《Computers in Human Behavior Reports》：Semantic persuasion versus algorithmic recommendation: A journey-stage aware analysis of native advertising effectiveness
编辑推荐：
数字广告格式不仅在创意执行上存在差异，而且在算法中介环境中建立相关性的方式也有所不同。然而，关于其有效性如何在行为推断的客户旅程位置上发生变化的研究仍然有限。本研究借鉴说服理论、信息加工和计算相关性建模，比较了原生广告与目录广告在不同的运营漏斗阶段类别中的表现
数字广告格式不仅在创意执行上存在差异，而且在算法中介环境中建立相关性的方式也有所不同。然而，关于其有效性如何在行为推断的客户旅程位置上发生变化的研究仍然有限。本研究借鉴说服理论、信息加工和计算相关性建模，比较了原生广告与目录广告在不同的运营漏斗阶段类别中的表现，并考察了语义和行为信号与用户反应之间的关联。研究人员利用来自绩效导向型电子商务活动的12万条曝光级观测数据，将点击行为和点击后转化行为建模为广告格式、概率推断的漏斗阶段类别、曝光前行为信号以及广告与周围内容之间语义一致性的函数。TOFU、MOFU和BOFU类别是根据可观察的行为模式推导出来的，并被作为漏斗阶段的代理变量，而非认知状态或购买意图的直接测量。结果显示，在所推断的类别中存在系统性的交叉效应。在早期阶段类别中，原生广告的参与度显著高于目录广告，而在后期阶段类别中，目录广告的点击率更高。在早期阶段类别中，语义一致性与原生广告的参与度呈正相关，但在后续类别中这种关联减弱。模型诊断表明，语义特征对原生广告的预测贡献更大，而目录广告的预测则更依赖可观察的行为信号。点击后转化模式被谨慎解读，因为格式与阶段的交互作用在统计上不显著。总体而言，广告有效性随行为推断的漏斗阶段代理变量而变化，而心理学解释仍是理论性的，因为它们未被直接测量。
**研究背景与问题**
原生广告作为数字营销生态中的重要形态，凭借其与周边内容在形式、语气和展示方式上的高度融合，降低了对用户感知的干扰，逐渐成为社交媒体和内容平台中的核心广告形式。现有研究多从顺从性、欺骗感知与说服知识等角度对原生广告进行单独考察，但鲜有研究将广告格式、语义一致性与行为推断的客户旅程阶段纳入统一的曝光级分析框架。数字平台中的广告投放不仅取决于格式的创意呈现，还取决于其在算法中介环境中建立相关性的方式，即语义相关性或行为相关性。然而，不同格式的有效性是否随用户所处行为推断旅程阶段的变化呈现系统性差异，目前缺乏来自大规模印象级数据的实证证据。
为此，论文整合说服理论、信息加工理论、计算相关性建模与客户旅程框架，提出了一种旅程阶段感知的计算分析方法。研究将客户旅程位置操作化为TOFU（漏斗顶部）、MOFU（漏斗中部）、BOFU（漏斗底部）三类行为代理变量，基于曝光前的可观察行为模式推断，而非直接测量认知状态或购买意图。该研究的目标是：检验原生广告作为语义说服机制与目录广告作为算法推荐机制，在行为推断的不同漏斗阶段中是否表现为条件性有效；同时评估语义一致性对原生广告效果的预测作用，以及语义与行为信号在不同格式中的差异化敏感性。论文发表于《Computers in Human Behavior Reports》。
**技术方法**
研究数据来自Meta广告生态系统和Google Analytics收集的电子商务环境运行数据，样本包括大约10周内同时投放的赞助帖（原生广告）与目录广告，共120,000条曝光级观测记录，其中46.8%为原生广告，53.2%为目录广告。作者构造了基于过窗口的曝光前行为特征（近因、频次、深度），采用梯度提升分类器推断TOFU/MOFU/BOFU类别，分类器对启发式标签的验证准确率为0.839，宏观F1为0.836。对原生广告，使用CLIP（ViT-B/32）模型对文本与图像分别嵌入并以0.70/0.30权重融合，广告与上下文的语义相似度通过余弦相似度计算。预测模型以梯度提升树为主，逻辑回归为补充，采用5折分组交叉验证，分组以campaign（广告活动）为单位以避免信息泄漏。模型解释通过SHAP值实现，并采用DeLong检验、Brier分数等指标进行比较。
