Top Native Advertisers på Taboola, Outbrain og MGID: En researchmetode

"Hvem er de største advertisers på Taboola lige nu?" er et almindeligt spørgsmål i performance marketing, og mange offentliggjorte svar er svære at kontrollere. De lister du finder er en vendors kunde-logos, et år-gammelt case study, eller en scrape af én placement på én site. Ingen af dem fortæller dig hvad faktisk er live denne uge, på hvilket netværk, i hvilket land.

Denne studie går en anderledes vej. I stedet for at spørge et netværk hvem dens store spenders er, genopbygger vi svaret fra annoncerne selv. Indfangede native kreativer klassificeres, hvor evidensen tillader det, efter advertiser, efter det native ad network der udsendte dem, og efter branche. Tæl hvor bredt og over hvilke datoer hver advertiser blev observeret, og du får en rangordning af observeret tilstedeværelse i den indfangede sample, ikke et mål for spend.

En tidligere version af denne studie citerede totaler fra juni 2026 for OpenAdLibrary-samlingen samt kreativtal per netværk og per branche. Disse tal har ingen reproducerbar udtræk og er i konflikt med totaler citeret andre steder på denne blog for samme måned, så de er trukket tilbage. Det følgende er metoden, med grænserne for hvad indfangede annoncer kan vise.

Hvad "top native advertiser" faktisk betyder#

I denne artikel betyder en "top" native advertiser en, hvis kreativer blev observeret på flest placements, publisher-domains og kreativvarianter på et givet netværk over en angivet periode. Det er et mål for observeret tilstedeværelse i en capture-sample. Det er ikke en valideret proxy for spend, som ligger i hvert netværks private billing, og det afhænger af hvor og hvor ofte samplet blev indsamlet.

Sammenlign netværk separat, fordi hvert netværk har sine egne publishers, advertisers og produkter. Her er hvad netværkene selv siger:

Taboola siger, at det når cirka 600 millioner daglige aktive brugere på tværs af publishers som NBC News og Yahoo, og i oktober 2025 sagde det, at det forventede at udbetale over $1.5 billion til publishers og OEMs i 2025. Det lancerede Realize, sin performance advertising-platform, i februar 2025. Outbrain købte video og CTV-platformen Teads fra Altice: aftalen blev annonceret i august 2024 til en anslået samlet betaling på omkring $1 billion og afsluttet den 3. februar 2025 under en ændret aftale med en samlet betaling på cirka $900 million ($625 million upfront cash og 43.75 millioner Outbrain-aktier), og den kombinerede virksomhed opererer under navnet Teads. MGID siger, at det blev grundlagt i 2008 og lister 32K+ content websites. Dette er virksomhedsudtalelser, ikke OpenAdLibrary-målinger, og de rangordner ikke netværkenes advertiser-baser.

De tidligere branchetal per netværk er trukket tilbage af årsagen ovenfor. Selv med et reproducerbart udtræk beskriver kreativtal efter branche hvad et capture-sample indeholder; de viser ikke hvilke kategorier der bruger mest på et netværk, eller hvilke der er profitable.

Annoncen ovenfor bar brand-labelen "Fresh Start Information". Et brand-label som dette identificerer ikke i sig selv advertiser of record, og derfor følger metoden nedenfor annoncen til dens destination. For bredere kontekst, se The State of Native Advertising 2026 (Data From Live Ad Capture), den pillar dette studie ligger under.

En almindelig fejl i advertiser-research er at behandle disse tre netværk som ét marked. En advertiser rangordnet første på MGID i en tier-2 geo kan være usynlig på Taboolas US premium inventory. Share er altid per-netværk, per-geo, aldrig global.

Metodologien: fra en udsendt annonce til en rangordnet advertiser#

Hele studiet hviler på én capability: at forvandle en anonym-looking ad unit til en attributed advertiser. Her er pipeline.

