Anderson का एंगल

फ़ेसबुक: ‘नैनोटार्गेटिंग’ उपयोगकर्ताओं को केवल उनके अनुमानित हितों के आधार पर

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

शोधकर्ताओं ने एक तरीका विकसित किया है जिससे फ़ेसबुक विज्ञापन अभियान को केवल 1.5 अरब में से एक व्यक्ति तक पहुँचाया जा सकता है, केवल उपयोगकर्ता के हितों के आधार पर, और व्यक्तिगत रूप से पहचान योग्य जानकारी (पीआईआई) जैसे ईमेल पते, फोन नंबर, या भौगोलिक स्थान जैसी जानकारी के आधार पर नहीं जो हाल के वर्षों में ‘लक्ष्य’ घोटालों से जुड़ी हुई है।

उपयोगकर्ताओं को इन हितों पर सीमित नियंत्रण है, जो एल्गोरिदम द्वारा ब्राउज़िंग आदतों, ‘लाइक’, और अन्य प्रकार की बातचीत के आधार पर निर्धारित किए जाते हैं जो फ़ेसबुक पहचान सकता है, और जो फ़ेसबुक विज्ञापन के लिए सेवा किए जाने के मानदंड में शामिल हैं।

चूंकि हित फ़ेसबुक उपयोगकर्ताओं के साथ उनके द्वारा पोस्ट की गई और बातचीत की सामग्री के आधार पर जुड़े हुए हैं, उपयोगकर्ताओं को व्यक्तिगत रूप से लक्षित किया जा सकता है बिना यह कभी भी स्पष्ट रूप से घोषित किए कि उनके हित क्या हैं किसी भी सामग्री में जो वे पोस्ट करते हैं, और लगभग सभी वर्तमान उपायों के विपरीत जो वे खुद को हाइपर-विशिष्ट विज्ञापन-लक्ष्य से बचाने के लिए ले सकते हैं।

शोध से यह भी पता चलता है कि ‘नैनोटार्गेटिंग’ उपयोगकर्ताओं को इस तरह से न केवल सस्ता है, बल्कि कभी-कभी मुफ्त भी है, क्योंकि फ़ेसबुक अक्सर एक विज्ञापनदाता से शुल्क नहीं लेता है यदि अभियान कम पहुँच वाला है (यानी, एक अभियान जो केवल एक व्यक्ति तक पहुँचता है)।

2018 में एक एडन्यूज़ अध्ययन में यह स्थापित किया गया था कि फ़ेसबुक平均 357 हितों को प्रति उपयोगकर्ता एल्गोरिदम द्वारा सौंपा जाता है, जिनमें से 134 को ‘सटीक’ माना जाता था।

उच्च हित दर

लेखकों ने अपने आप पर नए पत्र के अनुमानों का परीक्षण किया, खुद को लक्षित करने के लिए फ़ेसबुक विज्ञापन अभियान बनाया, 1.5 अरब फ़ेसबुक उपयोगकर्ताओं के संभावित दर्शकों में से, यादृच्छिक रूप से चुने गए हितों के आधार पर; विज्ञापन सफलतापूर्वक और विशेष रूप से लक्ष्यों तक पहुँचाए गए थे जहाँ अधिक संख्या में यादृच्छिक रूप से चुने गए हितों पर विचार किया गया था (लेख के अंत में परिणाम तालिका देखें)।

शोधकर्ताओं का अनुमान है कि एक व्यक्ति को केवल उनके हितों के आधार पर पहचाना और लक्षित किया जा सकता है, 90% सटीकता के साथ, हालांकि आवश्यक हितों की संख्या इस बात पर निर्भर करती है कि हितों कितने सामान्य हैं:

‘हमारे परिणामों से पता चलता है कि उपयोगकर्ता के 4 दुर्लभ [फ़ेसबुक] हित उसे 90% संभावना के साथ उल्लेखित उपयोगकर्ता आधार में अद्वितीय बनाते हैं। यदि हम इसके बजाय हितों का एक यादृच्छिक चयन मानते हैं, तो 22 हितों की आवश्यकता होगी एक उपयोगकर्ता को 90% संभावना के साथ अद्वितीय बनाने के लिए। ‘

