这个时代最稀缺的，不是流量，而是“被信任” ｜报告解读

广告行业这几年最不缺的，是触达能力：人群包更细，投放链路更短，转化归因更快，竞价系统把每一次曝光都拆成了可计算的分子。但真正开始稀缺的，是“被接受”的能力，或者说“被允许”——同样的曝光量，有多少是用户心里愿意给的，有多少是被迫吞下去的，差别越来越大。

行业越来越有一种共识：有底线、克制且精美的广告，才能真正让用户产生对品牌的好感与信任，这也是广告投放最核心的长期价值，更是行业实现“良币驱逐劣币”的核心根基。

与此同时，另一条暗线正在持续侵蚀广告主的核心利益与行业信用根基：广告欺诈。315曝光的批量刷单、点击农场、设备农场等流量黑产，正是行业顽疾的集中体现——虚假流量能制造出“看起来很美”的点击、转化数据，却会直接导致广告主预算被白白消耗、投放指标被污染、优化模型被误导，最终钱花出去了，却没给用户留下任何真实的品牌心智。对广告主而言，行业真正的核心命题，从来不是“要不要增长”，而是“增长有没有真实可信的底座”。

近日，鲸鸿动能发布了最新的《2025商业信任与安全报告》（下称报告，点击阅读原文即可下载报告）：它把“商业信任”从一句口号，拆成了系统工程的三段论：可衡量的体验、可控的内容、可信的流量并强调用“合规治理 + 技术创新”的双轮方式，做长期、结构性的演进。

商业信任不是口号，

而是三套可以跑起来的机制

很多行业报告喜欢把“信任”写成价值观，但广告行业的信任，从来更像“基础设施”。因为广告是一种典型的多边市场：平台连接用户、广告主、开发者/媒体，各方都追求自己的最优，但只要其中一方的成本被外溢出去，系统就会失衡。

这份报告的一个“很工程化”的好处在于：它默认信任不是情绪，而是流程。报告在官方导读里把自身实践归纳为三大方向——「信任机制」「内容风控」「创意能力提效与数据安全保障」。而在前言部分，它进一步给出一种增长观的转向：不再只问“如何触达更多用户”，而要回答“效率与体验如何平衡”、“多方利益如何建立可持续的默契”、“技术与内容快速迭代下如何守住商业底线”。

在此基础上，鲸鸿动能为为广告行业商业信任的设立了3个“硬指标”：

第一，体验要“可衡量”。体验，不再是锦上添花的优化项，而是决定一切的起点。鲸鸿动能把这件事看得很清楚：广告的本质不是曝光，而是一段关系——用户是否愿意停留、是否产生信任、是否愿意继续发生下一次连接。只有体验成立，商业才成立。也因此，平台将“体验为先”写进系统设计的最前面，让其可衡量，不是事后修正打扰，而是在源头避免打扰，让广告从“被看到”，走向“被愿意看”。

第二，内容要“稳”。体验的关键也是“好内容”，不仅是违法违规的红线内容要拦住，更难的是大量“灰度但伤害体验/品牌”的内容：低俗擦边、劣质夸张、误导跳转、强打断交互……它们未必每一次都违法，但足以让用户对产品与品牌扣分。

第三，流量要“真”。如果曝光、点击、安装、激活里混入大量伪造行为，所有ROI都会变成伪命题；广告欺诈本身就是通过“伪装成真实用户行为”来消耗预算、操纵指标。

这三件事单拎出来大家都懂，但难在“把它们做成一套同时成立的系统”。行业里最常见的失败，是把三者做成互相掣肘：体验越好，可能限制触达；内容越谨慎，可能压制供给；反作弊越严，可能误伤转化；《报告》试图回答的，其实是一个更高级的问题：能否把它们从“三选二”变成“协同增益”。

量化广告质量，

广告体验这件事，行业最容易陷入一种自欺：我能投出去，就算成功。但几年下来大家都越来越清楚，“能投”只是物理成功，“愿意看”才是商业成功。对广告主来说，这种差异最终会体现在转化效率、品牌好感，甚至长期ROI上。

报告把这一块总结为“体验治理：从‘打扰’转向‘对话’”，并提出一个更接近商业本质的方向：不再把广告仅仅当作审核对象，而是把“体验”变成一套可以参与分发与交易的指标体系——也就是说，体验开始直接影响“谁能拿到流量”。

