Reklama bez śledzenia: czy kampanie oparte na kontekście mogą być skuteczne

W ocenie redakcji kampanie oparte na kontekście mogą być skuteczne – przy budowaniu zasięgu, trafianiu w zainteresowania i ochronie wizerunku marki często nie ustępują reklamie behawioralnej. Dowody są jednak mieszane, a w zadaniach typowych dla performance – retargetingu, kontroli częstotliwości, przypisywaniu konwersji – reklama bez śledzenia wciąż ma wyraźne ograniczenia. Zmienia się natomiast jedno: sztuczna inteligencja potrafi znacznie lepiej niż dawne systemy słów kluczowych zrozumieć, o czym jest treść obok reklamy.

Ten komentarz należy do serii o AI i cyfrowej zmianie w marketingu; szerszy kontekst przedstawiamy w tekście o marketingu w erze AI.

Czym różni się reklama kontekstowa od behawioralnej?

Reklama kontekstowa to reklama dopasowana do treści, przy której się wyświetla: tematu artykułu, filmu, zapytania w wyszukiwarce albo rozmowy z asystentem AI. Reklama behawioralna jest dopasowana do osoby – do profilu zbudowanego na podstawie jej wcześniejszych zachowań w różnych serwisach i aplikacjach, zwykle z użyciem ciasteczek stron trzecich lub identyfikatorów urządzeń.

Ostatni wiersz tabeli bywa pomijany, a jest kluczowy dla sporu. Reklama kontekstowa wycenia przede wszystkim treść wydawcy, behawioralna – dane o użytkowniku, które często należą do pośredników technologicznych lub największych platform. Dlatego wydawcy są naturalnymi zwolennikami kontekstu, co trzeba brać pod uwagę, czytając przywoływane przez nich badania.

Czy śledzenie użytkowników naprawdę się kończy?

Nie w sposób, który zapowiadano. Google przez kilka lat deklarował, że wyłączy ciasteczka stron trzecich w Chrome i zastąpi je zestawem technologii Privacy Sandbox. Latem 2024 r. zmienił plan na model wyboru użytkownika, 22 kwietnia 2025 r. ogłosił, że nie wprowadzi nawet osobnego okna z pytaniem o zgodę i zachowa obecne ustawienia przeglądarki, a w październiku 2025 r. poinformował o wycofaniu większości technologii Privacy Sandbox – m.in. Topics, Protected Audience i Attribution Reporting – powołując się na niskie wykorzystanie i opinie rynku. Utrzymane zostały pojedyncze rozwiązania, takie jak CHIPS i FedCM.

To nie znaczy, że śledzenie ma się dobrze. Safari i Firefox od lat domyślnie ograniczają ciasteczka stron trzecich, a zmiany Apple w iOS, wymagające zgody na śledzenie w aplikacjach, Meta wyceniła w lutym 2022 r. na około 10 mld dolarów utraconych przychodów w tamtym roku. Do tego dochodzą banery zgód, na których część użytkowników odmawia śledzenia – o tym, jak projektowanie takich okien bywa nadużywane, piszemy w komentarzu o dark patterns.

Naszym zdaniem właściwy opis sytuacji to nie „koniec ciasteczek”, tylko stopniowa erozja danych behawioralnych poza największymi platformami. Google, Meta czy Amazon zachowują ogromne zasoby danych z własnych usług, a niezależni wydawcy i pośrednicy tracą sygnały. W tym sensie dyskusja o reklamie bez śledzenia jest w istocie dyskusją o tym, czy niezależne media mają realną alternatywę – wątek, który rozwijamy w komentarzu o polskich wydawcach wobec globalnych platform.

Co mówią badania o skuteczności reklamy kontekstowej?

Najczęściej przywoływane badanie przedstawili w 2019 r. Alessandro Acquisti z Carnegie Mellon University i współpracownicy. Oszacowali w nim, że reklama oparta na śledzeniu dawała mu jedynie około 4% więcej przychodu niż reklama wyświetlana bez tych danych. Wniosek był taki, że większość wartości generowanej przez śledzenie trafia nie do wydawców, lecz do innych ogniw łańcucha.

