AI 时代，你的广告费，花在了谁的货架上？

前段时间，我和一位做品牌投放的朋友吃饭。他刚打完一个季度的大促，聊起一件事，越说越郁闷。

程序化投出去的预算，有相当一部分，落在了一批他从来没听说过的网站上。那些网站看起来什么都有，内容密密麻麻，广告位一个挨着一个。点进去细看，文章根本读不下去，一股机器批量吐出来的味道。

后来他让验证公司跑了一遍数据。结论：不少流量来自低质站点。业内管这类站点叫 MFA（Made-for-Advertising），为广告而生，不是为读者而生。

再往深挖一层，背后还有更唬人的东西：用生成式 AI 批量生产的内容网站，页面上塞满广告位，专门钓程序化投放的预算。业内也给它起了个名字，叫 slop site。slop，泔水。

天呐。

这件事让我想了很久，今天想跟你聊透一个话题：AI 时代，品牌安全和品牌适用性，到底该怎么做。

先分清两个词

什么叫品牌安全（Brand Safety）？

就是别让你的广告，出现在糟糕的内容旁边。暴力、仇恨言论、假消息，任何一个品牌碰上，都是事故。

那什么叫品牌适用性（Brand Suitability）？

它比安全更进一步。安全是躲开坏的，适用性是挑对好的。

举个例子。一条广告，旁边的内容没暴力、没假消息，完全"安全"。但那篇文章阴阳怪气，拿灾难开玩笑，跟品牌调性拧着来。安全吗？安全。合适吗？不合适。

这就是适用性要管的事。

你想想看，给自家孩子挑同桌。成绩差、爱打架的，肯定不要，这是安全。而在文文静静的孩子里，再挑一个跟自家孩子气场合的，这是适用性。

很多品牌卡在哪？卡在把两件事当成一件事，拿一张关键词黑名单打天下。

黑名单看到 shot 这个词，判危险，可能是暴力内容。可体育新闻里，shot 是射门。足球报道谈暴力吗？不谈。但一刀切的名单不管这个，广告照样被拦。

这就叫过度屏蔽（over-blocking）。钱花了，量没了，大量优质版位被自己人拦在门外。

AI 制造的新生意

安全的问题还没解决，生成式 AI 又把难度调高了一档。

slop site 不生产价值，只生产"看起来像内容的东西"。目的只有一个：把你的广告费，变成它的收入。

还有更隐蔽的玩法。克隆正规媒体站点、伪造用户身份、批量刷点击。Juniper Research 在 2023 年就预测过，到 2025 年，全球每年因广告欺诈造成的损失，会达到 1000 亿美元。

1000 亿美元。这是骗子的生意规模。

IAS（Integral Ad Science）在 2024 年还给出过一个更大的判断：不久的将来，多达九成的网络内容，可能是 AI 生成的。

九成。

这意味着什么？意味着往后你在网上看到的"内容"，大部分可能是机器写的。其中一部分，就是专门用来钓广告费的。

用老名单、老规则去对付？看不过来，也追不上。

用 AI 生成的海量垃圾，只能用 AI 来拦。

每天 40 年的视频，谁看得完？

那就看看专业的验证公司，是怎么接这个招的。

先说 IAS。这个数字我第一次看到，愣了半天：IAS 每天处理的广告互动，超过 2800 亿次；每天分析的视频内容，相当于 40 年的时长。

40 年。一个分析师从毕业干到退休，不眠不休，也看不完一天的视频量。

怎么办？只能交给机器。机器学习、自然语言处理、计算机视觉，三件套一起上。投放前（pre-bid）先过一遍，投放后（post-bid）再盯一遍，几百万个网址逐一分类，视频逐帧分析。它还有个专门的 Threat Lab，天天盯着新型欺诈长什么样。

再说 DoubleVerify（DV）。它的 Universal Content Intelligence 引擎，把视觉识别、文字识别（OCR）和自然语言处理揉在一起，网页、移动端、联网电视、社交媒体，全在视线里。

它的反欺诈模型，打磨了 15 年。15 年的欺诈样本喂下来，模型见到假评论、伪造的媒体身份，就能打出风险分。它还有个叫 Scibids AI 的产品，把投放数据变成竞价策略，几千个 campaign 同时自动优化。

