Чи повинні системи рекомендацій бути звільнені від пост-трекінгової епохи?

Оскільки збори даних першої особи стають новим орієнтиром для маркетологів і брокерів даних, підвищена увага до “закритих” систем збору даних ризикує втягнути одну з найбільш запальних дослідницьких напрямків машинного навчання в контроверсію та більшу регуляцію.

Дії, які здійснюють гравці FAANG і виробники FOSS протягом наступних 12-18 місяців, мають закрити культуру跨-доменної відстежування, яка охопила системи аналізу користувачів за останні двадцять років, і завершилася скандалами Cambridge Analytica та подальшим невідворотним популярним вимогами щодо збільшення онлайн-приватності.

Чи ж буде реалізація відповідати ідеалу, чи ні, і незалежно від того, наскільки загальні системи відстежування (наприклад, FLOC від Google і SKAdNetwork від Apple ) можуть заспокоїти споживчий гнів і задовольнити рекламодавців, ця нова хвиля турботи щодо приватності користувачів застосовується лише до跨-доменної екстракції даних у “публічному” контексті, а не до закритих або приватних споживчих середовищ, а також до спеціалізованих систем рекомендацій, які забезпечують взаємодію там.

Багаті дані у закритих садах

Платформи, такі як Netflix, Disney+, HBO Max, Roku та екосистема Amazon (у тому числі Prime Video та рекомендації продуктів), які використовують спеціально розроблені системи рекомендацій машинного навчання, є серед тих контент-сервісів, які зараз розширюються та укріплюються, оскільки індустрія потокового мовлення балканізується.

Якщо третій збір даних відступає, то перевага, яку ці більші гравці потокового мовлення зберігають у питаннях доступу до даних про використання клієнтів, здається, найімовірніше, викличе заздрість і наслідування, а також оновлений акцент на першій частині рамок як засобу повернення гіперперсоналізованої цілі до більш загальних нових систем аналізу.

Якщо це станеться, то це, ймовірно, не буде таким демократичним чи меритократичним, як попередні критерії для входу, оскільки найбільша перевага буде у постачальників з найбільш розгалуженою мережею першої частини платформ; з достатніми ресурсами розробки для забезпечення безпечних місцевих систем автентифікації; і які能够 керувати, аналізувати та монетизувати великі обсяги даних локально.

Це буде зосереджувати громадську увагу на аспектах приватності “закритих” систем рекомендацій таким чином, що вони до цього часу здебільшого уникли, оскільки до цієї точки вони були винятковими випадками та користувалися винятковими привілеями, діючи у контексті, у якому кінцевий користувач явно погодився на агресивні практики збору даних, які загалом не дозволені у відкритих мережах.

Ширший повернення до герметичних першої частини середовищ

Збільшений акцент на даних першої частини, ймовірно, приведе до повернення до домен-специфічних систем автентифікації, які передували популярності третьої частини методів, наданих Google (0Auth 2.0), Facebook і Twitter, а також інших популярних додаткових соціальних платформ, таких як Disqus.

Десять років тому широке прийняття цих третьої частини платформ автентифікації вирішило багато проблем безпеки для доменів з обмеженими ресурсами розробки, але також зробило більш важким отримання тієї ж ґранулярності активних даних користувачів, яку дозволяє спеціалізована і місцева система автентифікації та моніторингу першої частини.

На той час це не мало великого значення, оскільки跨-доменне відстежування могло звузити цю прогалину даних.

Авторизація як рішення екзистенційної кризи

Тепер перевага полягає в тому, щоб переконатися, що користувач авторизований, навіть якщо немає явних механізмів для його монетизації. Одним із прикладів цього є зростаюча кількість медіа-ресурсів, які вимагають авторизації для перегляду контенту, навіть якщо немає платної стіни.