具体来看，鲸鸿动能推出了“广告质量评分机制”，不再只看素材是否好看，而是综合「美学」「相关度」「品牌加权」三大维度。其意义并不只是评价内容，而是为优质内容在海量竞争中建立确定性优势——让更符合用户预期、更具品牌一致性的素材，获得更高质量的流量，从而提升投放精准度，进一步推动真实转化的发生。

从更长的链路看，这套机制的价值在于重塑流量分配方式：好的内容获得更多展示机会，而不是依赖猎奇、误导或“点击诱导”去博取短期注意力。这不仅提升了广告主的投放效率，也在无形中降低了“劣质流量”对预算的侵蚀。

这个机制如果只停留在“评分”，价值有限；关键在于它是否真正进入分发与竞价逻辑。报告在这一点上给了一个明确方向：从As-Is的“价值导向流量”，走向To-Be的“体验/价格综合最优”，并将“体验”纳入广告总价值的计算体系。这意味着，广告主购买的不再只是曝光和点击，更是一次“更可能被接受”的触达机会。

同时，这套标准对媒体侧的意义同样关键。从长期运营视角看，提高素材质量与行业准入要求，本质上是在为媒体建立更稳定的经营环境——让内容风险前置、问题被分级管理，而不是因为单一违规素材触发整站封停等极端结果。换句话说，这不是约束，而是一种“经营保护机制”，帮助媒体在合规边界内实现更可持续的变现。

内容风控：

与体验治理相连的，是内容安全。报告将内容治理描述为一条“长效防线”，鲸鸿动能提出从「智能审核体系」「破解 AI 违规内容」「人机协同机制」三条线推进，目标是覆盖“识别-决策-处置-验证”的全链路。它还把风险拆成两层：红线违规强调高召回与低误杀的平衡；灰域风险更强调分级、场景化与可定制策略。

技术底层的突破在于MoE图像风控大模型。面对生成式AI带来的深度伪造、AI生成违规内容等新型风险，传统单一模型已难以兼顾多场景的精度与效率——要么“看得准但跑得慢”，要么“跑得快但拦不住”。

鲸鸿动能的解法，本质是在打破这组长期存在的“风控悖论”：既要拦得住高风险内容，又不能拖慢整个广告投放链路。基于MoE（混合专家）架构，平台在复杂场景中显著提升了机审的精准性，同时将审核时延控制在可接受范围内，使风控能力真正具备线上规模化运行的条件。

其核心逻辑是三层构建：首先，通过视觉-语言预训练与视觉指令微调，让模型真正“看懂”图像，而不是只做表层识别；其次，引入混合专家模块，为不同风险类型配置专项模型协同决策，在复杂内容中实现“分工式判断”；最后，通过多任务风控微调，让模型对审核标准形成稳定理解，而不是依赖单一规则触发。

更关键的是，这套模型并没有停留在“实验室能力”，而是围绕真实业务链路做了系统级强化：通过历史案例库沉淀经验，提升对灰区内容的判断一致性；通过模型蒸馏，将大模型能力下沉到线上小模型，显著降低计算成本与响应时延；通过对齐人工审核标准，减少边界案例的反复流转。

这意味着——一方面，大模型的学习能力让高危素材更早被识别和拦截，减少风险外溢；另一方面，更低的处理时延和更稳定的判断结果，缩短了素材审核周期，降低人工介入成本，直接提升了广告投放的整体效率。

换句话说，这不是一次单点技术升级，而是把风控从“成本中心”，变成了“效率引擎”。

在结果披露上，报告给出“全年拦截风险素材数十亿条+、识别并下线数十万条风险素材”这些数字当然可以被当成“成绩单”，但我更愿意把它理解为一个信号：平台从“事后删帖式治理”走向“制度化的前置治理”，其关键不在于罚了多少，而在于把规则、流程、培训、工具做成了日常作业。

系统级反作弊：

如果说“反作弊”过去更像投放链路里的一个风控环节，那么报告里最值得细看的点，是鲸鸿动能把反作弊做成了“系统级能力”，并强调端云联合，也就是在设备侧与云侧协同建立识别与处置闭环。

报告在“建立端云联合反作弊系统”里给了几个很关键的抓手：一是设备信誉与安全检测能力，二是异常行为识别模型，三是基于行为序列的深度学习建模，四是用知识图谱/关系网络去挖“团伙型”作弊。这是一种思路上的升级，从“抓单点异常”转向“抓关系与组织”。

