每日读书精华 – Subprime Attention Crisis

Subprime Attention Crisis

Tim Hwang · Farrar, Straus and Giroux（FSG Originals × Logic），第一版 2020。作者曾任 Google 全球 AI 公共政策负责人，被 Forbes 称为「互联网上最忙的人」。

💡 核心洞见（5条）

📌 与此同时，以下洞见提炼自本书核心章节，兼顾理论框架与可执行方法，供日常决策参考。

1. 广告业正在重演 2008 次贷危机的结构：作者把程序化广告的「广告库存」类比成 CDO——价值不来自广告本身，而来自它代表的「注意力」这个底层资产；底层若是次级的（subprime），价格就会和真实价值长期脱节。2018 年 banner 平均点击率 0.46%，而 1994 年第一个 banner 是 44%——25 年跌了约 100 倍。
2. 你以为 AI 精准投放救了广告，研究却说它可能在制造幻觉：墨尔本商学院 Nico Neumann 审计第三方消费者数据，最准的数据集也有约 10% 错误、最差的近 85%；更狠的是，AI 是「相关性机器」，在严格实验下某车险广告对销量的影响竟为负（而行业统计模型显示为正）——人们持续投广告，往往只因「analytics dashboard 好看」。
3. 广告欺诈不是边角料，是撑起泡沫的暗桩：2018 年 Adobe 研究称约 28% 网站流量带「非人类信号」；Forrester 估算 2017 年展示广告 56% 预算流向欺诈或不可见库存（$7.4B 浪费）；金融时报发现自己的假库存被在 15 个交易所兜售、月销约 $1.3M；Methbot 假流量日均 $3–5M。
4. 中介在两边割韭菜还不想让你知道：DSP（买方平台）从 SSP 拿折扣库存加价转卖，毛利 44%–66% 不披露；The Guardian 研究称买家每花 1 块，约 70% 被广告技术平台吃掉、出版方只留 30%；营销代理则用「套利（arbitrage）」低买高卖吃差价，2016 年 ANA 报告称「不透明操作普遍存在」。
5. 最反直觉的解药是「主动引爆」而非「修补」：作者主张对程序化广告做「受控拆除」——参照 1933 证券法「披露哲学」强制卖家披露品牌安全/性能/利益冲突，并设一个类似 NBER 的独立广告研究院（NBAR）；他还举了 P&G 2017 砍掉 $200M 数字广告预算、转投电视广播后触达反而 +10% 的真实案例。

💥 最震撼案例

宝洁 2017 年真实实验：因怀疑 bot 欺诈和品牌安全，砍掉约 2 亿美元数字广告预算、转投电视和广播等传统渠道。结果总支出下降，但信息触达（reach）反而提升 10%。同期《纽约时报》关闭欧洲版开放程序化购买（屏蔽消费者数据）后，数字广告收入「完全没有受影响」。两个案例共同戳破「数据驱动的精准投放必然更优」的叙事——在 AI 营销大行其道的今天尤其刺耳。

如果你在投广告、做 GEO 或买 AI 营销工具，「有效」二字请自己用独立实验验证一遍，别信平台 dashboard 上的漂亮数字。

🎓 对 AI for Business 课程的可借鉴点

可复用内容：①「AI 相关性机器把自然购买错误归因给广告」+ Nico Neumann 实验（车险广告实验下影响为负）——讲 AI 营销归因幻觉、为什么 AI 给的结论≠有效，适配《Generative AI for Business》「AI 输出可信度 / AI 商业理解」模块；②「banner CTR 44%→0.46%、fat-finger 占移动点击近 50%、8% 用户贡献 85% 点击、ad blocking 年损 $21.8B」——用具体数据讲「指标会骗人、看板只报 WHAT 不报 WHY」，适配「数据分析」模块；③「次级注意力审计」可直接对接 monitor.justpeng.com 做成课堂练习（学生拿自己投放数据算真实 vs 次级占比）；④「this time is different」综合征 + 披露哲学（1933 证券法类比）——讲警惕「AI 万能」叙事与数据透明/问责，适配「决策心态 / 负责任 AI」模块。教学切入点：用「你投的每一次广告可能买到的是机器人」制造认知冲击，引出非技术学员最该掌握的——对 AI/平台数据的健康怀疑。

subprime-attention-auditor —— 输入某渠道广告或内容投放指标（CTR、可见曝光、流量来源构成），输出「真实注意力 vs 次级（subprime）注意力」占比诊断 + 3 条行动建议。
触发词: 「我投的广告/内容到底有没有人真看」「投放效果怎么审计」「GEO/社媒钱花哪了」
输入: 渠道名称 + 一组投放指标（点击率、可见曝光占比、流量来源、是否开防作弊）
输出: 一份「次级注意力体检报告」：真实注意力占比估算、主要水分来源、3 条可落地动作。
💰 付费可能性（支付宝 skillpay）: 中：投广告/做 GEO/社媒投放的甲方有真实痛点（「钱到底花哪了」），愿为单次诊断付费（9.9–29.9 元）或订阅「月度投放体检」；可捆绑 monitor.justpeng.com 做轻量入口、也可做课程课前诊断，转化优于纯信息型。

ad-tech-margin-auditor —— 输入媒体采购合同或渠道清单，对照行业中介加价基准（DSP/SSP 隐藏毛利 44%–66%、买家每花 1 块约 70% 被技术平台吃掉），输出套利风险体检。
触发词: 「代理/平台加价是不是太高了」「媒体采购合同有没有被套利」「DSP/SSP 费用怎么查」
输入: 采购方身份 + 渠道/合同清单（含各级加价、是否披露）
输出: 一份「中介套利风险体检」：各层级隐性加价估算、是否触及行业典型损耗线、谈判/规避建议。
💰 付费可能性（支付宝 skillpay）: 中低：偏 B 端采购审计，个人单次付费意愿中等偏弱（19.9–49.9 元买中介套利体检），更适合作「AI 营销内训 / 甲方避坑」模块赠品或一对一咨询前置，独立上架 skillpay 转化弱于诊断型。