刀客doc:Netflix与YouTube开始在广告战场正面交锋

01

广告一开始并不是Netflix的核心业务,但眼下,广告正逐步成为这家公司与YouTube正面对抗的关键战场。

在上周刚发布的Q2财报里,Netflix广告层已覆盖全球12个核心市场,月活跃用户已经逼近9400万,主要集中在CTV渗透率高的美国、英国、加拿大等英语国家。

要知道,去年年底这个数字还在7000万出头,如今半年过去,增幅已经超过三分之一。更值得注意的是,广告层用户的观看时长并没有因广告的存在而下滑,月均观看时间依然稳定在40小时以上,说明Netflix的内容粘性依旧坚挺。

Netflix并不是最早入局广告的流媒体平台。相比YouTube、Hulu、Roku等公司,Netflix的广告业务算是后来者——直到2022年底才正式推出带广告订阅层,并在2025年才全面启动自有广告技术栈的建设。

但没有人认为Netflix来晚了。

我也问过一位做出海的代理商朋友,他很看好Netflix的广告,“好饭不怕晚”,在今年给某运动品牌做的美国市场推广中,它已经把Netflix广告加入到了渠道组合里。

Netflix管理层在Q2财报电话会上乐观估计,2025年全年广告收入将突破40亿美元,几乎是去年的两倍。

这一规模虽然与YouTube每年360亿美元的广告规模仍有明显差距,但也足以说明Netflix正在形成自己的广告逻辑。

戏剧性一幕在纽约上演。

5月14日下午5:30,YouTube在林肯中心举办资源推介活动Brandcast,邀请了Lady Gaga与MrBeast等重量级嘉宾。

仅仅几小时后,Netflix第三届Upfront资源推介活动也如期举办,在曼哈顿中城的Pier59Studios举行。

两场资源推介会,发布时间在同一天,场地也都在纽约,仅隔几公里。

几乎所有参与者都能体会到Netflix与YouTube之间的火药味,没有擦枪走火的小心试探,直接是战线拉平、正面对垒。

当然,这场正面交锋不只是声势和排场的较量,背后更深的分歧在于两种流媒体广告逻辑的碰撞。

02

很多出海广告公司一说到CTV投放,YouTube几乎是条件反射式地排在第一位。它的优势太显性了:路径清晰且效率极高,覆盖够广,产品线够全,数据链闭环,品牌预算和效果预算都能统筹进来。

YouTube在技术上几乎没有短板,不过与Netflix相比,它真正的短板在内容结构上。

YouTube的内容本身是碎片化的,呈现出高度流动性和不连续性,观众常常在不同视频之间快速跳转,注意力被切割成短时段、低黏性的片段。

在这样的环境里,广告虽然跑得快、见效快,但很难真正沉淀用户认知。品牌信息停留时间有限,情绪铺垫不够,心智影响的深度始终上不去。

于需要建立品牌价值、构建长期联想的广告主来说,这种内容节奏不具备稳定性,是一个绕不开的局限。效率再高,最终传达的,是“看到”,而不是“理解”或“记住”。

这是一个难解的题。因为广告对YouTube来说,是平台营收的核心支柱,占比长期维持在85%左右。

它所有的产品逻辑、内容推荐机制、创作者激励体系,本质上都是为了服务广告主。这也注定了它对用户体验的取舍。

它要的是规模、点击、转化,而不是观看时的完整性。

所以,YouTube需要靠推荐算法不断精准推送,形成极强的分发效率,这使得它的内容结构松散,广告形态最终也趋向“效率导向”:三秒抓人、十秒跳过、点击跳转。

这一套在效果广告里很好用,但在CTV这个“客厅场景”里,却开始显得有些太工具倾向。

Netflix走的是完全不同的路。

它是把广告当作内容体系的延伸来设计的。广告要出现在什么位置、怎么呈现、用户会不会被打扰,这些问题在他们系统里优先级更高。

“虽然Netflix的CPM略高,但客户愿意试,因为广告的完成率高、观看环境干净、广告出现在「观众坐下来认真看的内容中」,这几点是目前YouTube上很难同时具备的。”

总结来说,Netflix的打法,是从内容反推广告。

即将上线的互动广告是个很典型的例子,不跳转、不打断,而是嵌入到剧情里的信息点。对用户来说,它是一个可点开的选项,而不是必须跳过的障碍。

所以,Netflix在CTV里的优势,正好是YouTube所不及的。它擅长“人等内容”,用户一坐下就准备看40分钟甚至一整晚,这种长时间的、高专注度的观看,是广告主求而不得的场景。

