Facebook：興味に基づくユーザーの『ナノターゲティング』

研究者たちは、1.5億人のユーザーの中から1人だけを対象としたFacebookの広告キャンペーンを、ユーザーの興味に基づいて配信する方法を開発しました。この方法では、ユーザーのメールアドレス、電話番号、または地理的な位置などの個人を特定できる情報（PII）を使用しません。

ユーザーは、これらの興味に対して制限された制御しか持っていません。これらの興味は、ユーザーのブラウジング習慣、 『いいね』、その他のFacebookが特定できるやり取りに基づいてアルゴリズムによって決定され、Facebookの広告を配信するための基準に含まれています。

ユーザーが投稿しやり取りするコンテンツに基づいて、Facebookのユーザーに興味が関連付けられるため、ユーザーは個別にターゲットにされることができます。ユーザーが投稿するコンテンツの中で明示的に興味を表明していない場合でも、ユーザーはターゲットにされることができます。また、ほとんどの現在の保護対策を無効にすることにもなります。

研究も示唆していますが、このような『ナノターゲティング』は、安価であるだけでなく、時には無料であることがあります。Facebookは、広告キャンペーンが1人しかターゲットにしていない場合、広告主に料金を請求しないことがあります。

2018年にAdNewsが行った調査では、Facebookのアルゴリズムは平均でユーザー1人につき357の興味を割り当てていることがわかりました。そのうち134は『正確』と評価されました。

高関心レート

研究者の著者たちは、自分たちを対象としたFacebookの広告キャンペーンを作成し、1.5億人の潜在的なユーザーから自分たちだけをターゲットにしました。ランダムに選択された興味の配列に基づいて広告を配信しました。広告はターゲットに成功的に配信されました。
研究者たちは、個別に識別できるユーザーを90%の精度で特定できるという推定を行いました。ただし、必要な興味の数は、どれほど一般的であるかによって異なります。

『私たちの結果は、ユーザーの4つのまれな興味が、90%の確率でユーザーを一意的にすることを示しています。如果、代わりにランダムに選択された興味を考慮する場合、22の興味が90%の確率でユーザーを一意的にする必要があります。』

著者たちは、このアプローチは、最近のプライバシー保護の取り組みを覆すための非PIIデータの使用の『氷山の一角』にすぎないと示唆しています。
論文は、スペインのマドリードにあるUniversidad Carlos IIIの3人の研究者と、GTD System & Software Engineeringのデータ科学者およびオーストリアのグラーツ工科大学の教授による共同研究です。

方法論

研究は、2017年1月に収集されたデータセットに基づいて行われました。翌年、Facebookは広告キャンペーンの最小『潜在的なリーチ』クラウドサイズを20から1000に増やしました。ただし、研究者たちは、これが広告主が1000人未満のグループをターゲットにすることを阻止するものではなく、ターゲットオーディエンスの実際の『サイズ』を知ることを阻止するものであると指摘しています。

研究者たちは、以前の研究が、1000人のユーザーリミットを100人に下げることができることを実証していることも指摘しています。また、100人のユーザーが、研究を再現したい人にとって利用可能な最小のターゲットグループであると述べています。

ただし、データセットがコンパイルされた後、Facebookは『全世界』を潜在的な集客地域として追加しました。つまり、研究者たちは、もはや存在しない追加の制限の下で仮説を証明したことになります。（代わりに、Facebookが最大のユーザーを持つ50カ国のフィルタリングされたロケーションターゲットを提出し、1.5億人の潜在的なオーディエンスを生成しました。）

データ

データは、2017年1月までに研究者のFDVTブラウザ拡張機能をインストールした2390人の本物のFacebookユーザーから取得されました。（画像は以下と記事の末尾のビデオを参照してください。）ボランティアすべてです。この拡張機能は、ユーザーがFacebookに生成する収益のリアルタイム推定値を提供します。推定値は、PIIおよびデモグラフィックデータに基づいています。ボランティアはこれらのデータを研究者と共有することに同意しています。

研究者が提供するFDVTブラウザ拡張機能は、ログインしたFacebookユーザーに、ブラウジング活動のプライバシーとFacebookへの収益性に関する情報ストリームを提供します。ソース：https://www.youtube.com/watch?v=Gb6mwJqHhCI

研究者たちは、参加者に関連付けられた99000のユニークなFacebookの興味から150万のデータポイントを取得しました。参加者の半数は426の登録興味がありました。

研究者たちは、個別にターゲットにするために必要な興味の最小数を計算する式を導出しました。式によると、わずか4つの『周辺』の興味が必要であり、攻撃の確率は、興味がより専門的で、広い興味の傾向を代表していないほど増加します。

『ランダムな興味』 – すべての利用可能な興味カテゴリからランダムに抽出された興味 – の場合、式は、12、18、22、27のランダムな興味が、50％、80％、90％、95％の確率でユーザーを一意的にすることを推定しています。

研究者のモデルからの結果、さまざまな制約の下でユーザーを特定するために必要な興味の数を計算しています。ソース：https://arxiv.org/pdf/2110.06636.pdf

ナノターゲティングテスト

著者たちは、自分たちを対象としたターゲット広告キャンペーンを作成しました。Facebookの広告インターフェイスでランダムに選択された一連の興味を使用しました。より正確な結果が得られる可能性はありましたが、著者たちは理論の広い適用可能性を証明することを選びました。

右下隅に、FDVTインターフェイス内に広告を動作させる興味の数が表示されます。

いくつかの基準を使用して、著者たちは、ターゲットが独自に広告を配信されることを成功の基準として確立しました。『失敗』は、広告が著者だけでなく他の読者にも表示された場合と定義されました。

21のキャンペーンのうち9つは、ターゲットに広告を配信することに成功しました。成功率は、ターゲットとして使用される興味の数に応じて増加しました。（そして、結果は『ランダム』な興味を使用して得られたものであり、ユーザーに特化した興味ではありません。）

論文の寄稿者3名のナノターゲティング実験の結果。3名とも少なくとも2つのナノターゲティング広告を受け取りました。成功したナノターゲティングの複数のインプレッションは、広告が複数回表示されたことを示し、他の誰かが広告を見たことを示すものではありません。