लेखकों का सुझाव है कि फ़ेसबुक उपयोगकर्ता दर्शकों के स्निपर लक्ष्यीकरण के लिए यह दृष्टिकोण केवल ‘बर्फ की चोटी’ है गैर-व्यक्तिगत रूप से पहचान योग्य जानकारी का उपयोग करके उपयोगकर्ता गोपनीयता की रक्षा के लिए हाल के प्रयासों और पहलों को खत्म करने के लिए।

लेख, पेपर शीर्षक फ़ेसबुक पर अद्वितीय: गैर-व्यक्तिगत रूप से पहचान योग्य डेटा के साथ व्यक्तिगत उपयोगकर्ताओं को लक्षित करने का सूत्रीकरण और प्रमाण, मैड्रिड में तीन शोधकर्ताओं के बीच एक सहयोग है Universidad Carlos de III, साथ ही साथ GTD सिस्टम और सॉफ्टवेयर इंजीनियरिंग से एक डेटा वैज्ञानिक और ऑस्ट्रिया के ग्राज़ यूनिवर्सिटी ऑफ़ टेक्नोलॉजी के एक प्रोफेसर।

विधि

शोध जनवरी 2017 में एकत्र किए गए डेटासेट पर किया गया था। अगले वर्ष, फ़ेसबुक ने विज्ञापन अभियान के लिए न्यूनतम संभावित पहुँच भीड़ का आकार 20 से 1000 तक बढ़ा दिया, लेकिन शोधकर्ताओं का ध्यान है कि यह विज्ञापनदाताओं को 1000 से कम लोगों के समूहों को लक्षित करने से नहीं रोकता है, लेकिन केवल वास्तविक आकार को जानने से रोकता है लक्ष्य दर्शकों को प्राप्त किया जाता है।

शोधकर्ताओं का यह भी ध्यान है कि पिछले काम ने प्रदर्शित किया है कि 1000-उपयोगकर्ता सीमा को प्रभावी ढंग से 100 तक कम किया जा सकता है, और 100 उपयोगकर्ता उन लोगों के लिए सबसे छोटा लक्ष्य समूह है जो काम को दोहराना चाहते हैं।

हालांकि, चूंकि डेटासेट संकलित किया गया था, फ़ेसबुक ने ‘पूरी दुनिया’ को एक संभावित पकड़ क्षेत्र के रूप में अभियान के लिए जोड़ा है, जिसका अर्थ है कि शोधकर्ताओं ने अपने अनुमानों को साबित किया है जो अब मौजूद नहीं हैं (उन्हें इसके बजाय एक फ़िल्टर्ड स्थान लक्ष्य जमा करना पड़ा जिसमें फ़ेसबुक के 50 देश शामिल थे जहां सबसे बड़ा उपयोगकर्ता आधार है, जिसका परिणाम 1.5 अरब उपयोगकर्ताओं का एक संभावित दर्शक था)।

डेटा

डेटा 2,390 वास्तविक फ़ेसबुक उपयोगकर्ताओं से प्राप्त किया गया था जिन्होंने जनवरी 2017 से पहले लेखकों के एफडीवीटी ब्राउज़र एक्सटेंशन (नीचे दी गई छवि और लेख के अंत में वीडियो देखें) स्थापित किया था, सभी स्वयंसेवक। एक्सटेंशन उपयोगकर्ताओं को उनकी ब्राउज़िंग द्वारा उत्पन्न राजस्व का वास्तविक समय अनुमान प्रदान करता है फ़ेसबुक के लिए, पीआईआई और जनसांख्यिकीय डेटा के आधार पर जिसे स्वयंसेवक शोधकर्ताओं के साथ साझा करने के लिए सहमत हैं।
[कैप्शन id=”attachment_178239″ align=”alignnone” width=”700″]शोधकर्ताओं द्वारा प्रदान किया गया एफडीवीटी ब्राउज़र एक्सटेंशन लॉग इन फ़ेसबुक उपयोगकर्ता को उनकी ब्राउज़िंग गतिविधियों की गोपनीयता और लाभकारिता (फ़ेसबुक के लिए) के बारे में जानकारी की एक धारा प्रदान करता है। स्रोत: https://www.youtube.com/watch?v=Gb6mwJqHhCI शोधकर्ताओं द्वारा प्रदान किया गया एफडीवीटी ब्राउज़र एक्सटेंशन लॉग इन फ़ेसबुक उपयोगकर्ता को उनकी ब्राउज़िंग गतिविधियों के गोपनीयता और लाभकारिता (फ़ेसबुक के लिए) के बारे में जानकारी की एक धारा प्रदान करता है। स्रोत: https://www.youtube.com/watch?v=Gb6mwJqHhCI[/कैप्शन]

