Měly by být doporučující systémy osvobozeny od post-trackovací éry?

Jelikož se sběr dat první strany stává novou hvězdou pro marketéry a poskytovatele dat, zvýšená pozornost věnovaná ‘uzavřeným’ systémům sběru dat riskuje táhnout jeden z nejhorlivějších výzkumných sektorů strojového učení do kontroverze a větší regulace.

Akce provedené hráči FAANG a producenty FOSS v příštích 12-18 měsících jsou nastaveny uzavřít kulturu cross-doménového sledování, která pohltila systémy uživatelské analytiky za posledních dvacet let, a vyvrcholila v skandálech Cambridge Analytica a následně nezvratitelnou veřejnou poptávkou po zvýšené online soukromí.

Bez ohledu na to, zda implementace splňuje ideál, a bez ohledu na rozsah, v jakém více obecné systémy sledování (jako je FLOC od Googlu a SKAdNetwork od Applu) mohou uklidnit spotřebitelský hněv a uspokojit inzerenty, tato nová vlna obav o soukromí uživatelů se vztahuje pouze na cross-doménovou extrakci dat v ‘veřejném’ kontextu, a ne na uzavřené nebo proprietární spotřebitelské prostředí, a na přizpůsobené doporučující systémy, které pohání zapojení tam.

Bohatá data ve Vlastních Zdí

Platformy, jako je Netflix, Disney+, HBO Max, Roku a ekosystém Amazonu (včetně Prime Video a produktových doporučení), které využívají přizpůsobené systémy strojového učení pro doporučení, jsou mezi službami obsahu, které nyní proliferují a retrenchují, jak se průmysl streamování balkanizuje.

Jelikož se sběr dat třetích stran stahuje, zdá se, že výhodou, kterou tyto větší hráči streamování uchovávají v oblasti jemnozrnného přístupu k zákaznickým údajům, je pravděpodobně inspiruje závist a imitaci, a nový důraz na rámce první strany jako způsob, jak získat zpět hyper-personalizované cílení z více obecných nových analytických systémů.

Jestliže k tomu dojde, není pravděpodobné, že to bude tak demokratické nebo meritokratické jako předchozí kritéria pro vstup, protože největší výhodou bude pro poskytovatele s nejširší sítí platforem první strany; s dostatečnými vývojovými zdroji pro poskytování bezpečných místních autentizačních systémů; a kteří jsou schopni spravovat, analyzovat a monetizovat vysoké objemy dat místně.

To by soustředilo veřejnou pozornost na aspekty soukromí ‘uzavřených’ doporučujících systémů způsobem, který jim dosud většinou podařilo vyhnout, protože do této chvíle byly výjimečnými případy a užívaly si výjimečných privilegií, fungujících v kontextu, kde koncový uživatel explicitně souhlasil s agresivními postupy sběru dat, které nejsou obecně povoleny v otevřených sítích.

Širší návrat k Hermetickým Prostředím První Strany

Zvýšený důraz na data první strany je pravděpodobně přinese návrat k doménově specifickým autentizačním systémům, které předcházely popularitě metod třetích stran poskytovaných společností Google (0Auth 2.0), Facebook a Twitter, stejně jako jiným populárním bolt-on sociálním platformám, jako je Disqus.

Před deseti lety vyřešily tyto platformy autentizace mnoho bezpečnostních problémů pro domény s omezenými vývojovými zdroji, ale také to učinilo obtížnějším získat stejnou granularitu akčních uživatelských dat, která umožňuje dedikovaný a místní autentizační a monitorovací systém. V té době to nebylo tolik důležité, protože cross-doménové sledování mohlo mosty tuto mezeru.

Přihlášení jako Řešení Existenciální Krize

Nyní leží výhoda v zajištění, aby byl uživatel přihlášen, i když neexistují žádné explicitní mechanismy pro jeho monetizaci. Příkladem toho je rostoucí počet médií, které vyžadují přihlášení pro zobrazení obsahu, i když tam není žádný paywall.

Snímek ‘přihlašovací zdi’ pro zobrazení článku Guardianu, který pochází z vyhledávání Google. To nelze zachytit ve webových archivních snímcích, protože omezení je generováno buď referenčními hlavičkami nebo systémy založenými na IP, které odhalují Google jako původce kliknutí.

