為什麼在Meta發布詐騙廣告,比谷歌更容易?

藍鯨財經
2025/11/17

文|刀客doc

前幾天,路透社披露了一份Meta內部報告:Meta預計2024年大約10%的收入——約160億美元,摺合人民幣約1140億元——來自詐騙廣告和違禁商品廣告。

另外,路透社還同時報道:至少三年來,Meta一直沒能有效識別和阻止大量違規廣告,讓自家全家桶——Facebook、Instagram和WhatsApp——的數十億用戶,長期暴露在整片灰產裏:欺詐性電商、投資騙局、非法線上賭場、違禁醫療產品,應有盡有。

路透這次的意義,不在於第一次告訴我們Meta上有詐騙廣告,而在於第一次告訴我們:這件事大概值多少錢。

2024年12月Meta的一份內部文件給出的估算是:

Meta全家桶每天向用戶推送的內容裏,大約有150億條廣告被內部標記為「高風險詐騙廣告」——它們已經被判斷為「明顯呈現出欺詐特徵」。

這150億條裏最狠的那一撮騙子廣告,一年能給Meta賺來70億美元。

至於外溢到現實世界的損失,內部文件裏也有一筆粗算:

在美國,大約三分之一的成功詐騙,可以追溯到Meta的平台;

在英國,超過一半的支付類詐騙損失,與Meta相關。

被業務捆住的廣告內審

meta的廣告審核有個看上去相當嚴格的門檻:

算法要對這是詐騙有95%以上把握,纔會真正封禁廣告主。

這聽起來很負責任,但副作用是:

任何沒有達到95%置信度的廣告主,是不會被踢出系統的,一般是被打上「高風險」標籤,繼續留在競價池裏,只不過需要付出更高的出價,相當於被平台收了一筆罰金價。

風險被金融化了——可以被定價、被加價,而不是被拒絕。

除此之外,meta還給風控團隊畫出了一個所謂的營收護欄:

內部文件要求,內部的反詐騙團隊不能做出讓公司損失超過總營收0.15%的執法動作,往下折算,大約是1.35億美元。

也就是說,打擊詐騙廣告可以做,但要控制成本,合規也要要對齊業務指標。

合在一起看,Meta確實在做風險識別和廣告審核,但是打擊到什麼程度,不是由有沒有詐騙決定,相反是由損失多少收入決定。

當「反詐騙」被框進一個可接受的營收損失區間,結果就很難不滑向今天這幅圖景:

平台嘴上說的是用戶安全優先,系統算出來的卻是——在可控制的範圍內,詐騙廣告這門生意,還可以再做一會兒。

對外回應裏,Meta給出的說法是:內部測算粗糙且過度包含,真正比例沒那麼高;2025年已經把用戶舉報的詐騙廣告量降了58%,刪除了超過1.34億條詐騙相關內容。

這些說法都未必假,但有一個事實已經很難被抹掉——詐騙廣告在Meta廣告系統裏,已經是很重要的現金來源。

Meta上詐騙廣告為什麼多?

路透社的報道里,有句引用Meta內部報告的話被着重標註出來:在Meta平台上發布詐騙廣告比在Google上更容易。

原因可能和Meta廣告的產品形態、算法目標、風險偏好有關。

先看產品形態。

Google的主場,是搜索。

用戶帶着明確意圖走進來:搜「買基金」「貸款利率」「某某ETF回報」。

在這樣的場景裏,用戶本身是有一點警惕心的——大家知道自己在做一筆關乎錢的決策。Google也可以在高風險類目上直接把閥門擰緊,比如在英國,做金融廣告必須拿到FCA授權,還要通過額外驗證,整個門檻設得很高。

Meta的主場,是信息流。

用戶刷的是情緒,是興趣,是關係鏈帶來的八卦和日常。

用戶從曬娃視頻,一滑就到了「政府補貼」「明星帶你理財」「副業日入300美元」,注意力是被算法牽着走的,警惕心天然比在搜索框裏低得多。

對騙子而言,這兩種入口帶來的機會完全不同:

在Meta上,他們可以先用一張情緒化的大圖,一個誇張的標題,把人釣進來,再在後面的落地頁、私信、羣組裏慢慢收網;

在Google上,他們得去正面搶高意圖關鍵詞位,還要穿過一堆前置審核,天然門檻就高很多。

再看算法目標。

詐騙廣告有一個很明顯的特徵:點擊率和轉化率都不低。

因為這次詐騙者就是專門研究人性的:貪婪、恐懼、焦慮、對權威和內幕消息的盲信。

Meta的廣告系統是一台極其成熟的轉化率放大器:它會通過興趣標籤、Lookalike、行為事件,把那批「更容易被說服的人」圈出來,然後把廣告預算集中砸在這批人身上。

路透社的文章裏說:如果你點過一次詐騙廣告,個性化系統會自然地認為:你對這類東西是有興趣的,後面就會給你推更多類似廣告——這不是「作惡」,只是整個推薦系統最基礎的邏輯。

