Dovrebbero Essere Esenti I Sistemi Di Raccomandazione Dall’era Post-Tracking?

Man mano che la raccolta di dati di prima parte diventa la nuova stella polare per i marketer e i broker di dati, l’attenzione crescente sui sistemi di raccolta di dati ‘chiusi’ rischia di trascinare uno dei settori di ricerca più ferventi del machine learning nella controversia e in una maggiore regolamentazione.

Le azioni intraprese dai giocatori FAANG e dai produttori FOSS nei prossimi 12-18 mesi sono destinate a chiudere la cultura del tracciamento cross-domain che ha inghiottito i sistemi di analisi degli utenti nel corso degli ultimi vent’anni, e culminato negli scandali di Cambridge Analytica e, successivamente, nell’irresistibile richiesta popolare di maggiore privacy online.

Indipendentemente dal fatto che l’implementazione corrisponda all’ideale, e indipendentemente dalla misura in cui sistemi di tracciamento più generalizzati (come FLOC di Google e SKAdNetwork di Apple ) possano placare l’ira dei consumatori e soddisfare gli inserzionisti, questa nuova ondata di preoccupazione per la privacy degli utenti si applica solo all’estrazione di dati cross-domain in un contesto ‘pubblico’, e non agli ambienti di consumo chiusi o proprietari, e ai sistemi di raccomandazione personalizzati che alimentano l’engagement lì.

Dati Ricchi Nei Giardini Murati

Piattaforme come Netflix, Disney+, HBO Max, Roku e l’ecosistema Amazon (compresi Prime Video e raccomandazioni di prodotti), che utilizzano sistemi di raccomandazione personalizzati basati su machine learning, sono tra i servizi di contenuti che ora si moltiplicano e si ritirano man mano che l’industria dello streaming si balcanizza.

Man mano che la raccolta di dati di terza parte recede, il vantaggio che questi grandi player dello streaming conservano in termini di accesso fine-grano ai dati di utilizzo dei clienti sembra probabile che ispiri invidia e imitazione, e un rinnovato enfasi su framework di prima parte come mezzo per riguadagnare il targeting iper-personalizzato dalle nuove sistemi di analisi più generalizzate.

Se questo accade, non è probabile che sia così democratico o meritocratico come i criteri di ingresso precedenti, perché il vantaggio più grande cadrà ai fornitori con la rete più estesa di piattaforme di prima parte; con abbastanza risorse di sviluppo per fornire sistemi di autenticazione locali sicuri; e che sono in grado di gestire, analizzare e monetizzare grandi volumi di dati localmente.

Ciò focalizzerà l’attenzione pubblica sugli aspetti di privacy dei sistemi di raccomandazione ‘chiusi’ in un modo che hanno largamente potuto evitare fino ad ora, perché, fino a questo punto, sono stati casi eccezionali, e hanno goduto di privilegi eccezionali, operando in un contesto in cui l’utente finale ha esplicitamente optato per pratiche di raccolta di dati aggressive che non sono generalmente consentite nelle reti aperte.

Un Ritorno Più Ampio Agli Ambienti Di Prima Parte Ermeneutici

Un aumento dell’attenzione sulla raccolta di dati di prima parte sembra probabile che porti a un ritorno ai sistemi di autenticazione specifici del dominio che hanno preceduto la popolarità dei metodi di terza parte forniti da Google (0Auth 2.0), Facebook e Twitter, nonché altre piattaforme sociali popolari come Disqus.

Dieci anni fa, l’adozione generalizzata di queste piattaforme di autenticazione di terza parte ha risolto molti problemi di sicurezza per i domini con risorse di sviluppo limitate, ma ha anche reso più difficile ottenere la stessa granularità di dati utente azionabili che un sistema di autenticazione e monitoraggio di prima parte dedicato e locale consente. All’epoca, non importava molto, perché il tracciamento cross-domain poteva colmare quella lacuna.

La Soluzione Di Accesso Come Soluzione A Una Crisi Esistenziale

Ora, il vantaggio sta nel fare in modo che l’utente sia connesso, anche se non ci sono meccanismi espliciti per monetizzarlo. Un esempio di ciò è il crescente numero di testate giornalistiche che richiedono l’accesso per visualizzare i contenuti, anche se non c’è un paywall in atto. Ad esempio, The Guardian sta attualmente sperimentando la richiesta di accesso per le visualizzazioni di articoli che provengono da ricerche Google:

Restrizioni di questo tipo possono essere difficili da accertare per un singolo visualizzatore, poiché possono variare tra geolocalizzazioni o altre circostanze. Ad esempio, l’articolo di Guardian sopra menzionato non è limitato in alcun modo quando si accede al sito web di Guardian (anche se il lettore non è connesso), o quando si accede direttamente. Richiedere l’accesso da un riferimento Google è un metodo economico per generare un aumento della domanda di iscrizione senza alienare i lettori ‘catturati’.