Netflix不急着跑量,不着急拉高CPM。现在它的CPM已经稳定在40美元上下,略低于YouTubeCTV,但广告主的品牌好感度、完播率更高,甚至有人把Netflix的广告环境形容为“干净的剧场”,是YouTube无法提供的那种“沉浸状态”。

总结来看,接下来的竞争,会越来越清晰地展现出Netflix和YouTube的路径分野。一个以算法为引擎,追求分发效率;一个以内容体验为核心,强调广告与内容的协同完整。

两者走法不同,争的不是同一种注意力,而是不同形态的注意力。

YouTube的注意力是流动的、分散的,依靠算法推送和高频曝光来实现触达,它追求的是瞬间捕捉、快速转化;Netflix要的是稳定的停留,是观众坐下来、连续观看内容过程中自然产生的集中状态。在YouTube上,广告要在最短时间内抢眼球、压时间、争点击;

在Netflix上,广告要在完整内容中被接受、被理解、被记住。这是两种完全不同的观看环境,也对应着两种截然不同的广告策略。

前者适合效率投放,后者更适合品牌沉淀。

03

现在看来,Netflix在竞争激烈的广告市场,找到了一个定位:它提供的是一种“确定的广告环境”。广告不会被跳过,内容不会被广告破坏,广告出现在用户认真看内容的时候,而不是刷视频的时候。

目前,Netflix不再依赖微软的托管方案,而是彻底自研了自己的广告平台NetflixAdSuite。目前这个平台已经在12个国家上线,覆盖所有广告层市场,70%以上的广告请求都由自家服务器处理。

这传递一个很明确的信号:Netflix不打算把广告业务交给别人,也不打算浅尝辄止。

前几天我看到一则新闻:Netflix正在和YahooDSP等程序化买方平台打通接口,意味着它正式将广告库存开放给更广泛的程序化广告主。这件事的意义远不止“可以程序化购买”这么简单,而是一个关键的平台生态转折点。

过去Netflix的程序化广告能力,主要依托与微软的深度合作——广告主可以通过MicrosoftAdvertising平台进行一定范围内的程序化投放。但那更像是一种“托管式程序化”:

Netflix把广告位托管在微软体系之下,由合作方控制投放规则、数据权限和需求接入,Netflix本身在交易环节中的主导权和灵活性并不强。

而这一次对YahooDSP的打通,意味着Netflix广告正向更加“标准化程序化”的方向演进。它不再是“只能通过某一家入口间接采买”,而是逐步纳入行业主流的RTB(实时竞价)链路,可以被多个DSP(需求方平台)直接对接、竞价、交易。

这是一个非常关键的信号。它意味着Netflix广告真正走向开放,它的广告资源开始具备“流动性”和“流通性”,从而真正被主流广告主纳入常规媒体采买计划中。

当然,这也意味着Netflix将不得不接受更多关于数据透明性、频控策略、归因测量等行业标准的挑战。

我了解到的,Netflix现在已经接入了NielsenONEAds,在这个平台上,广告主可以看到跨平台的曝光数据,也能做GRP对比。同时,平台也在跟Kantar和NCSolutions做品牌归因、销售影响评估,弥补之前大家对它“无测量、无反馈”的顾虑。

04

Netflix的广告体量还小,投放系统远未成熟,离撼动YouTube还有距离。但它已经具备了基础平台、内容优势和广告主注意力三项要素,成为YouTube不得不认真盯紧的变量。

未来,Netflix的广告业务能走多远,未来还要看一个关键因素:

能否打通“品牌广告”和“效果广告”之间的链路,这决定了它广告业务的天花板有多高。

现在Netflix主打的是品牌广告主的“高质投放”——它希望把广告变成一场沉浸式体验,把平台打造成品牌预算的新阵地。

但这套逻辑背后,其实也有一个不容忽视的现实:品牌广告这块市场,并不是一个正在扩张的蓝海,而恰恰是一块不断被压缩的预算池。

过去几年,无论在中国还是美国,品牌广告主都在削减“看不见效果”的广告预算,把更多广告费分配到能算ROI、能带货的效果类广告上。

哪怕是传统电视大户如食品、快消、家电,也在迅速向社交媒体、电商平台和搜索引擎转移。YouTube内部的趋势也非常明显——品牌广告的增速早已被效果广告甩在身后,后者才是撑起其广告收入增长的主力。

这也是为什么Netflix最近开始接入YahooDSP、打通程序化生态、引入第三方测量平台的原因。它正在为“下沉”做准备——从服务品牌的“高净值广告”,走向服务效果预算的预算池。

