Sollten Empfehlungssysteme vom post-Tracking-Zeitalter ausgenommen werden?

Da das Sammeln von First-Party-Daten zum neuen Leitstern für Marketer und Datenhändler wird, riskiert die erhöhte Aufmerksamkeit auf “geschlossene” Datensammlungssysteme, einen der forscherisch aktivsten Sektoren des Machine Learning in Kontroversen und strengere Regulierung zu ziehen.

Die Maßnahmen, die die FAANG-Akteure und FOSS-Produzenten in den nächsten 12-18 Monaten ergreifen, sollen die Kultur des Cross-Domain-Trackings beenden, die die Benutzeranalyse-Systeme in den letzten zwanzig Jahren umgab und in den Skandalen von Cambridge Analytica gipfelte und anschließend in einem unwiderstehlichen öffentlichen Bedürfnis nach erhöhter Online-Privatsphäre.

Unabhängig davon, ob die Umsetzung dem Ideal entspricht und unabhängig davon, in welchem Umfang allgemeinere Tracking-Systeme (wie Google’s FLOC und Apple’s SKAdNetwork) den Verbraucherzorn besänftigen und Werbetreibende zufriedenstellen können, gilt diese neue Welle der Besorgnis um die Benutzerprivatsphäre nur für Cross-Domain-Datenextraktion in einem “öffentlichen” Kontext und nicht für geschlossene oder proprietäre Verbraucherumgebungen und die maßgeschneiderten Empfehlungssysteme, die dort die Interaktion antreiben.

Reiche Daten in ummauerten Gärten

Plattformen wie Netflix, Disney+, HBO Max, Roku und die Amazon-Ecostruktur (einschließlich Prime Video und Produkt-Empfehlungen), die benutzerdefinierte maschinelle Lern-Empfehlungssysteme nutzen, sind unter den Content-Diensten, die jetzt proliferieren und sich im Streaming-Markt balkanisieren, zu finden.

Da das Sammeln von Third-Party-Daten zurückgeht, dürfte der Vorteil, den diese größeren Streaming-Spieler in Bezug auf feinkörnigen Zugang zu Kundenverwendungsdaten haben, wahrscheinlich Neid und Nachahmung inspirieren und einen erneuten Schwerpunkt auf First-Party-Rahmenwerke als Mittel zur Rückgewinnung hyperpersonalisierter Zielgruppen aus den allgemeineren neuen Analyse-Systemen nach sich ziehen.

Wenn dies geschieht, wird es wahrscheinlich nicht so demokratisch oder meritokratisch sein wie die vorherigen Kriterien für den Zugang, denn der größte Vorteil wird den Anbietern zugute kommen, die das umfangreichste Netzwerk von First-Party-Plattformen haben; mit ausreichenden Entwicklungsmitteln, um sichere lokale Authentifizierungssysteme bereitzustellen; und die in der Lage sind, große Datenmengen lokal zu verwalten, zu analysieren und zu monetarisieren.

Dies würde die öffentliche Aufmerksamkeit auf die Privatsphäre von “geschlossenen” Empfehlungssystemen in einer Weise lenken, die sie bisher größtenteils vermeiden konnten, weil sie bis zu diesem Punkt Ausnahmefälle waren und Sonderrechte genossen, die in einem Kontext operierten, in dem der Endbenutzer explizit in aggressive Datensammlungspraktiken eingewilligt hatte, die in offenen Netzwerken normalerweise nicht erlaubt sind.

Eine breitere Rückkehr zu hermetischen First-Party-Umgebungen

Ein erhöhter Schwerpunkt auf First-Party-Daten dürfte zu einer Rückkehr zu den domänen-spezifischen Authentifizierungssystemen führen, die der Popularität der Third-Party-Methoden von Google (0Auth 2.0), Facebook und Twitter sowie anderen beliebten Social-Plattformen wie Disqus vorausgingen.

Vor zehn Jahren lösten die weitverbreitete Übernahme dieser Third-Party-Authentifizierungsplattformen viele Sicherheitsprobleme für Domänen mit begrenzten Entwicklungsmitteln, aber es wurde auch schwieriger, die gleiche Granularität von handlungsfähigen Benutzerdaten zu erhalten, die ein dediziertes und lokales First-Party-Authentifizierungs- und Überwachungssystem ermöglicht. Zu dieser Zeit war es nicht so wichtig, weil Cross-Domain-Tracking diese Datenlücke überbrücken konnte.

Die Anmeldung als Lösung für eine existenzielle Krise

Jetzt liegt der Vorteil darin, sicherzustellen, dass ein Benutzer angemeldet ist, auch wenn es keine expliziten Mechanismen gibt, um ihn zu monetarisieren. Ein Beispiel dafür ist die wachsende Anzahl von Medienausgaben, die eine Anmeldung erfordern, um Inhalte zu sehen, auch wenn keine Paywall vorhanden ist. Zum Beispiel experimentiert The Guardian derzeit mit Anmeldeanforderungen für Artikelansichten, die aus Google-Suchen stammen:

Screenshot eines ‘Anmelde-Schutzwalls’ für eine Artikelansicht von The Guardian, die aus einer Google-Suche stammt. Dies kann nicht in Web-Archiv-Snapshots erfasst werden, da die Einschränkung durch Referrer-Header oder IP-basierte Systeme generiert wird, die Google als Ursprung des Klicks anzeigen.