對品牌廣告主而言,這是廣告系統的價值所在:精準、便宜、有效。

對騙子而言,這就變成了一套精準捕獵系統:誰信我,我就多給誰看。

問題在於,Meta並沒有在系統層面給詐騙這件事加一個足夠有力的剎車。

那些轉化數據漂亮、短期回報驚人的廣告主,並不會因為「潛在詐騙」這個特徵就被一刀切掉,只是被打上「高風險」標籤繼續投放,只不過平台會向他們收取更高的出價。

平台賺得更多,潛在的騙子也有足夠空間去衝一波量。

谷歌的廣告風控

反觀Google這裏,它的防線更多是前置的:

2024年,Google對外披露的數據是,因涉嫌詐騙類政策,封禁或移除約4.15億條廣告,暫停超過500萬個賬戶;全年總共移除的「badads」約51億條,大頭都在高風險行為上。

簡單粗暴一點地類比:Google更接近「寧可錯殺、不放過」,Meta更像「先做生意,再做風控」。

你就會發現Meta和谷歌在風險偏好的差異:

Google在英國金融廣告上的做法,其實可以看作是一個典型的例子。

前幾年的時候,英國金融詐騙廣告問題很嚴重,監管和銀行點名谷歌不止一次。英國金融行為監管局FCA提出:在英國任何想向用戶展示金融服務的廣告主,必須先通過谷歌的「金融服務驗證」,證明自己已經拿到FCA授權,或者符合少數豁免條件,否則就不能投放。

這個驗證需要要提交FCA註冊號、公司信息、關聯域名等,由谷歌跟FCA的白名單做交叉覈對。沒有通過,就直接暫停賬戶或禁止該賬戶面向英國用戶投放金融廣告。

對平台來說,這相當於主動放棄了一部分「來路不明但肯出高價」的金融廣告主——包括那些遊走在監管邊緣的代理、甚至部分暫時牌照不全的正規機構。一開始,很多合法公司也被擋在門外,FCA和行業機構都承認這個過程「有點粗糙」,但換來的結果是:英國本地銀行(比如TSB)公開說,這套政策「幾乎消滅了」Google上的金融詐騙廣告。

所以,Google明知道這會砍掉一塊不小的短期廣告收入,但在英國金融廣告這個高風險品類上,它接受了這樣一個前提——

「寧願先把門檻抬高,把一部分錢不要了,也要先確保別讓太多騙子進來,再慢慢修正誤傷。」

這跟Meta那種給風控團隊畫0.15%收入損失上限的思路,形成了一個挺鮮明的對比:

一個是先從安全紅線往回算營收,一個是先從能接受的營收損失往回倒推執法力度。

這兩家公司之間,並不是誰更有道德,而是誰更早、在更高的成本容忍度上,接受了一件事:

有一些行業,廣告位不能簡單賣給出價最高的那羣人。

Meta現在也開始往這個方向挪,但在監管真正壓上來之前,它已經允許詐騙廣告在平台上跑了很多年、跑出了很大的規模,這些不可能一下子抹平。

對廣告主來說,這件事有兩個直接後果。

第一個是信任成本上升。

當一個平台被大量詐騙廣告污染之後,用戶的直覺反應會是對「所有廣告」都提高警惕。你作為一個正規品牌,在Meta上做投放,不只是要講清楚自己的產品,還要先花時間證明我不是騙子——用更多背書、更多第三方評價、更復雜的路徑,引導用戶一步步放心。

廣告系統本來應該幫你降低獲客成本的,現在要先幫你填掉信任赤字。

第二個是買量成本被大量的壞錢推高。

詐騙廣告往往能承受更高的出價,因為騙局只要成功率不太低,單次回報就極高。

當競價池裏充滿這類不在乎長期口碑的廣告主時,整體CPM、CPC會被抬高。

對於正經品牌來說,要麼跟着掏更多錢,要麼在關鍵人羣的曝光上被擠壓出去。

對普通用戶而言,這件事要殘酷得多。

在一個靠注意力賺錢的平台上,如果平台對乾淨廣告環境的重視程度,不如對短期營收波動的敏感度,最後受傷的往往是那幾撥人:

年紀大的、求職壓力大的、想翻身的小鎮青年,以及對數字金融、加密產品只是一知半解的人。

他們被算法視為容易被說服的人羣,也就更容易成為詐騙廣告的自然靶子。

寫在最後

meta在提醒整個廣告行業——現在這套廣告系統本身,是怎麼被設計出來的。

過去十幾年,數字廣告一路高歌猛進,方向非常一致:什麼東西能帶來更高的轉化,就把什麼東西放在最前面。

ROI、CTR、CVR這些指標,被抬到了幾乎壓倒一切的位置。

在這種設計裏,誰最會利用人性的弱點,誰就更容易贏。

平台這邊在營收壓力下,對詐騙廣告變得有些曖昧:通過更高出價、風險打分、模型調參,把這些廣告管理起來。

一旦走上這條路,詐騙廣告就變成了一種可以計算、可以權衡、可以被納入收益模型的風險項。

很像二戰時候的綏靖政策,對危害姑息養奸。

監管這邊,大部分精力還停留在事後:出了問題,查;出了事故,罰;嚴重一點,開聽證會。

很少真正介入到前面那一層——廣告系統一開始應該怎麼設計?哪些行業、哪些玩法就不該被鼓勵?

這是是平台與監管都必須重新回答的問題。

合規紅線和高轉化之間,該如何選擇,它決定了一個平台的價值觀,也決定了它最終能不能被用戶真正信任。

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10