Sudut Anderson

Facebook: ‘Nanotargeting’ Pengguna Berdasarkan Minat yang Dipersepsikan

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Peneliti telah mengembangkan metode untuk mengirimkan kampanye iklan Facebook ke satu orang dari 1,5 miliar, berdasarkan hanya minat pengguna, dan tidak pada informasi yang dapat diidentifikasi secara pribadi (PII), seperti alamat email, nomor telepon, atau lokasi geografis yang biasanya terkait dengan skandal ‘penargetan’ dalam beberapa tahun terakhir.

Pengguna memiliki kontrol terbatas atas minat ini, yang ditentukan secara algoritmik berdasarkan kebiasaan browsing, ‘suka’, dan bentuk interaksi lain yang dapat diidentifikasi oleh Facebook, dan yang termasuk dalam kriteria untuk disajikan iklan Facebook.

Sejak minat terkait dengan pengguna Facebook berdasarkan konten yang mereka posting dan interaksi, pengguna dapat ditargetkan secara individual tanpa pernah secara eksplisit menyatakan apa minat mereka dalam konten yang mereka posting, dan bertentangan dengan hampir semua langkah yang mereka ambil untuk melindungi diri dari penargetan iklan yang sangat spesifik.

Penelitian juga menunjukkan bahwa ‘nanotargeting’ pengguna dengan cara ini tidak hanya murah, tetapi terkadang gratis, karena Facebook sering tidak akan mengenakan biaya kepada pengiklan untuk kampanye yang tidak terlayani (yaitu kampanye yang hanya mencapai satu orang).

Pada 2018, sebuah studi AdNews menemukan bahwa secara rata-rata, Facebook secara algoritmik mengassign 357 minat per pengguna, dari mana 134 dianggap ‘akurat’.

Tingkat Minat Tinggi

Penulis makalah baru ini menguji asumsinya pada diri mereka sendiri, membuat kampanye iklan Facebook yang dirancang untuk ‘nanotarget’ penulis dari audiens potensial 1,5 miliar pengguna Facebook, berdasarkan array acak minat target; iklan tersebut berhasil dan secara eksklusif disampaikan kepada target di mana jumlah minat yang dipilih lebih tinggi (lihat tabel hasil di akhir artikel).

Para peneliti memperkirakan bahwa seorang individu dapat diidentifikasi dan ditargetkan, berdasarkan hanya minat mereka, dengan akurasi 90%, meskipun jumlah minat yang dibutuhkan bervariasi tergantung pada seberapa umum minat tersebut:

‘Hasil kami menunjukkan bahwa 4 minat paling langka dari pengguna membuat mereka unik dalam basis pengguna yang disebutkan dengan probabilitas 90%. Jika kita mempertimbangkan seleksi acak minat, maka 22 minat akan diperlukan untuk membuat pengguna unik dengan probabilitas 90%.’

Para penulis menyarankan bahwa pendekatan ini untuk penargetan sniper audiens pengguna Facebook yang seharusnya umum atau semi-anonim hanya ‘puncak gunung es’ dalam menggunakan data non-PII untuk membalikkan upaya dan inisiatif untuk melindungi privasi pengguna setelah skandal Cambridge Analytica.

Makalah ini, berjudul Unik di Facebook: Formulasi dan Bukti (Nano)targeting Pengguna Individual dengan Data Non-PII, adalah kolaborasi antara tiga peneliti di Universidad Carlos de III di Madrid, bersama dengan seorang ilmuwan data dari GTD System & Software Engineering dan seorang profesor di Universitas Teknologi Graz, Austria.

Metodologi

Penelitian ini dilakukan pada dataset yang dikumpulkan pada Januari 2017. Tahun berikutnya, Facebook meningkatkan ukuran minimum Potensi Jangkauan kampanye iklan dari 20 menjadi 1000, tetapi para peneliti mencatat bahwa ini tidak menghentikan pengiklan untuk menargetkan kelompok kurang dari 1000, tetapi hanya dari mengetahui ukuran audiens target yang diperoleh.

Para peneliti juga mencatat bahwa pekerjaan sebelumnya telah menunjukkan bahwa batas 1000 pengguna dapat secara efektif dikurangi menjadi sekecil 100, dan bahwa 100 pengguna adalah ukuran target terkecil yang tersedia bagi mereka yang ingin mereproduksi pekerjaan ini.

Namun, karena dataset dikompilasi, Facebook telah menambahkan ‘Seluruh Dunia’ sebagai area penangkapan potensial untuk kampanye, yang berarti bahwa para peneliti telah membuktikan hipotesis mereka di bawah pembatasan tambahan yang tidak lagi ada (mereka harus mengirimkan target lokasi yang difilter, termasuk 50 negara dengan kehadiran pengguna Facebook terbesar, yang menghasilkan audiens potensial 1,5 miliar pengguna).