शोधकर्ताओं ने 99,000 अद्वितीय फ़ेसबुक हितों से 1.5 मिलियन डेटा बिंदु प्राप्त किए जो भाग लेने वालों से जुड़े थे, जिनके पास 426 पंजीकृत हितों का मध्य था।

शोधकर्ताओं ने तब एक सूत्र की गणना की ताकि व्यक्तिगत रूप से एक व्यक्ति को लक्षित करने के लिए आवश्यक हितों की न्यूनतम संख्या का पता लगाया जा सके, यह स्थापित किया जा सके कि केवल 4 ‘हाशिए’ हितों की आवश्यकता है, और एक हमले की संभावना बढ़ जाती है क्योंकि हित अधिक विशेषज्ञता और कम प्रतिनिधित्व करते हैं व्यापक हित रुझान।

यादृच्छिक हितों के लिए – हितों को सभी उपलब्ध हित श्रेणियों से यादृच्छिक रूप से चुना जाता है – सूत्र ने अनुमान लगाया कि ’12, 18, 22, और 27 यादृच्छिक हित एक उपयोगकर्ता को 50%, 80%, 90%, और 95% की संभावना के साथ फ़ेसबुक पर अद्वितीय बनाते हैं।’

[कैप्शन id=”attachment_178238″ align=”alignnone” width=”711″]शोधकर्ताओं के मॉडल से परिणाम, विभिन्न प्रतिबंधों के तहत एक उपयोगकर्ता को व्यक्तिगत बनाने के लिए आवश्यक हितों की संख्या की गणना करते हुए। स्रोत: https://arxiv.org/pdf/2110.06636.pdf शोधकर्ताओं के मॉडल से परिणाम, विभिन्न प्रतिबंधों के तहत एक उपयोगकर्ता को व्यक्तिगत बनाने के लिए आवश्यक हितों की संख्या की गणना करते हुए। स्रोत: https://arxiv.org/pdf/2110.06636.pdf[/कैप्शन]

नैनोटार्गेटिंग परीक्षण

लेखकों ने यादृच्छिक रूप से चुने गए हितों के आधार पर खुद को लक्षित करने के लिए लक्षित विज्ञापन अभियान बनाए, हालांकि अधिक सटीक परिणाम प्राप्त किए जा सकते थे यदि ‘हाशिए’ हितों को निर्धारित किया गया था, लेखकों ने सिद्धांत की व्यापक लागू करने की क्षमता को साबित करने के लिए पसंद किया, बजाय इसके कि वे हाइपर-विशिष्ट हितों पर ध्यान केंद्रित करके ‘धोखा’ दें।
[कैप्शन id=”attachment_178240″ align=”alignnone” width=”624″]नीचे दाईं ओर, एफडीवीटी इंटरफ़ेस के भीतर विज्ञापन को शक्ति प्रदान करने वाले हितों की संख्या प्रदर्शित की जाती है। नीचे दाईं ओर, एफडीवीटी इंटरफ़ेस के भीतर विज्ञापन को शक्ति प्रदान करने वाले हितों की संख्या प्रदर्शित की जाती है।[/कैप्शन]

कई मानदंडों का उपयोग करते हुए, जिनमें फ़ेसबुक विज्ञापन के साथ शामिल ‘मैं यह विज्ञापन क्यों देख रहा हूँ?’ नोटिस की तस्वीरें शामिल हैं, लेखकों ने अपने हितों के आधार पर विशेष रूप से एक विज्ञापन की सेवा के लिए मानदंड स्थापित किए। ‘विफलता’ को परिभाषित किया गया था जहां विज्ञापन को लेखक के अलावा अन्य पाठकों को भी दिखाया गया था।

21 अभियानों में से 9, जिनमें विभिन्न संख्या में हितों को लक्ष्य मानदंड के रूप में शामिल किया गया था, ने सफलतापूर्वक ‘मोनोटार्गेटेड’ इच्छित प्राप्तकर्ता को विज्ञापन, हितों की संख्या के अनुसार सफलता बढ़ रही थी (और यह याद रखना कि ‘यादृच्छिक’ हितों का उपयोग इन परिणामों को प्राप्त करने के लिए किया गया था, न कि निर्मित और उपयोगकर्ता-विशिष्ट हित)।