为什么这很重要？

因为广告欺诈早就不是散兵游勇了。点击农场、设备农场会高度组织化，用大量设备或人力模拟“像真的一样”的路径：曝光-点击-下载-安装-激活，甚至做留存。你只盯某一个环节，很容易被“局部真实”骗过去；但一旦把路径拉长，把设备、媒体、开发者、IP、行为模式放到同一张网里看，很多原本看似正常的行为，会在网络结构上露出重复与聚团的形状。

在“展示作弊”层面，鲸鸿动能拆成了更具体的类型（如隐藏、误触、强制、误导、诱导等），并将监测嵌入从曝光到留存的全链路节点，强调一旦发现异常就及时干预，避免作弊规模扩散。这背后有个朴素但常被忽略的事实：广告主真正怕的不是“有一点无效流量”，而是“无效流量不断被系统当成有效信号”，最后把投放策略与素材策略带偏。

在年度成果层面，报告披露通过端云联合反作弊能力“累计识别数百万风险设备、识别过滤数百亿次作弊流量，并累计处罚违规媒体千余次”。

这里我想补一个更“经营”的视角：反作弊并不是成本中心，它是行业最容易被忽视的“利润恢复器”。当伪流量被挤出系统，预算的边际效率会自然回到真实用户上，投放模型也能在更干净的信号里迭代。最终它保护的不只是广告主，也是平台自己的长期定价权。

结语：

从“流量变现”到“价值共生”的新治理命题

报告尾声有一句话很点题：行业的核心逻辑过去很长时间围绕“流量变现”，但随着用户体验、内容质量与生态健康的重要性上升，行业在迈向“流量生态与价值共生”。这句话如果只是写在结尾，会像口号；但把它和前面三块治理能力放在一起，它更像一条路线图：当你能提供可信流量、可控内容、可守数据时，平台才有资格谈“共生”。

Morketing希望沿着广告主最关心的三个问题，把“共生”落到更具体的治理语言里。

第一，如何从“流量变现”转向“流量生态与价值共生”，实现商业价值与商业信任的全局最优？关键不是喊“体验优先”，而是把体验写进收益函数。报告提出的“体验/价格综合最优”，以及把体验纳入广告总价值计算的表达，也是在做同一件事：用机制告诉广告主，你买到的不该只是更高的出价权，而是更可持续的接受度。当平台把优质内容与良好体验用“评分—分发—竞价权重”串起来，短期 eCPM 可能不会最极致，但长期的“品牌不被反感成本”会显著下降。

第二，如何应对新的商业模式（如GEO、AIGC等）带来的治理挑战？报告在尾声提到GEO与AIGC，背后其实是“信息分发方式正在改变”的焦虑：GEO本质上是让品牌内容更容易被生成式答案系统理解、引用与推荐，目标从“在搜索结果里排第几”变成“在答案里有没有被提到”。这会带来一个新的灰产空间：为了进入答案层，内容生产可能更容易被“模板化、批量化、伪权威化”驱动；而AIGC降低了内容生成成本，也放大了虚假、擦边、侵权与误导的供给速度。

治理上更难的一点在于：过去平台主要治理“你投放了什么广告”；接下来可能要治理“答案层里，用户以为自己获得了什么信息”。这意味着平台需要把内容风控从“素材审核”扩展到“信息可信度与来源可追溯”，并把反作弊从“点击与转化”扩展到“引用与推荐”的新型操纵行为。报告里强调的“识别-决策-处置-验证”闭环、红线与灰域的分层、以及对相似黑灰产内容的指纹化拦截思路，都可以被视作面向新模式的可迁移能力。

第三，如何通过构建标准与能力，推动鸿蒙生态下更深度、全面的综合治理？我更倾向于把它理解为“把治理从平台策略升级为生态协议”。一个成熟生态要做的，不是平台单点变强，而是让合作伙伴、开发者、广告主在同一套可预期的规则下协同。

更进一步，如果要谈“更深度、全面”的综合治理，标准建设至少要同时覆盖三层：其一是底线标准（什么不可为，如何识别，如何处置）；其二是体验标准（什么会伤害用户接受度，如何量化，如何影响分发与结算）；其三是数据与接口标准（哪些链路必须默认加密、可审计、可追责）。这三层标准一旦固化为生态接口与评估体系，生态伙伴就会从“被动适配平台”转向“主动在标准内优化”，治理也会从平台的压力，变成生态的共同收益。

回到最初那个问题：广告行业的未来靠什么赢？我们越来越相信，答案不是“更强的触达”，而是“更稳定的信用”。当反作弊把真实还给广告主，当内容治理把安全与品质还给用户，当数据安全把边界还给系统，广告才有可能从一次次打扰，回到一次次有效的商业对话。