当苹果在2021年iOS 14.5中推出应用跟踪透明度(ATT)提示功能时,这对第三方应用中的用户隐私保护来说是一个分水岭时刻。在此之前,从未有过类似的功能。这项举措让iPhone用户能够控制他们在应用内的数据是否可以被聚合并与第三方分享,用于广告或其他目的。
然而,如今我仍经常在网上看到一些人的评论,他们并不真正了解这个功能的作用,并觉得其措辞很令人困惑。比如,为什么要"请求"应用?它现在还有效吗?让我们简要了解一下2025年的应用跟踪透明度功能。
如果你不熟悉,作为ATT框架的一部分,苹果要求开发者在分享你的数据之前获得你的许可。到现在为止,我们都见过这些弹窗。下载新应用后,你经常会看到一个弹窗询问"允许[应用名称]在其他公司的应用和网站上跟踪你的活动吗?"
你有两个选项:"允许"或"请求应用不要跟踪"
点击"允许"会给应用明确的权限来收集你的年龄、性别、位置、使用模式、购买记录、浏览习惯、点击了哪些广告等信息。对于那些想要为你建立档案以投放精准广告的数据经纪商来说,这些数据就是黄金。
与此同时,选择"请求应用不要跟踪"会阻止应用访问你的IDFA。这是苹果为每个iOS设备分配的唯一代码,使公司能够将你在不同应用中的所有行为数据连接起来。没有它,广告商就无法将你的购物活动与社交媒体习惯等连接起来。这个选项还在系统API层面阻止访问,所以公司无法绕过它。
不过,如果你在应用中提供了IP地址、电话号码或电子邮件,开发者仍然可以使用这些信息跟踪你。这就是为什么苹果在后一个选项中使用"请求"而不是明确的"拒绝"的措辞。这是对它在技术上能够执行什么的诚实表达。苹果无法确定开发者是否在使用其他手段跟踪你。
效果如何呢?是有效的,但也不完全如此。跟踪确实大幅下降了。在这个功能推出之前,大约73%的美国用户可以被广告商跟踪。现在这个数字大约是18%。像Meta这样的公司(即互联网的数据收集母舰,拥有Instagram、Facebook、Messenger和WhatsApp等一系列低轨离子炮),受到了重创,仅在2022年就损失了约128亿美元。
但当然,广告商不会放弃世界上最赚钱的移动平台。他们只需要变得更有创意。因此,设备指纹识别在移动设备上爆发式增长。与IDFA相比,这一直是一种次要的、更地下的数据收集技术。
现在它是最广泛使用的,收集诸如你的屏幕尺寸、操作系统版本、时区等详细信息,可能还有更多。应用也转向了情境广告,跟踪你在应用内的行为而不是跨应用跟踪。
总的来说,这两种方式都不如获得用户的IDFA那么理想,但这些数据仍然能以高价出售给广告网络。
因此,虽然应用跟踪透明度自推出以来确实发挥了作用,将跨应用跟踪减少了一半,但它并不是完全终结跟踪。它只是让广告商的跟踪变得更加困难和昂贵,这可以说是苹果的本意。
Q&A
Q1:苹果ATT功能的主要作用是什么?
A:ATT(应用跟踪透明度)是苹果在iOS 14.5中推出的隐私保护功能,它要求开发者在分享用户数据前必须获得许可。用户可以选择"允许"或"请求应用不要跟踪"来控制应用是否能收集并分享自己的数据用于广告等目的。
Q2:选择"请求应用不要跟踪"能完全阻止所有跟踪吗?
A:不能完全阻止。它会阻止应用访问IDFA(iOS设备唯一标识符),让广告商无法跨应用连接用户行为数据。但开发者仍可能通过IP地址、电话号码、邮箱等其他方式跟踪,或者使用设备指纹识别技术,这就是为什么苹果用"请求"而非"拒绝"的措辞。
Q3:ATT功能推出后对广告行业产生了什么影响?
A:ATT功能显著改变了移动广告格局。美国用户的可跟踪比例从73%降至18%,Meta等公司在2022年因此损失约128亿美元。广告商被迫转向设备指纹识别和情境广告等替代方案,虽然这些方法效果不如IDFA,但仍能产生可观收益。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。