[कैप्शन id=”attachment_178241″ align=”alignnone” width=”595″]लेख के तीन योगदानकर्ताओं के लिए नैनोटार्गेटिंग प्रयोग के परिणाम, जिनमें से सभी को कम से कम दो नैनोटार्गेटेड विज्ञापन मिले थे। एक सफल नैनोटार्गेटिंग के लिए कई प्रभाव विज्ञापन को लक्ष्य को पेज इंप्रेशन के माध्यम से कई बार दिखाए जाने के परिणामस्वरूप होते हैं, और यह इंगित नहीं करते हैं कि किसी और ने विज्ञापन देखा है। लेख के तीन योगदानकर्ताओं के लिए नैनोटार्गेटिंग प्रयोग के परिणाम, जिनमें से सभी को कम से कम दो नैनोटार्गेटेड विज्ञापन मिले थे। एक सफल नैनोटार्गेटिंग के लिए कई प्रभाव विज्ञापन को लक्ष्य को पेज इंप्रेशन के माध्यम से कई बार दिखाए जाने के परिणामस्वरूप होते हैं, और यह इंगित नहीं करते हैं कि किसी और ने विज्ञापन देखा है।[/कैप्शन]

लेखकों को यह स्वीकार करना है कि हेरफेर फ़ेसबुक विज्ञापन अभियानों की उच्च लागत इस तरह के हमले को व्यावहारिक बना सकती है। हालांकि, यह पता चलता है कि लागत न्यूनतम थी:

‘दुर्भाग्य से, [फ़ेसबुक] विज्ञापन अभियान प्रबंधक से निकाले गए परिणाम साबित करते हैं कि एक उपयोगकर्ता को नैनोटार्गेट करना काफी सस्ता है। वास्तव में, 9 सफल नैनोटार्गेटिंग अभियानों की कुल लागत केवल 0.12€ थी। आश्चर्यजनक रूप से, [फ़ेसबुक] ने हमें तीन सफल नैनोटार्गेटिंग अभियानों में से किसी के लिए भी कुछ भी नहीं दिया, जो केवल एक विज्ञापन प्रभाव को वितरित करते थे। ‘

‘अतः, एक हतोत्साहित करने वाले कारक के बजाय, नैनोटार्गेटिंग की बेहद कम लागत इस प्रथा का लाभ उठाने के लिए हमलावरों को प्रोत्साहित कर सकती है। ‘

फ़ेसबुक ‘सुरक्षा’ को दरकिनार करना

लेख में यह कहा गया है कि फ़ेसबुक के विज्ञापन सेवाओं में एक ‘न्यूनतम सूची आकार’ है जिसे एक उपयोगकर्ता लक्षित कर सकता है, जो तकनीकी रूप से यह असंभव बनाता है कि एक विशिष्ट व्यक्ति को विज्ञापन अभियान के रूप में अपलोड किया जाए। हालांकि, लेखकों का ध्यान है कि ये प्रतिबंधों को दरकिनार करना बहुत आसान है।

उदाहरण के लिए, रिपोर्ट में यह बताया गया है कि एक सीईओ रिपोर्ट की थी कि 2017 में कैसे उन्होंने एक फ़ेसबुक अभियान का आयोजन किया था जो केवल एक लक्ष्य व्यक्ति तक पहुँचता था, एक पुरुष, जिसे दूसरी कंपनी से एक संभावित कर्मचारी के रूप में शिकार करने के लिए डिज़ाइन किया गया था। इसमें फ़ेसबुक की न्यूनतम (30) मानदंड को संतुष्ट करने के लिए 29 महिलाओं और एक पुरुष (लक्ष्य) की सूची अपलोड करना शामिल था, और फिर ‘पुरुष’ को एक वितरण मानदंड के रूप में चुनना था।

लेख यह तर्क देता है कि फ़ेसबुक के प्रतिबंध, हालांकि बाद में अद्यतन किए गए हैं, असंगत और अनियमित रूप से लागू किए जाते हैं। जबकि एक पिछले लेख के परिणामों ने सोशल मीडिया दिग्गज को अपने विज्ञापन अभियान प्रबंधक में 20 से कम लोगों के लिए दर्शकों को कॉन्फ़िगर करने की अनुमति देने से रोकने के लिए मजबूर किया, लेखकों का तर्क है कि नीति परिवर्तन की प्रभावशीलता का विवाद है, यह कहते हुए कि ‘हमारा शोध यह दिखाता है कि यह सीमा वर्तमान में लागू नहीं की जा रही है’