Sebbene ci siano sempre stati vantaggi nella raccolta di dati in questo tipo di coinvolgimento di prima parte (ad esempio, un ‘accesso locale’), la caduta del tracciamento cross-domain probabilmente eleverà la pratica da ‘vantaggiosa’ a una necessità esistenziale per evitare i flussi di dati di marketing più scarsi di FLOC e SKAdNetwork.

L’Impulso Verso La Raccolta Di Dati Di Prima Parte

Le prove di una ‘corsa all’oro’ dei dati di prima parte sono numerose. Secondo il punto di vista di un insider dell’industria su Forbes, la caduta dei cookie di terza parte porterà a nuove opportunità per le aziende di curare e vendere dati di seconda parte, dove hanno abbastanza infrastrutture di prima parte per diventare essi stessi broker di dati.

Un’analisi altrove prevede che i rivenditori (che investono molto in sistemi di raccomandazione basati su machine learning) diventeranno i nuovi ‘magnati dei media’.

In un post del blog, la piattaforma di monetizzazione Setupad esemplifica l’intenzione dell’industria pubblicitaria di non accedere a sistemi federati e limitati dai dati come FLOC, affermando che ‘il targeting comportamentale è la risposta al successo futuro per gli inserzionisti’, e che la cattura di prima parte è il requisito assoluto per questo.

Il targeting comportamentale è ciò che ha causato l’attuale spostamento tettonico nella privacy dei consumatori; e ciò che l’industria del marketing e degli influencer professionali vuole riguadagnare – per procura, di nascosto o con qualsiasi altro mezzo, non importa che possa eventualmente trascinare il settore di ricerca dei sistemi di raccomandazione giù nel fango con esso.

Il ‘Club’ Di Prima Parte

Oltre al requisito di infrastrutture costose, nonché risorse di sicurezza e sviluppo, un altro fattore indica perché solo le grandi aziende sono probabili di prosperare nell’era dei sistemi di raccolta di dati di prima parte: un’azienda avrà bisogno di una cattura di mercato convincente per costringere i consumatori a tornare ai sistemi di accesso locali che avevano abbandonato dieci anni fa.

Questo è un movimento rischioso, anche per un giocatore importante, e il ricordo della fine di Digg nel 2010 ancora inquieta il mondo del marketing e del SEO. Quanto più è convincente la cattura di mercato di un’azienda, meno dannoso sarà questo movimento, con aziende più potenti in grado di superare le difficoltà e adattarsi meglio all’ecosistema di prima parte rispetto alle preoccupazioni più piccole.

Effetti Sui Sistemi Di Raccomandazione

Man mano che questa situazione evolve, potrebbe minacciare il relativo ‘lasciapassare’ che la vigilanza regolamentare ha concesso alla ricerca dei sistemi di raccomandazione basati su machine learning da parte di aziende come Google, Amazon e Netflix.

Fino a un certo punto, le nuove proposte dell’UE per la legislazione sull’IA anticipano una maggiore attenzione ai sistemi di raccomandazione. Sebbene non sia chiaro se la disposizione del progetto contro le ‘tecniche subliminali al di là della coscienza di una persona per distorcere materialmente il comportamento di una persona’ si applicherà ai sistemi di raccomandazione, è previsto che gli inserzionisti e i ricercatori dei sistemi di raccomandazione faranno lobby per un trattamento eccezionale.

Ma potrebbe essere difficile fare un caso per la ringenzione della ricerca dei sistemi di raccomandazione nel caso in cui l’approccio ‘giardino murato’ diventi il nuovo standard dell’industria, e i pascoli accademici che hanno ospitato questo settore di ricerca del machine learning diventino un luogo caldo e affollato per lo sviluppo della ricerca comportamentale di prima parte su larga scala.

Un grande investimento nei flussi di lavoro dei dati di prima parte potrebbe essere l’unica speranza per ricreare gli stessi tipi di annunci ‘psichici’ e propaganda politica altamente efficaci che hanno caratterizzato l’era di Cambridge Analytica; ma per i regolatori, potrebbe sembrare che la morte del cookie di terza parte abbia semplicemente spostato le pratiche ‘disoneste’ dalle strade ai locali chiusi. Se l’effetto esterno di quelle attività suscita di nuovo l’ira pubblica, potrebbe risultare un rifugio scarso.