هل يجب استثناء أنظمة التوصية من عصر ما بعد التتبع؟

随着第一方数据收集成为营销商和数据经纪人的新指南针，’封闭’数据收集系统的增加关注度可能会将机器学习最热衷的研究领域之一拖入争议和更大的监管中。

在接下来的12-18个月内，FAANG玩家和FOSS生产者的行动将关闭过去二十年中涵盖用户分析系统的跨域跟踪文化，并在剑桥分析丑闻和随后不可抗拒的在线隐私需求中达到顶峰。

无论实施是否达到理想，或者更广泛的跟踪系统（如Google的FLOC和Apple的SKAdNetwork）能够安抚消费者愤怒并满足广告商，新的对用户隐私的关注仅适用于跨域数据提取的’公共’环境，而不是封闭或专有消费环境和为其提供动力的定制推荐系统。

围墙花园中的丰富数据

使用自定义机器学习推荐系统的平台，例如Netflix、Disney+、HBO Max、Roku和Amazon生态系统（包括Prime Video和产品推荐），是现在正在扩张和巩固的内容服务，因为流媒体行业巴尔干化。

当第三方数据收集消退时，大型流媒体玩家在客户使用数据方面的优势似乎可能激发羡慕和模仿，并对第一方框架进行了新的强调，以便从更广泛的新分析系统中夺回超个人化的定位。

如果这种情况发生，它不太可能像以前的入场标准那样民主或功绩，因为最大的优势将归于拥有最广泛的第一方平台网络的提供商；拥有足够的开发资源来提供安全的本地身份验证系统；并能够管理、分析和本地货币化大量数据。

向更广泛的第一方环境回归

对第一方数据的强调可能会带来特定域的身份验证系统的回归，这些系统在第三方方法（如Google（0Auth 2.0）、Facebook和Twitter）以及其他流行的外接社交平台（如Disqus）之前很流行。

十年前，第三方身份验证平台的广泛采用解决了许多安全问题，但也使得获得与专用和本地第一方身份验证和监控系统相同的粒度的可操作用户数据更加困难。当时，这并不重要，因为跨域跟踪可以弥补这一数据差距。

登录作为解决生存危机的方案

现在，优势在于确保用户登录，即使没有明确的货币化机制。一个例子是越来越多的媒体机构要求登录才能查看内容，即使没有付费墙。例如，The Guardian目前正在尝试从Google搜索中查看文章的登录要求：

从Google搜索查看Guardian文章的登录墙截图。由于限制是由referrer头或IP系统生成的，因此无法在网页存档快照中捕获。

这种类型的限制可能对个别观众来说很难确定，因为它们可能会根据地理位置或其他情况而有所不同。例如，上述Guardian文章在从Guardian网站内部导航（即使读者未登录）或直接访问时没有任何限制。从Google转介要求登录是一种廉价的方法，可以在不疏远“预先捕获”的读者的情况下增加会员需求。

虽然这种类型的第一方参与一直存在数据收集优势（即“本地”登录），但跨域跟踪的衰落可能会将这种做法从“有利”提升到避免FLOC和SKAdNetwork更为稀疏的营销数据流的存在必要性。

向第一方数据收集的推动

第一方数据“淘金热”的证据很明显。根据Forbes的一位行业内部人士的说法，第三方Cookie的衰落将为公司带来新的机会，让他们能够策划和出售第二方数据，只要他们拥有足够的第一方基础设施就可以成为数据经纪人。

其他地方的分析还预测，投资大量机器学习推荐系统的零售商将成为新的媒体大亨。

在一篇博客文章中，货币化平台Setupad体现了广告行业不愿意接受联邦、数据有限的系统（如FLOC）的意图，表示，“行为定位是广告商未来的成功答案”，第一方捕获是绝对必要的。

行为定位是导致当前消费者隐私领域的巨大变化；也是营销和专业影响者行业想要夺回的东西——通过代理、隐秘或其他任何手段，无论它可能最终将推荐系统研究领域拖入泥潭。

第一方“俱乐部”

除了昂贵的基础设施、安全和开发资源的要求外，另一个因素表明为什么只有较大的公司可能会在第一方数据收集系统的时代蓬勃发展：一家公司需要令人信服的市场份额，以便将消费者重新拉入十年前他们很高兴放弃的本地登录系统。

这是一个冒险的举动，即使对于一家大公司来说也是如此，2010年Digg的衰落仍然困扰着SEO和营销世界。公司的市场份额越大，这种举动的破坏力就越小，大公司比小公司更能经受得住波谷并适应第一方生态系统。

对推荐系统研究的影响

随着这种情况的发展，它可能会威胁到监管监督对Google、Amazon和Netflix等公司的机器学习推荐系统研究所给予的相对“免费通行”。

在某种程度上，欧盟的新提议的AI立法预计会对推荐系统进行更大的审查。虽然不清楚草案中关于“超出个人意识的潜意识技术，以便在物质上扭曲一个人的行为”的规定是否适用于推荐系统，但预计广告商和推荐系统研究人员将游说寻求特殊待遇。

但是，如果“围墙花园”方法成为新的行业标准，机器学习研究的悠闲学术牧场成为大规模商业化的一方热点，那么为推荐系统研究辩护可能会很困难。第一方数据工作流的大规模投资可能是重现与剑桥分析时代相同的高效“心灵”广告和政治宣传的唯一希望；但对于监管机构来说，第三方Cookie的消亡可能只是将“不光彩”的行为从街头转移到了封闭的场所。如果这些活动的外部影响再次引发公众的愤怒，那可能会证明这是一种微不足道的庇护。