强。这个速度，人力根本追不上。

有意思的是，这些模型学欺诈的方式跟人一样：见得多了，就认得了。把已知套路的模式喂进去，模型学会骗子长什么样，再拿这套经验去扫全网的流量。发现一起新套路，就多一分经验。

这个过程停不下来。骗子用 AI 提效，防守方也只能用 AI 提效。

这是一场 AI 对 AI 的军备竞赛。

往后看，方向已经很清楚：检测模型会更细，靠元数据、语言模式和信源可信度去抓深度伪造；量广告的尺子，会从"看不看得到"转向"有没有人真的在看"，比如 Attentive CPM 这样的注意力指标；重复性的投放优化，会越来越多交给 AI。

钱是你的，货架是别人的

说完造军火的，说花钱的。品牌和代理公司，该怎么办？

先看几组数，都挺吓人。

DV 在 2025 年发布的亚太消费者调研里，近一半受访消费者表示：看到品牌的广告出现在令人反感的内容旁边，会降低购买意愿。

Kantar 2024 年的调查：65% 的亚太消费者，不太信任那些跟低质、误导性内容绑在一起的品牌。

再看机会面。IAB 东南亚 2023 年的报告提到，在亚太市场，用 AI 做语境定向，点击率最高能提升 30%。

你想想看，广告出现在哪儿，已经不只是媒体问题，是品牌资产问题。消费者不会区分"品牌"和"品牌旁边的内容"。在消费者眼里，你跟你隔壁的东西，是一伙的。

具体怎么做？四件事，值得马上做。

第一，找一个靠谱的验证伙伴，别自己攒工具。IAS、DV 这类公司，该有的技术都堆上了，多语言、多市场的内容都能过一遍。尤其在亚太，语言和文化碎成几十块，什么叫合适、什么叫冒犯，各地标准差得很远，这正是 AI 情感分析能帮忙的地方。

第二，定义自己的品牌适用性指南，别用行业默认标准。你的品牌调性是什么，风险容忍度是多少，哪些内容贴标签、哪些放行，得自己定。不然，要么被过度屏蔽卡住量，要么被劣质流量偷走钱。

第三，实时监控，别等月底复盘。投放环境一分钟一变，工具得能发现问题就报警、就处置。

第四，认真对待消费者对 AI 的警惕。Kantar 那份调查里，60% 的亚太消费者，对误导性的 AI 生成内容表示担心。所以，该做的 AI 披露要做，该上高质量素材就别省。水涨船高的，还有大家对"真实"的要求。

老字号的自证

最后说说卖货架的人：媒体。

广告主怕垃圾内容。反过来，优质媒体也在拼命证明"我这里干净"。南华早报（SCMP）做了个产品，叫 SCMP Signal，用 AI 给自己的广告环境做背书。

它怎么工作？还是那套组合：自然语言处理，加上 VADER 这类情感词典工具，把一篇文章的情绪、关键词、整体调性读一遍，再判断这个版位适合放什么广告。

前面说的 shot 就是经典场景。体育文章里的射门，和暴力新闻里的枪击，同一个词，语境一读就分开了。黑名单分不开的事，AI 分得开。优质版位不被误杀，广告主的量保住了，媒体的收入也保住了。

效果怎么样？举两个数。

2020 年一个健康健身类的 campaign，用上情感定向之后，效果提升了 35%。

新冠疫情那会儿更能看出差别。当时很多基础黑名单，把带新冠关键词的页面一律判为不安全，67% 的相关页面被拦。而语境工具读得出"这条新闻是科普还是恐慌"，在同类页面里识别出 58.5% 其实是安全的。

同一个词，黑名单看到的是恐惧，AI 读到的是信息。

对媒体来说，这已经算不上卖点，更像活路。第三方 cookie 在退场，隐私监管在收紧，靠追踪用户的老路走不通了，语境定向越来越顺理成章。而合作 campaign 表现提升最高能到 40%，这样的数字，对高端广告主就是硬通货。

回到我的朋友

那顿饭的最后，我那朋友说，他现在的标准很简单：每一分预算花出去之前，先问一句，它会落在真实、干净、跟品牌调性相配的内容旁边吗？

技术越来越强，骗术也越来越强。工具会迭代，名单会更新，但有一件事不会变：

信任，是数字广告里唯一通用的货币。而 AI 验证，就是给这笔货币做防伪的活儿。

祝你的每一分广告费，都花在真实的世界里。