झूठे प्रभाव

कैम्ब्रिज एनालिटिका घोटाले की सामान्य सांस्कृतिक प्रतिक्रिया के अलावा, जिसने विज्ञापन दिग्गजों जैसे गूगल से बदलाव को मजबूर किया, विज्ञापनों का नैनोटार्गेटिंग सामान्य सांस्कृतिक समझ को कमजोर करता है कि विज्ञापन संस्कृति ‘सामान्य’ संस्कृति है, साझा की जाती है, यदि सभी के द्वारा नहीं, तो कम से कम एक व्यापक जनसांख्यिकीय या भौगोलिक समूह द्वारा।

लेखकों का यह भी ध्यान है कि नैनोटार्गेटिंग का उपयोग कई मामलों में धोखाधड़ी से किया गया है, जिसमें 2017 में यूके के श्रम राजनेता जेरेमी कोर्बिन, जो तब विपक्षी दल के नेता थे, ने फ़ेसबुक विज्ञापन अभियान चलाने का फैसला किया था मतदाता पंजीकरण को प्रोत्साहित करने के लिए।

श्रम पार्टी के प्रमुखों ने विचार को अस्वीकार कर दिया, लेकिन संघर्ष में पड़ने के बजाय, उन्होंने कोर्बिन और उनके सहयोगियों को लक्षित करने के लिए £5000 का विज्ञापन अभियान चलाने का फैसला किया, साथ ही कुछ चुनिंदा पत्रकारों को भी। किसी और ने उन विज्ञापनों को नहीं देखा।

लेखकों का यह भी कहना है:

‘[नैनोटार्गेटिंग] का उपयोग एक उपयोगकर्ता को प्रभावित करने के लिए किया जा सकता है ताकि उन्हें एक उत्पाद खरीदने के लिए मना लिया जा सके या उन्हें किसी विशेष मुद्दे के बारे में अपना मन बदलने के लिए मना लिया जा सके। इसके अलावा, नैनोटार्गेटिंग का उपयोग एक नकली धारणा बनाने के लिए किया जा सकता है जिसमें उपयोगकर्ता को एक वास्तविकता के संपर्क में लाया जाता है जो बाकी उपयोगकर्ताओं से अलग है (जैसा कि कोर्बिन के मामले में हुआ था)। अंत में, नैनोटार्गेटिंग का उपयोग अन्य हानिकारक प्रथाओं जैसे ब्लैकमेलिंग को लागू करने के लिए भी किया जा सकता है। ‘

वे निष्कर्ष निकालते हैं:

‘अंत में, यह ध्यान देने योग्य है कि हमारा काम नैनोटार्गेटिंग के उद्देश्यों के लिए गैर-व्यक्तिगत रूप से पहचान योग्य डेटा का उपयोग करने के बारे में बर्फ की चोटी का ही खुलासा करता है। हमारा काम केवल उपयोगकर्ताओं के हितों पर भरोसा करता है, लेकिन एक विज्ञापनदाता [फ़ेसबुक] विज्ञापन प्रबंधक में उपलब्ध अन्य सामाजिक-जनसांख्यिकीय पैरामीटर का उपयोग कर सकता है जैसे कि गृह स्थान (देश, शहर, ज़िप कोड, आदि), कार्यस्थल, कॉलेज, बच्चों की संख्या, उपयोग किया जाने वाला मोबाइल डिवाइस (आईओएस, एंड्रॉइड), आदि तेजी से दर्शकों के आकार को कम करने के लिए एक उपयोगकर्ता को नैनोटार्गेट करने के लिए। ‘

 

मशीन लर्निंग पर लेखक, मानव इमेज सिंथेसिस में डोमेन विशेषज्ञ। मेटाफिजिक.ai में रिसर्च कंटेंट के पूर्व प्रमुख, जब तक कि इसका डीएनजीई के ब्रह्मा.ai में विलय नहीं हो गया।
पोर्टफोलियो साइट: martinanderson.ai
संपर्क: [email protected]