Drugi znany przykład to holenderski nadawca publiczny NPO. W styczniu 2020 r. jego biuro reklamy Ster przeszło z targetowania behawioralnego na kontekstowe. Według danych Ster opublikowanych przez firmę Brave przychody w styczniu 2020 r. były o 61% wyższe niż rok wcześniej, w lutym – o 76%, a w okresie pandemicznego spowolnienia od marca do maja wzrost wynosił od 8% do 19% miesięcznie. Trzeba jednak pamiętać, że Brave jest firmą otwarcie krytyczną wobec śledzenia, a NPO to wydawca o wyjątkowej pozycji i zasięgu, którego wyników nie można przenosić na mały portal.

Po drugiej stronie stoi badanie Google z sierpnia 2019 r. Na próbie 500 wydawców korzystających z Google Ad Managera firma wyliczyła, że wyłączenie ciasteczek obniżało przychody z reklamy programmatic średnio o 52%, a w przypadku wydawców informacyjnych – o 62%. Wydawcy krytykowali sposób wyliczenia tego wyniku, wskazując m.in., że spadek przychodów w przeglądarkach blokujących ciasteczka nie przekłada się wprost na spadek ich łącznych przychodów. Google był przy tym stroną zainteresowaną utrzymaniem modelu opartego na danych.

W ocenie redakcji uczciwy wniosek brzmi: badania nie rozstrzygają sporu, bo każde z nich ma autora z wyraźnym interesem i mierzy co innego – przychód wydawcy, cenę wyświetlenia albo wynik kampanii. Pewne jest jedno: przewaga reklamy behawioralnej nie jest tak oczywista i tak duża, jak przez lata przedstawiała to branża technologii reklamowej.

Dla polskiego rynku brakuje publicznych, niezależnych badań porównujących oba modele na lokalnych danych, a przytoczone przykłady pochodzą z USA i Holandii. Warto też dodać perspektywę, której nie mierzy żadne z tych badań: odbiorcę. Reklama, która „chodzi” za użytkownikiem po internecie kilka dni po obejrzeniu produktu, bywa odbierana jako natarczywa, a reklama dopasowana do czytanego tekstu – jako naturalna część treści. Naszym zdaniem ten aspekt, choć trudny do policzenia, ma znaczenie dla marek, którym zależy na zaufaniu, a nie tylko na kliknięciu. Szerzej o zmęczeniu odbiorców reklamą piszemy w komentarzu o nadmiarze reklam.

Dlaczego AI może dać kontekstowi drugie życie?

Dawna reklama kontekstowa opierała się na słowach kluczowych i była prymitywna: artykuł o katastrofie lotniczej mógł wyświetlić reklamę tanich lotów, bo zawierał słowo „samolot”. Modele językowe i systemy rozpoznawania obrazu rozumieją znaczenie, ton i temat treści, a nie tylko pojedyncze słowa. Pozwala to trafniej dopasować reklamę i jednocześnie lepiej chronić markę przed niewłaściwym sąsiedztwem.

Najciekawszym przykładem nowego kontekstu są asystenci AI. Reklamy w ChatGPT, działające w Polsce od 24 sierpnia 2026 r., są dobierane przede wszystkim do tematu rozmowy, choć OpenAI uwzględnia też wcześniejsze czaty i interakcje z reklamami, a użytkownik może wyłączyć personalizację. Rozmowa, w której ktoś opisuje swój problem pełnymi zdaniami, to kontekst bogatszy niż jakikolwiek artykuł. Czy ten model obroni się pod względem zaufania, rozważamy w komentarzu o reklamach w ChatGPT.

Naszym zdaniem jest tu jednak ryzyko: zaawansowane rozumienie kontekstu jest kosztowne i najłatwiej dostępne dla największych graczy. Jeśli „nowy kontekst” będą definiować głównie platformy z własnymi modelami AI, niezależni wydawcy mogą znów znaleźć się w roli dostawców treści, a nie partnerów w podziale przychodów. To samo zjawisko widać przy spadku ruchu z wyszukiwarek, opisanym w tekście o ruchu z Google w epoce odpowiedzi AI.

