTY_DATA = {
"数据源": {
"CRM 客户数据": {
"包含": "姓名、邮箱、手机、购买记录",
"价值": "★★★★★ — 최高价值, 直接用于匹配上传",
"收集方式": "注册、购买、客服互动",
},
"网站行为数据": {
"包含": "浏览路径、停留时间、加购/收藏",
"价值": "★★★★ — 再营销核心",
"收集方式": "第一方 Cookie + 事件追踪",
},
"邮件互动数据": {
"包含": "打开率、点击率、退订",
"价值": "★★★ — 用户分层依据",
"收集方式": "邮件平台自动记录",
},
"问卷/表单数据": {
"包含": "偏好、需求、满意度",
"价值": "★★★ — 丰富用户画像",
"收集方式": "问卷工具 + 激励",
},
},
"激活方式": [
"1. Customer Match — 上传客户列表到广告平台",
"2. 相似受众 — 基于第一方数据扩展",
"3. 再营销 — 网站访客精准触达",
"4. 个性化邮件 — 千人千面推送",
"5. 预测模型 — LTV 预测 + 流失预警",
],
}
print("=== 第一方数据资产 ===")
for source, info in FIRST_PARTY_DATA["数据源"].items():
print(f"\n{source}")
print(f"  包含: {info['包含']}")
print(f"  价值: {info['价值']}")
print("\n激活方式:")
for way in FIRST_PARTY_DATA["激活方式"]:
print(f"  {way}")
方案 提供者 原理 精准度 可用性
Topics API Google 浏览器端兴趣分类 已推出
Attribution Reporting Google 加密归因 已推出
CAPI 服务端追踪 Meta/Google 后端直接回传 可用
Customer Match Google/Meta 第一方数据匹配 可用
上下文定向 各平台 根据内容投放 可用
Clean Room Google/Meta 安全数据共享 企业级

全书总结

章节 核心知识
1. 广告生态 CPM/CPC/CPA 计费, CTR/CVR/ROAS 指标
2. 搜索广告 Quality Score, 关键词策略, 匹配类型
3. 社交广告 受众分层, 平台选择, 预算分配
4. 程序化广告 RTB, DSP/SSP, 品牌安全
5. 电商广告 ACoS, Amazon Ads, 直通车
6. 内容广告 KOL 评估, 种草策略, CPE
7. 创意文案 AIDA/PAS/BAB, A/B 测试
8. 追踪归因 UTM, Pixel, 归因模型
9. 预算 ROI ROAS 优化, 出价策略, 预算节奏
10. AI 广告 智能出价, DCO, AI 创意
11. 隐私时代 GDPR, 第一方数据, 无 Cookie