Data

Data diperoleh dari 2.390 pengguna Facebook yang sah yang telah menginstal ekstensi browser FDVT penulis sebelum Januari 2017, semua relawan. Ekstensi ini memberikan pengguna estimasi waktu nyata dari pendapatan yang dihasilkan oleh browsing mereka untuk Facebook, berdasarkan data PII dan demografis yang relawan setuju untuk dibagikan dengan para peneliti.

Ekstensi browser FDVT yang disediakan oleh peneliti memberikan pengguna Facebook yang masuk sebuah aliran informasi tentang aspek privasi dan profitabilitas (untuk Facebook) tentang aktivitas browsing mereka. Sumber: https://www.youtube.com/watch?v=Gb6mwJqHhCI

Ekstensi browser FDVT yang disediakan oleh peneliti memberikan pengguna Facebook yang masuk sebuah aliran informasi tentang aspek privasi dan profitabilitas (untuk Facebook) tentang aktivitas browsing mereka. Sumber: https://www.youtube.com/watch?v=Gb6mwJqHhCI

Para peneliti memperoleh 1,5 juta poin data dari 99.000 minat unik Facebook yang terkait dengan peserta, yang memiliki minat terdaftar rata-rata 426.

Para peneliti kemudian menghitung rumus untuk menetapkan jumlah minat minimum yang diperlukan untuk melakukan nanotargeting pada individu, menetapkan bahwa hanya 4 ‘minat marginal’ yang diperlukan, dan bahwa probabilitas serangan meningkat seiring dengan minat menjadi lebih spesialis dan kurang mewakili tren minat yang luas.

Untuk ‘minat acak’ – minat yang diambil secara acak dari kumpulan semua kategori minat – rumus memperkirakan bahwa ’12, 18, 22, dan 27 minat acak membuat pengguna unik di Facebook dengan probabilitas 50%, 80%, 90%, dan 95%, masing-masing’.

Hasil dari model peneliti, menghitung jumlah minat yang diperlukan untuk membedakan pengguna di bawah berbagai pembatasan. Sumber: https://arxiv.org/pdf/2110.06636.pdf

Hasil dari model peneliti, menghitung jumlah minat yang diperlukan untuk membedakan pengguna di bawah berbagai pembatasan. Sumber: https://arxiv.org/pdf/2110.06636.pdf

Uji Nanotargeting

Para penulis membuat kampanye iklan yang ditargetkan yang ditujukan untuk diri mereka sendiri menggunakan kumpulan minat acak yang ditetapkan oleh antarmuka iklan Facebook. Meskipun hasil yang lebih presisi dapat diperoleh dengan menetapkan ‘minat marginal’, para penulis lebih memilih untuk membuktikan keberlakuan teori yang luas, daripada ‘menipu’ dengan menargetkan minat yang sangat spesifik.

Di pojok kanan bawah, jumlah minat yang mengaktifkan iklan ditampilkan dalam antarmuka FDVT.

Di pojok kanan bawah, jumlah minat yang mengaktifkan iklan ditampilkan dalam antarmuka FDVT.

Menggunakan beberapa kriteria, termasuk cuplikan ‘Mengapa saya melihat iklan ini?’ yang disertakan dengan iklan Facebook, para penulis menetapkan kriteria keberhasilan dalam hal target yang secara eksklusif disajikan iklan berdasarkan minat mereka saja. ‘Kegagalan’ didefinisikan oleh kasus di mana iklan ditampilkan tidak hanya kepada penulis, tetapi juga kepada pembaca lain.

Sembilan dari 21 kampanye yang dijalankan, dengan jumlah minat yang bervariasi sebagai kriteria target, berhasil ‘monotarget’ penerima iklan yang diinginkan, dengan keberhasilan meningkat sesuai dengan jumlah minat yang diidentifikasi (dan mengingat bahwa ‘minat acak’ digunakan untuk mendapatkan hasil ini, bukan minat yang dirancang dan spesifik pengguna).

Hasil eksperimen nanotargeting untuk tiga penulis yang berkontribusi pada makalah, semua dari mereka secara eksklusif menerima setidaknya dua iklan nanotarget. Impresi ganda untuk nanotargeting yang sukses adalah hasil dari iklan yang ditampilkan beberapa kali kepada target di seluruh impresi halaman, dan bukan indikasi bahwa orang lain melihat iklan.

Hasil eksperimen nanotargeting untuk tiga penulis yang berkontribusi pada makalah, semua dari mereka secara eksklusif menerima setidaknya dua iklan nanotarget. Impresi ganda untuk nanotargeting yang sukses adalah hasil dari iklan yang ditampilkan beberapa kali kepada target di seluruh impresi halaman, dan bukan indikasi bahwa orang lain melihat iklan.