Gdzie reklama bez śledzenia ma ograniczenia?

Najpoważniejsze ograniczenie dotyczy kampanii nastawionych na bezpośrednią sprzedaż. Bez identyfikacji użytkownika między serwisami trudno o retargeting, czyli przypominanie oferty osobom, które już odwiedziły sklep, trudno kontrolować, ile razy ta sama osoba zobaczy reklamę, i trudniej przypisać sprzedaż konkretnej kampanii. Dla reklamodawców rozliczających się wyłącznie z kosztu konwersji to realna strata.

Drugie ograniczenie to skala. Kontekst działa najlepiej u wydawców z wyraźnym profilem tematycznym i dużą liczbą treści. Mały, ogólny portal ma niewiele do zaoferowania reklamodawcy, który chce dotrzeć do konkretnej grupy. Trzecie – pomiar. Bez danych behawioralnych trzeba sięgać po metody takie jak testy z grupą kontrolną, modelowanie marketing mix czy badania wskaźników marki, które są wolniejsze i mniej efektowne w raportach. Ten sam problem z mierzeniem efektów odroczonych opisujemy w komentarzu o sporze performance i kreatywności.

Uzupełnieniem kontekstu stają się dane własne: informacje zbierane bezpośrednio przez wydawcę lub sprzedawcę za zgodą klienta. Na takich danych opiera się m.in. rozwój retail media sieci handlowych, a w zakupie automatycznym – oferty kontekstowe opisane w analizie rynku programmatic w Polsce.

Jak przetestować kampanię kontekstową?

Skoro badania nie rozstrzygają sporu, najlepszym źródłem wiedzy jest własny test. Naszym zdaniem warto przeprowadzić go według kilku zasad.

1. Wybierz cel, w którym kontekst ma naturalną przewagę – zasięg i świadomość marki albo kategorię silnie związaną z tematyką treści – zamiast zaczynać od kampanii sprzedażowej z retargetingiem.
2. Przeznacz na test wydzieloną część budżetu i uruchom równolegle porównywalną kampanię behawioralną.
3. Ustal wskaźniki przed startem: koszt dotarcia, widoczność reklam, wskaźniki marki, a przy sprzedaży – przyrost mierzony testem z grupą kontrolną.
4. Uwzględnij jakość otoczenia: sprawdź, przy jakich treściach wyświetlały się reklamy w obu wariantach.
5. Rozmawiaj bezpośrednio z wydawcami o pakietach tematycznych i danych własnych, a nie tylko z pośrednikami.
6. Oceniaj wyniki w horyzoncie dłuższym niż kilka tygodni – efekty zasięgowe i wizerunkowe ujawniają się z opóźnieniem.

Metody porównywania efektów różnych kampanii opisujemy w przewodniku o efektywności reklamy.

Jaka jest ocena redakcji?

Reklama bez śledzenia może być skuteczna, ale nie we wszystkim. W budowaniu zasięgu, trafianiu w zainteresowania i ochronie marki kontekst jest mocniejszy niż kiedykolwiek, a AI dodatkowo zwiększa jego precyzję. W retargetingu i precyzyjnej atrybucji sprzedaży nadal przegrywa z danymi behawioralnymi, które – mimo zapowiedzi – wcale nie zniknęły z Chrome.

Naszym zdaniem najrozsądniejsza strategia to traktowanie kontekstu nie jako awaryjnego zastępstwa na wypadek „końca ciasteczek”, tylko jako równoprawnego narzędzia, które warto testować już w najbliższych kampaniach. Reklamodawca, który nauczy się planować kampanie bez pełnego profilu odbiorcy, będzie mniej zależny od decyzji kilku platform – a historia Privacy Sandbox pokazuje, że te decyzje potrafią się zmienić kilka razy w ciągu paru lat.