**主要结果**
**样本描述与总体表现。** 全样本整体点击率（CTR）为2.45%，点击后转化率（CVR）为6.85%。在行为推断早期类别中，原生广告的经验CTR为3.91%，明显高于目录广告的1.57%；中期类别差距缩小（2.28%对1.54%）；晚期类别中趋势反转，目录广告达到3.31%，原生广告为2.24%。该交叉模式表明，格式有效性随行为推断漏斗阶段代理变量发生系统性变化。
**格式与阶段的跨级交互。** 交互感知逻辑回归模型中，原生广告在早期类别中的odds比（OR）为1.99（p<0.001），即调整行为信号后点击概率约为目录广告的两倍。模型预测的CTR在早期为3.42%对1.56%，中期为2.00%对1.54%，晚期为1.96%对3.30%，支持研究假设H1和H2。这一结果说明，原生广告在行为推断早期阶段中具有明显的参与优势，而目录广告在后期阶段中表现更好，广告有效性不是格式的固有属性，而是与行为推断阶段之间存在条件性关联。
**语义一致性对原生广告的阶段性作用。** 在仅含原生广告的模型中，语义相似度在早期阶段与点击行为显著正相关（每增加1个标准差OR=1.12，p<0.001），中期该关联减弱，晚期变得不再显著。这一结果与处理流畅性、启发式评估等理论解释方向一致，但论文强调这些心理机制并未直接被测量，语义相似度作为可计算特征仅用于预测，其关联模式支持了H3和H4。
**信号敏感性的格式差异。** 模型特征归因分析显示，原生广告模型的语义特征累计标准化系数绝对值为0.35，高于行为特征的0.30；而目录广告模型主要依赖行为信号，其行为特征累计标准化系数绝对值为0.28。该模式支持H5，说明原生广告的预测更多依赖语义及上下文特征，目录广告则更依赖可观察行为信号。这一结果描述的是模型中的预测贡献差异，不能直接证明两类格式激活了不同的心理加工过程。
**点击后转化率的探索性分析。** 后点击转化模型仅在2935条点击曝光上估计，转化事件为201个。晚期类别的CVR在目录广告中数值上更高（11.68%对7.58%），但经过广告级聚类bootstrap计算的置信区间相互重叠，格式与阶段的CVR交互项未达到统计显著水平。因此，论文将转化率差异视为探索性描述模式，而不是格式间系统性转换差异的证据。
**模型性能与校准。** 梯度提升模型在CTR预测上显著优于逻辑回归（DeLong检验p<0.001），校准斜率接近1，期望校准误差更低。后点击转化模型的性能提升幅度较小，但方向一致，总体结论未随模型类别改变。
**讨论与结论**
结果中最稳健的证据集中在曝光级参与率方面：原生广告在行为推断早期阶段的CTR显著更高，目录广告在晚期阶段CTR更高。理论上，这种模式与说服知识模型、处理流畅性与双过程理论一致，用户的探索性行为状态可能更有利于与情境整合相关的说服机制，但论文明确指出购买意图、启发式处理等构念未被直接测量，只能作为可能的解释框架。方法上，论文展示了将印象级数据、概率漏斗类别分配、语义表示学习与可解释机器学习结合的可行性，使语义与行为信号能够被统一建模，并捕捉到传统粗粒度方法难以发现的交互效应。实用层面，广告平台与营销人员可考虑在行为推断早期阶段优先投放原生广告并提升语义匹配，在晚期阶段使用目录形式的行为推荐，但由于转化分析未获得显著交互效应，该建议仅适用于点击参与优化，不作为转化优化的因果规则。研究的局限性包括：广告分配由平台算法决定，观察性数据不能支持因果推断；漏斗类别基于可观察行为产生，其建构效度有待独立心理测量验证；转化事件数量有限，统计功效受到约束。未来研究应结合随机实验或地理实验、更大规模的转化样本，并对漏斗代理类别进行独立效度检验。总体而言，本文的主要实证贡献在于提供了行为推断漏斗阶段下格式效果的条件性证据，表明语义与行为信号对广告参与的贡献随操作漏斗类别而变化。其强结论体现在CTR上，点击后转化证据仍属于探索性。
