Zouden Recommender Systems Vrijgesteld Moeten Zijn Van De Post-Tracking Tijdperk?

Terwijl first-party data-gathering het nieuwe kompas wordt voor marketeers en databrokers, riskeert de toegenomen aandacht voor ‘gesloten’ data-gathering systemen een van de meest fervente onderzoekssectoren van machine learning naar controverse en grotere regulering te trekken.

Acties die de FAANG-spelers en FOSS-producers in de komende 12-18 maanden zullen ondernemen, zullen de cultuur van cross-domein tracking die user analytics systemen de afgelopen twintig jaar heeft overspoeld, afsluiten, en die culmineerde in de Cambridge Analytica schandalen en, vervolgens, onweerstaanbare populaire vraag naar verhoogde online privacy.

Of de implementatie al dan niet aan het ideaal voldoet, en ongeacht de mate waarin meer gegeneraliseerde tracking systemen (zoals Google’s FLOC en Apple’s SKAdNetwork) consumentenwoede kunnen stillen en adverteerders kunnen tevreden stellen, deze nieuwe golf van bezorgdheid over gebruikersprivacy is alleen van toepassing op cross-domein data-extractie in een ‘openbare’ context, en niet op gesloten of propriëtaire consumentenomgevingen, en de op maat gemaakte recommender systemen die engagement daar verzorgen.

Rijke Data In Gesloten Tuinen

Platforms zoals Netflix, Disney+, HBO Max, Roku en de Amazon -ecosysteem (inclusief Prime Video en productaanbevelingen), die gebruikmaken van op maat gemaakte machine learning-recommender systemen, zijn onder de contentservices die nu prolifereren en retrencheren, terwijl de streamingindustrie balkaniseert.

Terwijl third-party data-gathering afneemt, lijkt het voordeel dat deze grotere streaming spelers behouden in termen van fijngemeten toegang tot klantgebruiksgegevens, waarschijnlijk afgunst en imitatie te zullen inspireren, en een hernieuwde nadruk op first-party kaders als een manier om hyperpersoonlijke doelstellingen terug te krijgen van de meer gegeneraliseerde nieuwe analytics systemen.

Als dit gebeurt, is het niet waarschijnlijk dat het zo democratisch of meritocratisch zal zijn als voorheen, omdat het grootste voordeel zal vallen aan aanbieders met het meest uitgebreide netwerk van first-party platforms; met voldoende ontwikkelingsbronnen om veilige lokale authenticatiesystemen te bieden; en die in staat zijn om hoge volumes aan data lokaal te beheren, te analyseren en te monitoren.

Dit zou de publieke aandacht op de privacyaspecten van ‘gesloten’ recommender systemen richten op een manier die ze tot nu toe grotendeels hebben weten te vermijden, omdat ze tot nu toe uitzonderlijke gevallen zijn geweest, en uitzonderlijke privileges hebben genoten, opererend in een context waarin de eindgebruiker expliciet heeft ingestemd met agressieve data-gathering praktijken die niet algemeen zijn toegestaan in open netwerken.

Een Breder Terugkeer Naar Hermetische First-Party Omgevingen

Een toegenomen nadruk op first-party data lijkt waarschijnlijk een terugkeer te brengen naar domeinspecifieke authenticatiesystemen die de populariteit van third-party methoden van Google (0Auth 2.0), Facebook en Twitter voorafgingen, evenals andere populaire bolt-on sociale platforms zoals Disqus.

Tien jaar geleden losten de wijdverbreide adoptie van deze third-party authenticatieplatforms veel beveiligingsproblemen op voor domeinen met beperkte ontwikkelingsbronnen, maar maakten het ook moeilijker om dezelfde granulariteit van actiegerichte gebruikersgegevens te verkrijgen die een toegewijd en lokaal first-party authenticatie- en monitoringssysteem toelaat. Toen maakte het niet veel uit, omdat cross-domein tracking die gegevenskloof kon overbruggen.

De Login Als Oplossing Voor Een Existentiële Crisis

Nu ligt het voordeel in het zeker stellen dat een gebruiker is ingelogd, zelfs als er geen expliciete mechanismen zijn om hen te monitoren. Een voorbeeld hiervan is het groeiende aantal media-outlets dat een login vereist om content te bekijken, zelfs waar er geen paywall is ingesteld. Bijvoorbeeld, The Guardian experimenteert momenteel met loginvereisten voor artikelweergaven die vanuit Google-zoekopdrachten komen:

Screenshot van een ‘login wall’ voor een Guardian-artikelweergave die vanuit een Google-zoekopdracht komt. Dit kan niet worden vastgelegd in webarchiefsnapshots, omdat de beperking wordt gegenereerd door referrer-headers of IP-gebaseerde systemen die Google als de oorsprong van de klik onthullen.