Indfang annoncen. OpenAdLibrary indsamler native placements hovedsageligt gennem API-baseret indsamling, med en browser-crawler som fallback, og registrerer kreativbilledet, overskriften, placement, publisher-domain, geo og timestamp, hvor det er tilgængeligt. Det er observationsdata, ikke et media kit, og dækningen varierer efter netværk og geo. Klassificér supply-chain. En udsendt native annonce kan passere gennem demand hops, resellers, tracking redirects og wrappers. Hver indfanget annonce mærkes med serving-netværket og demand-path, hvor de kan identificeres, for at reducere dobbelttælling på tværs af wrappers. Resolve den reel advertiser. On-page brand label og overskriften er ofte ikke advertiser of record; en affiliate, et agentur eller en white-label funnel kan ligge bag et generic navn. Redirect-sporet følges til landing page eller pre-lander uden at klikke på live annoncer, og destination-domænet og tracking-stacken bruges til at attribuere kreativet. Attribution kan være forkert, så tjek beviserne på hver registrering. Aggregér per advertiser, per netværk. Når kreativer er attribueret, rulles de op: forskellige kreativer, placements, publisher-domains, geos og datointervallet for observationerne. Rangordn efter observeret spredning og observationsperiode. Sortér efter hvor bredt og over hvilke datoer hver advertiser blev set. Disse beskriver tilstedeværelse i samplet; de er ikke målinger af spend, reach eller resultater.

Tag overskriften på denne næste. "MDs Identify 10 Medications Now Attached to Memory Problems In Seniors." Brand labelen læses "Vital Guardian." Det fortæller dig næsten intet om hvem betaler. Step 3 er den del der gør.

Hvorfor step 3 er den hård del, og hvorfor lister der stopper ved brand-labelen kan fejltillægge advertisers, er udforsket i Who Advertises on Taboola? Top Native Advertisers by Vertical.

Hvorfor denne metode undgår spend-estimater#

Det er fristende at ville have et dollar-tal ved hver advertiser. Modstå det. Ethvert offentligt spend-tal for native er en model stablet på antagelser om CPC, fill og undisclosed rate cards; behandl det som et estimat med stor usikkerhed, ikke som en måling.

To signaler kan observeres direkte i indfangede annoncer, men kun inden for det sample der blev indfanget.

Spredning er hvor mange forskellige placements, publisher-domains og kreativvarianter en advertiser blev observeret på. Fire kreativer på 3 sites og 200 kreativer på tværs af 1.500 domains beskriver meget forskellige footprints, men tallene alene fortæller dig ikke, om nogen af advertiserne tester eller scaler. Inden for én netværk-geo-celle kan spredning sammenlignes som observeret share of voice i samplet.

Observationsperiode er tiden mellem den første og sidste indfangning af en kreativ eller et offer. Den registrerer hvornår og hvor en annonce blev set. Den viser ikke spend, CTR, konverteringer, ROAS eller profit: en annonce kan fortsætte med at køre på grund af et brand- eller awareness-budget, et testbudget, langsom optimering eller en advertisers uopmærksomhed, og en annonce kan se kortlivet ud på grund af huller i capture. Perioder er også begrænset af, hvor længe indsamlingen har kørt, så et kort vindue kan ikke vise, om en annonce kørte i månedsvis.

Eksempler indfanget i juni 2026, der blev observeret gentagne gange, omfattede en SmartAsset IRA-withdrawal finance annonce på Outbrain, Hidden Hearing hearing-aid annoncer på Microsoft Audience Network og en serie "My IQ" quiz kreativer. Dette er kun historiske observationer; de siger intet om disse advertisers spend eller profitability.

Sammen beskriver spredning og observationsperiode en advertisers observerede footprint: smal og kortvarig, bred og ny, eller smal og vedvarende. De fortæller dig ikke, om en advertiser tester, scaler eller kører en proven winner; det ville kræve spend- og outcome-data, som capture ikke indeholder. The Longest-Running Native Ads (And What Makes Them Evergreen) diskuterer lange observationsperioder i flere detaljer.

Sammenligning af advertisers på tværs af netværk#

En tidligere version af dette afsnit indeholdt en tabel per netværk med branchekreativtal, advertiser-profiler og kreativ churn. Tallene manglede et reproducerbart udtræk, og profil- og churn-kolonnerne var forfatternes indtryk snarere end målinger, så tabellen er trukket tilbage. For hver netværk-geo-celle du undersøger, registrér i stedet:

Advertiser-navne i en celle kan ændre sig mellem capture-vinduer, så datér hver liste du laver, og tjek den igen i stedet for at behandle den som en permanent rangordning.

For eksempel omfattede captures på Taboola i juni 2026 en solar-battery lead-gen annonce ("Solar home batteries: Electricians agree about 1 thing") og en lignende AC-unit kreativ fra "Consumer World". Forskellige observationsperioder for lignende kreativer kan afspejle budgetter, targeting, test eller huller i capture, så behandl en forskel som et spørgsmål der skal undersøges, ikke som bevis for hvilken en der virkede.

For en branche-for-branche diskussion af nutra, finance, crypto og sweeps på tværs af netværk, se Top Native Ad Verticals in 2026: Nutra, Finance, Crypto & Sweeps by the Numbers.