但问题也随之而来。Netflix最引以为傲的“观看沉浸感”,和效果广告所要求的“即时互动性”是存在矛盾的。

前者希望用户别被打扰,广告能悄悄嵌入体验;后者却要求广告主有足够控制力,能抓转化、能跳转落地、能实时优化。这两个系统在同一个平台上共存,是技术能力的挑战,更是哲学取舍。

广告不是一个靠气质取胜的生意。

如果Netflix要冲刺广告应收的百亿美元俱乐部,在预算趋紧、效果导向成为绝对主流的今天,它必须证明:这个平台不仅能讲好故事,也能交出数据——让广告主看到结果、看到人群、看到交易,甚至能做到精细化调度。

否则,它只能一直停留在“值得尝试”的小预算池里,靠品牌主的广告费维持增长,终究难以撼动YouTube那个以规模和效果称霸的广告系统。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/pingmian/89980.shtml
繁体地址,请注明出处:http://hk.pswp.cn/pingmian/89980.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

(四)Unity3d-ROS联合仿真:turtlebot在Unity3d中仿真

运行环境Ubuntu20.04Unity3d 1.下载运行 (1)项目下载地址: Robotics-Nav2-SLAM-Example 最好执行下面命令能将子模块也下载 git clone --recurse-submodule gitgithub.com:Unity-Technologies/Robotics-Nav2-SLAM-Example.gitgit submodu…

信息学奥赛一本通 1553:【例 2】暗的连锁

【题目链接】 ybt 1553:【例 2】暗的连锁 【题目考点】 1. 树上差分:边差分 类似对差分序列进行修改可以完成对原序列的区间修改。对树上边差分进行修改可以完成对树上一条路径中所有边的边权进行修改。 一条边的差分值为该边的权值减去该边连接的深…

二分查找-852.山峰数组的峰顶索引-力扣(LeetCode)

一、题目解析1.山峰数组数据严格满足arr[0]<arr[1]……<arr[i]>arr[i1]……arr[arr.size()-1]2.时间复杂度要求为O(logN)二、算法解析解法1&#xff1a;暴力解法-O(N)遍历数组arr&#xff0c;结合山峰数组性质&#xff0c;我们发现峰顶存在arr[i]>arr[i-1]&#xf…

高可用架构模式——数据集群和数据分区

目录 一、数据集群 1.1、 数据集中集群 1.2、 数据集中集群的复杂度具体体现 1.3、数据分散集群 1.4、数据分散集群的复杂度具体体现 1.5、数据分散集群和数据集中集群的不同点 二、数据分区 2.1、数据分区架构需要考虑的因素 2.1.1、数据量 2.1.2、分区规则 2.1.3、复制规则 2…

上电复位断言的自动化

POR是所有SoC设计的关键功能序列&#xff0c;其作用是将系统从任意状态恢复至正常状态。任何未被检测到的POR缺陷都可能导致实际芯片中的灾难性后果。复杂数量的重置逻辑给验证工程师带来了更大挑战——他们需要在RTL仿真过程中捕捉这些设计缺陷。随着SoC规模和复杂度的持续增长…

2025 年最新 AI 技术:全景洞察与深度解析​

2025 年最新 AI 技术&#xff1a;全景洞察与深度解析​在科技飞速发展的当下&#xff0c;AI 技术无疑是最耀眼的那颗星&#xff0c;持续为我们的生活与工作带来前所未有的变革。步入 2025 年&#xff0c;AI 技术更是呈现出多点突破、全面开花的态势&#xff0c;下面就为大家深入…

Vue项目中的AJAX请求与跨域问题解析

一、AJAX请求方式对比与选型1. 原生XHR方式基本使用示例&#xff1a;缺点分析&#xff1a;代码冗长复杂回调地狱问题需要手动处理JSON转换错误处理不够直观2. jQuery的AJAX基本使用示例&#xff1a;$.ajax({url: http://localhost:5000/api/data,type: GET,success: function(d…

使用 Longformer-base-4096 进行工单问题分类

简述最近接了对Ticket 进行问题分类的任务&#xff0c;使用了prompt和机器学习两种方式来解决&#xff0c;这里重点介绍Longformer-base-4096 模型训练的方案使用 Longformer-base-4096 模型实现文本分类系统&#xff0c;利用 Longformer 处理长序列的能力进行准确分类。该解决…

Matplotlib和Plotly知识点(Dash+Plotly分页展示)

Matplotlib和Plotly知识点&#xff08;DashPlotly分页展示&#xff09;0、Matplotlib、Plotly和Dash区别 &#xff08;推荐用DashPlotly&#xff09;1.1、Matplotlib &#xff08;静态图&#xff09;1. Figures&#xff08;图形&#xff09;概念创建Figure保存和显示Figure2. S…