Einschränkungen dieser Art können für einen einzelnen Betrachter schwer zu erkennen sein, da sie je nach Geolokalisierung oder anderen Umständen variieren können. Zum Beispiel ist der obige Guardian-Artikel in keiner Weise eingeschränkt, wenn er von der Guardian-Website aus navigiert wird (auch wenn der Leser nicht angemeldet ist), oder wenn er direkt aufgerufen wird. Die Anforderung einer Anmeldung von einer Google-Weiterleitung ist eine billige Methode, um eine nachfragegetriebene Erhöhung der Mitgliedschaft zu erzeugen, ohne bereits “erfasste” Leser zu verprellen.

Obwohl es immer Vorteile bei der Datensammlung gegeben hat, wenn Benutzer auf diese Weise lokal angemeldet sind (d. h. ein “lokales” Login), dürfte der Niedergang des Cross-Domain-Trackings diese Praxis von “vorteilhaft” zu einer existentiellen Notwendigkeit machen, um die spärlicheren Marketing-Datenströme von FLOC und SKAdNetwork zu vermeiden.

Der Impuls zur First-Party-Datensammlung

Die Beweise für einen “Goldrausch” bei der First-Party-Datensammlung sind überall zu finden. Laut der Meinung eines Brancheninsiders bei Forbes wird der Niedergang der Third-Party-Cookies zu neuen Chancen für Unternehmen führen, zweite Partei-Daten zu kuratieren und zu verkaufen, wenn sie über ausreichende First-Party-Infrastruktur verfügen, um effektiv selbst zu Datenhändlern zu werden.

Weitere Analysen prognostizieren, dass Einzelhändler (die stark in maschinelle Lern-Empfehlungssysteme investieren) zu den neuen “Medienmogulen” werden.

In einem Blog-Beitrag verdeutlicht die Monetisierungsplattform Setupad die Absicht der Werbeindustrie, nicht nachzugeben und sich auf föderierte, datenbegrenzte Systeme wie FLOC einzulassen, indem sie ‘verhaltensbezogene Zielgruppenansprache die Antwort auf den zukünftigen Erfolg für Werbetreibende ist’ und dass First-Party-Erfassung die absolute Voraussetzung dafür ist.

Verhaltensbezogene Zielgruppenansprache hat die aktuelle tektonische Verschiebung in der Verbraucherprivatsphäre überhaupt erst ausgelöst; und es ist das, was die Marketing- und professionelle Influencer-Industrien zurückgewinnen wollen – sei es durch Stellvertreter, durch Heimlichkeit oder auf andere Weise, egal ob es letztendlich das Empfehlungssystem-Forschungssektor in den Morast mit sich reißt.

Der First-Party-“Club”

Abgesehen von der Anforderung teurer Infrastruktur sowie Sicherheits- und Entwicklungsmitteln weist ein weiterer Faktor darauf hin, warum nur größere Unternehmen in der Ära der First-Party-Datensammlungssysteme gedeihen werden: Ein Unternehmen wird überzeugende Markterfassung benötigen, um Verbraucher zurück in die lokalen Anmeldesysteme zu zwingen, die sie vor einem Jahrzehnt aufgegeben haben.

Dies ist ein riskantes Manöver, selbst für einen großen Spieler, und die Erinnerung an den Niedergang von Digg im Jahr 2010 verfolgt die SEO- und Marketing-Welt noch immer. Je überzeugender ein Unternehmen die Markterfassung hat, desto weniger schädlich wird dieser Schritt sein, wobei leistungsstärkere Unternehmen besser in der Lage sind, Täler zu überstehen und sich an das First-Party-Ökosystem anzupassen als kleinere Unternehmen.

Auswirkungen auf die Empfehlungssystem-Forschung

Wenn sich diese Situation entwickelt, könnte sie die relative “Freikarte”, die die regulatorische Überwachung der maschinellen Lern-Empfehlungssystem-Forschung von Unternehmen wie Google, Amazon und Netflix gewährt hat, bedrohen.

In gewissem Umfang antizipieren die neuen Vorschläge der EU für AI-Gesetze eine strengere Überwachung von Empfehlungssystemen. Obwohl unklar ist, ob die Bestimmung gegen ‘subliminale Techniken jenseits des Bewusstseins einer Person, um das Verhalten einer Person erheblich zu verzerren’ auf Empfehlungssysteme anwendbar ist, wird erwartet, dass Werbetreibende und Empfehlungssystem-Forscher für eine außergewöhnliche Behandlung lobbyieren werden.

Es könnte jedoch schwierig sein, einen Fall für die Abriegelung der Empfehlungssystem-Forschung zu machen, wenn der “ummauerte Garten”-Ansatz zum neuen Branchenstandard wird und die akademischen Weiden, die diesen Sektor der maschinellen Lern-Forschung beherbergt haben, zu einem Hochleistungs-Hotspot für massiv kommerzialisierte First-Party-Verhaltensforschung werden.

Ein großer Investition in First-Party-Daten-Workflows könnte die einzige Hoffnung sein, um die gleiche Art von hochwirksamen “psychischen” Anzeigen und politischen Propaganda zu rekreieren, die die Ära von Cambridge Analytica geprägt hat; aber für die Regulierungsbehörden könnte es scheinen, dass der Tod des Third-Party-Cookies die “unehrlichen” Praktiken einfach von den Straßen in geschlossene Räume verlagert hat. Wenn die äußeren Auswirkungen dieser Aktivitäten erneut öffentlichen Zorn hervorrufen, könnte dies ein schwacher Schutzschild sein.