Hvordan du kører denne breakdown selv#

Du kan køre den samme analyse på din egen branche. I OpenAdLibrary kræver det Founders-planen, fordi søgning og filtre ikke er på Free-planen. Workflowet:

Filter til et netværk og en geo. Start smalt, for eksempel MGID i dit target country, fordi sammenligninger kun giver mening inden i én netværk-geo-celle. Sortér advertiser-visningen efter spredning. Se på forskellige kreativer og publisher-domains per advertiser. Toppen af den liste er det mest synlige competitive set i samplet. Sortér samme visning efter observationsspænd. Advertisers der står højt på begge lister blev set bredt og gentagne gange; det er værd at studere, men det viser ikke at deres offers er profitable eller scaled. Åbn advertiseren og følg redirect-sporet. For hver top advertiser, undersøg landing pages og pre-landers bag deres kreativer for at bekræfte den reelle entity og offer-mekanikken, den del overskriften skjuler. Følg cellen over tid. Tjek igen med faste intervaller, og datér hver tjek. Et nyt navn der klatrer op ad spredningsranglisten er en opfordring til at se nærmere efter, ikke bevis for at en competitor scaler en winner.

Native Ad Share of Voice: Measuring Who Dominates a Vertical gennemgår hvordan observeret spredning forvandles til en share-of-voice-metrik. The Most Common Native Ad Angles (Analyzed From Real Creatives) viser hvordan du dekomponerer vinklerne i de kreativer, du finder.

Hvorfor dette nu er muligt, og auditable#

To udviklinger gør denne type advertiser-research mere praktisk, end den var for få år siden.

First, regulatory transparency normalized idéen. I henhold til artikel 39 i EU's Digital Services Act skal tjenester, der er udpeget som very large online platforms eller søgemaskiner, føre et søgbart offentligt arkiv over de annoncer, de viser, inklusive advertiser, hvem der betalte, perioden hvor annoncen blev vist, targeting-parametre og reach, indtil et år efter at en annonce sidst blev vist. Native recommendation-netværk som Taboola, Outbrain/Teads og MGID er ikke på Kommissionens liste over udpegede tjenester (siden sidst opdateret 7. september 2026), så artikel 39-forpligtelsen gælder ikke for dem som netværk. I sin første afgørelse om manglende overholdelse under DSA'en, den 5. december 2025, gav Europa-Kommissionen X en bøde på 120 millioner euro og henviste blandt andre overtrædelser til et annoncearkiv, der ikke opfyldte DSA'ens krav om transparens og tilgængelighed. Offentlig accountability for hvem der advertiser er ikke længere en niche idé. Det er baseline expectation.

Second, at indfange annoncer på tværs af netværk og klassificere deres supply chains gør det muligt at sammenligne advertisers på mere end ét netværk. Et netværks egen dashboard viser kun dine egne kampagner på dets inventory. At rekonstruere en competitors footprint ud fra indfangede annoncer giver et delvist, sample-baseret billede på tværs af netværk, hvilket er nyttigt, så længe dets dækningsgrænser oplyses.

Den praktiske payoff er at en rangordning bygget på denne måde kan kontrolleres. Hver advertiser i den bør kunne spores tilbage til specifikke indfangede kreativer, med netværk, placement, geo, capture date og landing page vedhæftet, hvor det er tilgængeligt. Hvis en rangordning overrasker dig, så åbn de underliggende annoncer og tjek arbejdet.

For at køre dette på Taboola, start fra Taboola ad spy view; at bygge en per-netværk advertiser-breakdown der kræver Founders-planens søgning og filtre.

OpenAdLibrary udgiver denne blog og sælger adgang til sit ad library. Free plan viser de 20 nyeste Meta-, TikTok- og native-annoncer, med annoncedetaljer, supply chain bag native-annoncer, redirect-sporet og indfangede landing pages; søgning, filtre, gemt research, API'en og MCP samt funnel tracing og real-advertiser resolution for native-annoncer kræver Founders-planen til $29.99 om måneden (pris tjekket 7. oktober 2026).

Bottom line#

Der er ingen permanent top native advertiser liste; enhver liste er et snapshot af et bestemt capture-vindue. Byg din egen for én netværk-geo-celle, datér den, rangordne advertisers efter observeret spredning og observationsspænd, og tjek evidensen bag hvert navn. Det fortæller dig hvem der var mest synlig i samplet. Det fortæller dig ikke hvem der bruger flest penge, eller hvem der er profitable.