Beperkingen van deze soort kunnen moeilijk te bepalen zijn voor een individuele kijker, omdat ze kunnen variëren over geolocaties of andere omstandigheden. Bijvoorbeeld, het bovengenoemde Guardian-artikel is niet beperkt op enige wijze wanneer het wordt genavigeerd vanuit de Guardian-website (zelfs als de lezer niet is ingelogd), of wanneer het rechtstreeks wordt benaderd. Een login vanuit een Google-verwijzing is een goedkope methode om een vraaggestuurde toename in lidmaatschap te genereren zonder ‘vooraf vastgelegde’ lezers te alienaten.

Hoewel er altijd data-gathering voordelen zijn geweest in dit type first-party engagement (d.w.z. een ‘lokaal’ login), is het waarschijnlijk dat de val van cross-domein tracking deze praktijk van ‘voordelig’ naar een existentiële noodzaak zal verheffen om te voorkomen dat de sparsere marketing data-stromen van FLOC en SKAdNetwork.

De Impuls Naar First-Party Data Gathering

Het bewijs van een first-party data ‘gold rush’ is overvloedig. Volgens het standpunt van een industrie-insider bij Forbes, zal de val van third-party cookies leiden tot nieuwe kansen voor bedrijven om tweede-partij data te cureren en te verkopen, waar ze voldoende first-party infrastructuur hebben om effectief data-brokers in hun eigen recht te worden.

Analyses elders voorspellen ook dat retailers (die zwaar investeren in machine learning-recommender systemen) de nieuwe ‘media-moguls’ zullen worden.

In een blogpost toont de monitortool Setupad de intentie van de advertentie-industrie om niet toe te geven aan gefedereerde, data-beperkte systemen zoals FLOC, verklarend dat ‘gedragsgerichte doelstelling is het antwoord op toekomstig succes voor adverteerders’, en dat first-party capture een absolute vereiste is voor dit.

Gedragsgerichte doelstelling is wat de huidige tectonische verschuiving in consumentenprivacy heeft veroorzaakt; en het is wat de marketing- en professionele influencer-industrieën willen terugwinnen – door proxy, door stiekem of op welke andere manier dan ook, ongeacht dat het uiteindelijk de recommender systemen onderzoekssector naar beneden kan trekken in het moeras met het.

De First-Party ‘Club’

Naast de vereiste voor dure infrastructuur, evenals beveiligings- en ontwikkelingsbronnen, is er nog een factor die aangeeft waarom alleen grotere bedrijven waarschijnlijk zullen gedijen in de tijdperk van first-party data-gathering systemen: een bedrijf zal overtuigende marktverovering nodig hebben om consumenten terug te lokken naar de lokale login-systemen die ze een decennium geleden graag hebben verlaten.

Dit is een riskante zet, zelfs voor een grote speler, en het geheugen van Digg’s ondergang in 2010 nog steeds spookt de SEO- en marketingwereld. Hoe overtuigender een bedrijf zijn marktverovering is, hoe minder schadelijk deze zet zal zijn, met krachtigere bedrijven die beter in staat zijn om troggen te doorstaan en zich aan te passen aan het first-party ecosysteem dan kleinere bedrijven.

Effecten Op Recommender Systemen Onderzoek

Naarmate deze situatie evolueert, kan het de relatieve ‘vrije pas’ die regulatorische toezicht heeft verleend aan machine learning-recommender systemen onderzoek van bedrijven zoals Google, Amazon en Netflix, bedreigen.

Tot op zekere hoogte anticiperen de EU’s nieuwe voorstellen voor AI-wetgeving een grotere controle van recommender systemen in ieder geval. Hoewel het onduidelijk is of de ontwerpbepaling tegen ‘subliminale technieken buiten het bewustzijn van een persoon om het gedrag van een persoon materieel te verstoren’ van toepassing zal zijn op recommender systemen, wordt verwacht dat adverteerders en recommender systemen onderzoekers zullen lobbyen voor uitzonderlijke behandeling.

Maar het kan moeilijk zijn om een geval te maken voor het ringfencen van recommender systemen onderzoek in het geval dat de ‘gesloten tuin’ benadering het nieuwe industrienorm wordt, en de luie academische weiden die deze sector van machine learning onderzoek hebben gehuisvest, een hoge-volumehotbed voor massaal commercieel first-party gedragsonderzoek ontwikkelen.

Grote investeringen in first-party data workflows kunnen de enige hoop zijn om hetzelfde soort zeer effectieve ‘psychische’ advertenties en politieke propaganda te herscheppen die het tijdperk van Cambridge Analytica kenmerkten; maar voor de regulators, kan het lijken alsof de dood van de third-party cookie alleen ‘onbetrouwbare’ praktijken van de straat naar gesloten gebouwen heeft verplaatst. Als het uitwendige effect van die activiteiten opnieuw publieke woede opwekken, kan dat weinig toevlucht bieden.