Para penulis mengakui bahwa biaya kampanye iklan Facebook yang manipulatif dapat membuat serangan ini tidak layak. Namun, ternyata biayanya minimal:

‘Sayangnya, hasil yang diekstrak dari [Manajer Kampanye Iklan Facebook] membuktikan bahwa nanotargeting pengguna cukup murah. Memang, biaya total dari 9 kampanye nanotargeting yang sukses hanya 0,12€. Mengejutkan, [Facebook] tidak mengenakan biaya kepada kami dalam tiga kampanye nanotargeting yang sukses yang hanya mengirimkan 1 impresi iklan kepada pengguna yang ditargetkan.

‘Oleh karena itu, bukan sebagai faktor yang menakutkan, biaya nanotargeting yang sangat rendah mungkin mendorong penyerang untuk memanfaatkan praktik ini.’

Menghindari ‘Lindungan’ Facebook

Makalah tersebut mencatat bahwa layanan iklan Facebook memiliki ‘ukuran daftar minimum’ yang dapat ditargetkan oleh pengguna, secara teknis membuatnya mustahil untuk mengunggah individu tertentu sebagai target kampanye iklan. Namun, para penulis mengamati bahwa pembatasan ini dapat dengan mudah dihindari.

Sebagai contoh, laporan tersebut mencatat, seorang CEO melaporkan pada 2017 bagaimana ia dapat merekrut seorang staf potensial dari perusahaan lain dengan mengatur kampanye Facebook yang dirancang hanya untuk mencapai target individu tersebut, seorang pria. Ini melibatkan memuaskan kriteria minimum Facebook (30) dengan mengunggah daftar 29 perempuan dan satu pria (target), dan kemudian memilih ‘Pria’ sebagai kriteria pengiriman.

Makalah tersebut menyatakan bahwa pembatasan Facebook, meskipun diperbarui, tidak ditegakkan dengan sempurna dan tidak konsisten. Sementara hasil makalah sebelumnya memaksa raksasa media sosial untuk melarang konfigurasi audiens kurang dari 20 di Ads Campaign Manager, para penulis membantah efektivitas perubahan kebijakan, menyatakan bahwa ‘Penelitian kami menunjukkan bahwa batas ini tidak diterapkan saat ini’.

Impresi Palsu

Selain reaksi budaya umum terhadap skandal Cambridge Analytica, yang memicu perubahan dari raksasa periklanan seperti Google, nanotargeting iklan merusak pemahaman umum bahwa budaya iklan adalah ‘budaya umum’, dibagikan, jika tidak oleh semua orang, setidaknya oleh kelompok demografis atau geografis yang luas.

Para penulis makalah tersebut menunjukkan beberapa kasus di mana nanotargeting digunakan dengan cara yang menipu, termasuk saat pada 2017 politisi Buruh UK Jeremy Corbyn, saat itu pemimpin pemerintah oposisi, memutuskan untuk menjalankan kampanye iklan Facebook untuk mendorong pendaftaran pemilih.

Pemimpin Partai Buruh menolak ide tersebut, tetapi bukan dengan memasuki konflik, mereka malah melaksanakan kampanye iklan seharga £5000 yang dirancang untuk hanya menargetkan Corbyn dan stafnya, serta sejumlah jurnalis yang simpatik. Tidak ada orang lain yang melihat iklan tersebut.

Para penulis menyatakan:

‘[Nanotargeting] dapat digunakan secara efektif untuk memanipulasi pengguna untuk membujuk mereka membeli produk atau untuk meyakinkan mereka mengubah pikiran tentang masalah tertentu. Juga, nanotargeting dapat digunakan untuk menciptakan persepsi palsu di mana pengguna terpapar pada kenyataan yang berbeda dari apa yang dilihat oleh pengguna lain (seperti yang terjadi dalam kasus Corbyn). Akhirnya, nanotargeting dapat dieksploitasi untuk melaksanakan praktik berbahaya lainnya seperti pemerasan.’

Mereka menyimpulkan:

‘Akhirnya, perlu dicatat bahwa pekerjaan kami hanya mengungkap puncak gunung es tentang bagaimana data non-PII dapat digunakan untuk tujuan nanotargeting. Pekerjaan kami hanya bergantung pada minat pengguna, tetapi pengiklan dapat menggunakan parameter sosio-demografis lain yang tersedia untuk mengkonfigurasi audiens di [Manajer Iklan Facebook] seperti lokasi rumah (negara, kota, kode pos, dll.), tempat kerja, perguruan tinggi, jumlah anak, perangkat mobile yang digunakan (iOS, Android), dll, untuk dengan cepat mempersempit ukuran audiens ke nanotarget pengguna.’ https://www.youtube.com/watch?v=Gb6mwJqHhCI

 

Penulis tentang pembelajaran mesin, spesialis domain sintesis gambar manusia. Mantan kepala konten penelitian di Metaphysic.ai, hingga pembubarannya ke dalam Brahma.ai DNEG.
Portfolio site: martinanderson.ai
Contact: martin@martinanderson.ai