全球媒体科技公司 Adlook 专门从事数字广告解决方案，该公司公布了一项令人震惊的研究结果，该研究探讨了基于社会和人口特征（如年龄、性别、收入和生活方式）对受众进行分组的社会人口定向在数字广告中的可靠性。
结果揭示了传统社会人口统计学定向的重大缺陷，凸显了需要更精准的解决方案，同时也要与注重隐私保护的营销趋势相契合。
Adlook 公司首席产品官马特乌什·耶德罗查（Mateusz Jedrocha）表示：「我们的分析表明，品牌常常依赖过时的人口统计细分市场，导致营销活动效率低下且成本高昂。传统的媒体购买策略以及有限的线下工具，比如调查小组，将复杂的消费者画像归入诸如‘20 至 44 岁女性’这样的宽泛类别。在当今的数字时代，这种做法已无必要——品牌现在可以根据消费者的实际兴趣和行为进行精准定向，从而减少浪费的支出，并摆脱对过时假设的依赖。」
Adlook 于 2024 年 9 月开展了此项研究，对美国 1325 名在线受访者进行了调查。该研究方法采用两步流程，将用户调查与通过 Adlook 进行的出价请求数据分析相结合，以评估社会人口统计学定向的可靠性。
验证：通过调查受访者来确定他们是否认同基于第三方 Cookie 衍生信号存在于出价请求数据中的目标社会人口统计细分群体。
重叠分析：然后，该研究将调查结果与出价请求数据进行比较，以检查旨在相互排斥的细分群体（例如，「男性」与「女性」或「年龄小于 34 岁」与「年龄大于 55 岁」）是否准确划分，还是存在显著重叠。
还包含控制问题以确保数据完整性，从而过滤掉提供随机或不一致答案的受访者。
该研究强调了社会人口统计学定向准确性的重大挑战，其中一个重要发现是定向假设与实际受众构成之间存在脱节：
精准度问题：以「18 至 24 岁女性」这一常见目标群体为例，精准度被发现低于 20%。在被定向的群体中，43% 是男性，61% 超过 24 岁（其中 35% 超过 55 岁），而 18 至 24 岁的女性仅占 18%。
父母身份误分类：在「妈妈」这一群体中，52% 的目标用户被识别为男性，62% 的用户报告称没有孩子。同样，在「父母」这一群体中，67% 的用户表示没有孩子。
在更广泛的类别中，不准确的情况依然存在。例如：
40% 被归类为拥有主要居所的用户实际上是租房者，反之亦然。
67% 被定向为具有中学教育水平的人群实际上拥有大学或更高学历。
「女性」这一细分群体中有一半是男性，而被定向为「已婚」的用户中有 76% 声称自己未婚。
「这是将复杂的受众洞察扁平化为简单的人口统计假设的必然结果，这种假设很少与现实世界的行为相符，」耶德罗查说。「其结果是广告支出浪费和营销活动效果降低。」
即使是那些本应相互排斥的简单社会人口细分群体也显示出显著的重叠，这意味着相同的用户被错误地归类到多个相互矛盾的类别中。例如：
35% 的展示广告同时符合「女性」和「男性」两个细分市场，而 55% 的展示广告落入两个或更多年龄组，这表明存在严重的分类错误。28% 的展示广告同时符合「年龄小于 34 岁」和「年龄大于 55 岁」这两个细分市场。
「这些发现揭示了数字广告中一个关键问题，即太多人不敢指出社会人口统计学定向缺乏准确性，」耶德罗查说道，「但这不仅仅是数据准确性的问题，还在于要超越过时、简单的受众定义。品牌必须采用能够适应现代消费者行为复杂性的解决方案，同时提高透明度、降低成本并以隐私为中心。」