YOLO12论文阅读:Attention-Centric Real-Time Object Detectors

文章链接&#xff1a; 2502.12524https://arxiv.org/pdf/2502.12524 摘要 (Abstract)​​ 长期以来&#xff0c;增强 YOLO 框架的网络架构至关重要&#xff0c;但尽管注意力机制在建模能力方面已被证明具有优越性&#xff0c;改进却主要集中在基于 CNN 的方面。这是因为基于…

秋招Day17 - Spring - 事务

Spring事务的种类编程式事务和声明式事务介绍一下编程式事务管理&#xff1f;通过编程的方式显式控制事务的开始、提交和回滚&#xff0c;一般使用TransactionTemplate的execute方法介绍一下声明式事务管理&#xff1f;基于AOP&#xff0c;通过调用代理对象拦截目标方法&#x…

多维基分析求导法则

对于n维点R0(I1,I2,I3,......In)如果到R&#xff08;I1&#xff0c; I2 , I3 ,......,In )有基分析求导定理&#xff1a;即R0 R0 *&#xff08;x1 ,x2 ,x3 ,.............xn) R当I1&#xff0c;I2&#xff0c;....,In独立不能转化时有了独立变量的求导和积分不相干法则…

Java值传递和构造函数

一.Java值传递首先我们来看一串代码&#xff1a;输出 10 20&#xff0c;而不是20 10 这是为什么呢&#xff1f;有内存图可以知道&#xff0c;这个change方法所改变的东西最终没有写回到main之中&#xff0c;且他传的是具体的数据&#xff0c;所以还会输出原数据&#xff0c;就相…

电商项目_秒杀_架构及核心

秒杀架构设计先看下普通web项目架构&#xff1a; &#xff08;Nginx : 反向代理、负载均衡&#xff0c;一般是运维部分做生产搭建的时候配置好&#xff09;秒杀架构设计&#xff1a;和普通架构区别&#xff1a;原先由Web 服务或Nginx服务提供的静态资源放到了CDNNginx的职责放⼤…

4x4矩阵教程

4x4矩阵教程 1. 简介 四维矩阵是计算机图形学和3D变换中的重要工具&#xff0c;用于表示三维空间中的仿射变换。本教程将介绍如何使用C实现四维矩阵的基本运算和变换。 2. 代码实现 2.1 头文件 (matrix4x4.h) #ifndef MATRIX4X4_H #define MATRIX4X4_H#include <array> #…

Oracle 数据库共享池与大池调优指南

在 Oracle 数据库的内存管理中&#xff0c;共享池&#xff08;Shared Pool&#xff09;和大池&#xff08;Large Pool&#xff09;是 SGA&#xff08;系统全局区&#xff09;中负责缓存与资源分配的核心组件。合理配置和调优这两个池&#xff0c;能显著提升数据库性能 —— 尤其…

C# Lambdab表达式 Var 类

Lambdab 是用于创建一个方法的表达式Func<参数1类型, 参数2类型, 返回值类型> fnName >(参数1 参数2) {方法代码体}Func<int, int, bool> fnName (int a, int b) > {return a > b; };//调用时和普通方法一致 Console.WriteLine(fnName(10,20)); // false…

【Python】常见模块及其用法

文章目录1. 什么是模块和包&#xff1f;2. 常见的模块及其用法2.1 time概览2.1.1 时间获取方法2.1.2 时间格式化与解析2.1.3 程序计时与延迟2.1.4 时间转换2.2 random概览2.2.1 基本随机数2.2.2 随机整数2.2.3 序列操作2.2.4 概率分布2.2.5 随机种子2.2.6 状态管理2.3 os概览2.…

洛谷 P3478 [POI 2008] STA-Station

【题目链接】 洛谷 P3478 [POI 2008] STA-Station 【题目考点】 1. 树形动规&#xff1a;换根动规 换根动规&#xff0c;又名二次扫描法&#xff0c;一般是给一颗不定根树&#xff0c;通过两次扫描来求解。 我们可以先任选一个根结点root&#xff0c;通过树形动规的思想计算…

【爬虫】03 - 爬虫的基本数据存储

爬虫03 - 爬虫的数据存储 文章目录爬虫03 - 爬虫的数据存储一&#xff1a;CSV数据存储1&#xff1a;基本介绍2&#xff1a;基本使用3&#xff1a;高级使用4&#xff1a;使用示例二&#xff1a;JSON数据存储1&#xff1a;基础json读写2&#xff1a;字符串和对象的转换3&#xff…