令优质APP开发者广告商业化焦虑的，不是流量，而是广告内容差导致的用户减少，当APP接入广告平台后，不意味着开发者就此可高枕无忧，广告变现环节的关键所在正是广告风控把握。

APP历经孵化期、引入期、快速成长期，其中的困难和成本付出都无法估量，在获取海量用户后，广告变现已经是产品生命周期的发展核心，然而如今，广告内容监管愈加严格、一些广告平台的无序审核，以及部分开发者的轻视，都导致了广告变现收益的锐减，层层影响因果循环，有的产品甚至因为风控问题，导致产品下架用户流失，进而彻底退场。

不得不承认，广告内容审核正是开发者变现阶段当前面临的棘手问题。

一、广告风险主要有分类和发展阶段

广告内容风控带给产品的潜在风险主要是两方面，一方面是外部影响，因不熟知广告法、相关法律法规以及地区规定，未过滤或者纵容了违规广告，导致产品被约谈、处罚甚至叫停，比如某金融APP广告因低俗诱导被罚款;另一方面是APP内影响，广告质量差导致用户反感，用户体验变差，用户流失等一系列运营事故。

1、 外部影响:合规难

有些产品为了一味突出产品或服务效果，会采取夸张、虚假或者敏感词语、词汇、语义美化服务，且简单的认为只要通过广告文案检测工具就可以了，但医疗、金融、养生等相对专业的产品服务，普通人本身就很难区分，必须要借助一些人工复查予以核准。此外，开发者也需切记，涉政、违禁、暴恐、色情相关的内容广告千万不要碰，轻则约谈，重则直接封停。

2、APP内影响:用户流失

用户使用产品的过程中，低劣且虚假的广告内容有可能会导致用户利益受损，比如大学生借贷，而当用户利益受损时，APP作为广告展现渠道必然会成为用户诉求的目标，此类事件不光会导致产品的名声大量受损，也会导致用户体验变差，对APP忠诚度下降。而这一切的连锁反应仅仅是因为广告内容风控没把关，足以带给开发者们沉重的警示了。

明确广告内容风控的潜在影响，开发者也需要对风控技术发展和模式有一定的了解，这对于产品选择适合自己的风控标准有一定的益处，简单来说，广告内容风控主要经历了四个阶段:

1、早期的“野蛮生长”阶段，随着移动基础设施的快速覆盖以及移动设备保有量的大幅提高，各式各样的产品能够通过极低的成本快速获取流量和用户。此阶段，用户和流量是第一生产力，开发者和平台一定程度上有意放宽了风控标准，或者说尚处于摸索阶段，对于广展现告风控还没有标准。

2、低效率阶段，随着产品发展和用户对产品体验要求的提高，市场对产品有了一定的门槛要求，广告平台技术的差异化以及政府相关部门的重视，也促使广告风控提高，大量的广告内容纯粹依靠人力审核，各大广告平台都配备了大型人工审核团队，广告放行慢、效率低。

3、人工+机器主流阶段，流量成本越来越高，产品进入成熟期，机器识别技术加入，主流广告市场均采用机器审核+人工复核的组合，但机器广告审核的标准比较简单，误杀漏杀问题非常严重，黑产也能很快根据新的判别规则利用审核漏洞。

4、AI全栈复合阶段，是基于当前AI学习和大数据算法，通过对海量的广告内容进行识别，建立相当程度的数据库，能够确保高效率和高通过率。

二、广告风控策略的核心

广告内容风控严格不意味着广告收益的降低，风控和收益是相互作用的，二者对业务都是起积极促进作用，尽管短期严苛的风控标准可能导致填充率的一定下降，但是长远来看其长期价值是一定的。广告变现是商业变现的主要方式，广告风控是广告变现的核心策略，那么风控策略的核心又是什么?

1、基本盘:严控广告内容，保证基础的质量和合法合规

• 遵守国家法律法规相关规定，坚决配合监管要求。《中华人民共和国广告法》、《广告管理条例》、《广告管理条例施行细则》、《互联网广告管理暂行办法》等内容需要有基本了解，相关业务部门必须熟悉。

• 一些社区类、内容类、互动类的产品需要注意(微博、知乎等)，用户自发的广告行为，平台有必要纳入监管，产品必须给予良性的导向，坚决杜绝黑产、违规广告，有一些产品因为对黑产广告监管不力，也是会被主体追责。

2、核心举措:机器+人工-AI全栈，产品要根据技术进步，提高广告审核技术

依上文提到的部分，广告内容风控经历了四个发展阶段，当前主流的广告平台还是采用机器审核+人工复审的组合方式，这种方式对于部分广告形式(视频、动图)、广告内容(关键词过滤、规则)尚且缺乏有力的风控技术，而当前比较前沿也已经应用的AI审核，也通过海量的数据库和案例，大大提高了审核效率和识别安全，对视频广告采取拆帧OCR识别，长文本采取NLP分词，音频采取ASR，复杂语义理解识别，产品在自建广告平台或者接入三方技术时，需要注意和了解相关的技术背景，毕竟技术迭代是迅速的。

三、AB Test如何应用于广告风控?

当我们确立了广告风控的必要性后，开始通过各种各样的规则和改变来限定广告内容，这时候可能会有同学问，“这么做到底有变化吗?这几种风控标准到底哪个才是最有效的?这么做到底有没有用?”，要解决这个问题，可能需要求助或者用到A/B test”，通过对两组方案数据的论证，来判定那一项更有效。

A/B test指通过预先对样本用户设置不同的方案，对不同方案进行分析，推论哪个方案是在全量应用下是效果最优的。假设方案中，影响最终的效果变量有甲、乙、丙等多个，我们需要保持乙、丙等变量不变，改变变量甲，取样本数据的部分分成A/B两组(对照组和实验组)，二者比例相加为1，改变一个变量，来观察对效果的影响。

当广告内容风控中，无法确定风控策略效果，或者不知道如何设置优化风控标准，可以采用A/B test，产品广告的投放时间、用户习惯、广告内容不同，这些都是对风控审核的变量因素，在调整单一策略变量时，其他的因素变量可能会发生改变，为此，假设当前的广告风控标准为A，新的风控标准为B，设A比例为70%，B比例为30%，如果二者趋势都为上升，说明因素变量变差，而B的广告违规率增长在A之下，说明B的策略较好;如果二者趋势均为下降，说明因素变量变好，B的广告违规率增长在A之上，说明B策略要差。

而当已经知道有多套方案供选择，需要确认哪一套风控标准效果最优时，只要确保因素变量不变，只调整策略变量，便可以通过效果分析哪一套是最优的。

倍业科技是一家赋能各领域媒体商业化的SaaS服务型企业。倍业科技整合了API和SDK解决方案，结合了全栈式广告技术，通过流量管理和运营优化工具，为媒体充分挖掘每个流量的价值。

倍业成立于 2015 年，以“赋能媒体商业化”为使命和愿景。自主研发推出APP自己的商业化管理和运营产品Blink，先后获得了险峰华兴、竑观投资、颐成投资等机构的投资。

业务涵盖视频、社交、金融、教育、交通出行、汽车、母婴、动漫、工具等多个领域媒体商业化，已与国内 100 多款知名媒体建立长期合作伙伴关系。（卢恒）