Omezení tohoto typu mohou být pro jednotlivého diváka obtížně určitelná, protože se mohou lišit v různých geolokacích nebo jiných okolnostech. Například výše uvedený článek Guardianu není omezen žádným způsobem, pokud je navigován z webových stránek Guardianu (i když čtenář není přihlášen), nebo pokud je přístupný přímo. Vyžadování přihlášení z odkazu Google je levný způsob, jak generovat poptávkou řízený nárůst členství bez alienace ‘předem zachycených’ čtenářů.

Ačkoli vždy existovaly výhody sběru dat v tomto typu první strany zapojení (tj. ‘místní’ přihlášení), pád cross-doménového sledování pravděpodobně elevuje tuto praxi z ‘výhodné’ na existenciální nutnost za účelem vyhnutí se řídkým marketingovým datovým proudům FLOC a SKAdNetwork.

Impuls k Sběru Dat První Strany

Důkazy o ‘zlaté horečce’ dat první strany jsou silné. Podle názoru jednoho insidera z Forbes, pád souborů cookie třetích stran povede k novým příležitostem pro společnosti, aby kuratorovali a prodávali data druhé strany, kde mají dostatečnou infrastrukturu první strany, aby se stali datovými brokery ve svém vlastním právu.

Analýza jinde předpovídá, že maloobchodníci (kteří investují těžce do systémů strojového učení pro doporučení) se stanou novými ‘mediálními magnáty’.

V blogovém příspěvku platforma pro monetizaci Setupad示uje záměr reklamního průmyslu, aby se nezřekl federovaných, datově omezených systémů, jako je FLOC, uvádí, že ‘behaviorální cílení je odpovědí na budoucí úspěch pro inzerenty’, a že zachycení první strany je absolutní předpoklad pro toto.

Behaviorální cílení je to, co způsobilo současný tektonický posun v spotřebitelské soukromí; a to, co marketingový a profesionální influencer průmysl chce získat zpět – zástupcem, tajně nebo jakýmkoli jiným způsobem, bez ohledu na to, zda to nakonec táhne sektor výzkumu doporučujících systémů dolů do bláta s ním.

Klub První Strany

Kromě požadavku na nákladnou infrastrukturu, zabezpečení a vývojové zdroje, další faktor ukazuje, proč jsou pravděpodobně pouze větší společnosti prosperovat v éře systémů sběru dat první strany: společnost bude potřebovat přesvědčivou tržní kapaturu, aby donutila spotřebitele zpět do místních systémů přihlášení, které byli rádi opustili před deseti lety.

To je riskantní tah, i pro majoritního hráče, a paměť na pád Digg v roce 2010 stále straší SEO a marketingový svět. Čím je společnost přesvědčivější, tím méně poškozující bude tento tah, s více mocnými společnostmi, které mohou snášet propady a přizpůsobit se lépe prvnímu stranickému ekosystému než menšími společnostmi.

Účinky na Výzkum Doporučujících Systémů

Jak se tato situace vyvíjí, může ohrozit relativní ‘volnou cestu’, kterou regulační dohled udělil výzkumu doporučujících systémů strojového učení z firem, jako je Google, Amazon a Netflix.

Do jisté míry nové návrhy EU pro legislativu AI předpokládají větší kontrolu doporučujících systémů v každém případě. Ačkoli není jasné, zda ustanovení proti ‘subliminálním technikám za hranicí vědomí osoby, aby materiálně zkreslila chování osoby’ se bude vztahovat na doporučující systémy, je předpokládáno, že inzerenti a výzkumníci doporučujících systémů budou lobovat za výjimečné zacházení.

Ale může být obtížné udělat případ pro ring-fencing výzkumu doporučujících systémů v případě, že ‘zahradní’ přístup se stane novým průmyslovým standardem, a akademické pastviny, které hostily tento sektor výzkumu strojového učení, se stanou vysokovýkonnou horkou postelí pro komerční vývoj první strany.

Velké investice do pracovních postupů dat první strany mohou být jedinou nadějí pro znovuvytvoření stejné úrovně účinných ‘psychických’ reklam a politické propagandy, které charakterizovaly éru Cambridge Analytica; ale pro regulátory může vypadat, že smrt souboru cookie třetích stran jednoduše přesunula ‘nepoctivé’ postupy z ulic do uzavřených prostor. Pokud vnější účinek těchto aktivit opětovně vyvolá veřejný hněv, může se ukázat, že je to jen slabé útočiště.