Обмеження цього типу можуть бути важкими для визначення окремим користувачем, оскільки вони можуть відрізнятися за геолокацією або іншими обставинами. Наприклад, вище згадана стаття Guardian не обмежена жодним чином, коли до неї звертаються з веб-сайту Guardian (навіть якщо читач не авторизований), або коли доступ до неї здійснюється безпосередньо. Вимога авторизації з посилання Google є дешевим методом генерації попиту на членство без відштовхування “запереду захоплених” читачів.

Хоча завжди були переваги збору даних цього типу першої частини участі (тобто “місцевої” авторизації), падіння跨-доменного відстежування, ймовірно, підвищить цю практику з “корисної” до екзистенційної необхідності для уникнення рідших маркетингових потоків даних FLOC і SKAdNetwork.

Імпульс до збору даних першої частини

Докази “золотої лихоманки” даних першої частини густо покриті землею. За оцінками одного галузевого інсайдера Forbes, падіння файлів cookie третьої частини приведе до нових можливостей для компаній кураторства та продажу даних другої частини, де вони мають достатню інфраструктуру першої частини, щоб ефективно стати брокерами даних у своєму праві.

Аналіз в інших місцях також прогнозує, що рітейлери (які вкладають великі кошти в системи рекомендацій машинного навчання) стануть новими “медіа-магнатами”.

У блог-пості платформа монетизації Setupad демонструє намір рекламної індустрії не поступатися федеративним, обмеженим даними системам, таким як FLOC, заявляючи, що ‘поведінкова цілізація – це відповідь на майбутній успіх рекламодавців’, і що захоплення першої частини є абсолютною передумовою для цього.

Поведінкова цілізація – це те, що спричинило поточну тектонічну зміну споживчої приватності; і це те, чого хочуть маркетингова та професійна індустрія інфлюенсерів – повернути – за посередництвом, потай, або будь-якими іншими засобами, незалежно від того, чи це в кінцевому підсумку втягне сектор досліджень систем рекомендацій у болото.

Клуб першої частини

Окрім вимог до дорогої інфраструктури, а також ресурсів безпеки та розробки, ще одним фактором, який свідчить про те, що тільки більші компанії, ймовірно, процвітають у віці систем збору даних першої частини, є те, що компанії потрібно мати переконливу ринкову захоплення, щоб примусити споживачів повернутися до місцевих систем авторизації, які вони були раді покинути десять років тому.

Це ризикована дія, навіть для великого гравця, і пам’ять про загибель Digg у 2010 році все ще переслідує світ SEO і маркетингу. Чим більш переконливою є ринкова захоплення компанії, тим менше шкідлива буде ця дія, оскільки більш потужні компанії能够 краще витримувати троги та адаптуватися до екосистеми першої частини, ніж менші компанії.

Ефекти на дослідження систем рекомендацій

Якщо ця ситуація розвиватиметься, то вона може загрожувати відносному “вільному пасу”, який регулювання надало дослідженню систем рекомендацій машинного навчання компаній, таких як Google, Amazon і Netflix.

До певної міри нові пропозиції ЄС щодо законодавства про штучний інтелект попереджують більшу перевірку систем рекомендацій у будь-якому випадку. Хоча ще неясно, чи буде положення про заборону “сублімальних технік за межами свідомості людини для матеріального спотворення поведінки людини” застосовуватися до систем рекомендацій, очікується, що рекламодавці та дослідники систем рекомендацій будуть лобіювати виняткове лікування.

Але може бути важко зробити справедливе звернення щодо ізоляції досліджень систем рекомендацій у разі, якщо підхід “закритого саду” стане новим галузевим стандартом, і академічні пасовища, які приймали цей сектор досліджень машинного навчання, стануть високовольтним вогнищем для масово комерціалізованого розвитку досліджень першої частини.

Більші інвестиції у потоки даних першої частини можуть бути єдиною надією на відродження тих самих ефективних “психічних” реклам і політичної пропаганди, які характеризували епоху Cambridge Analytica; але для регуляторів це може здатися, що смерть файлів cookie третьої частини просто перемістить “недостойні” практики з вулиць у закриті приміщення. Якщо зовнішній ефект цих дій знову викличе громадський гнів, це може виявитися слабким притулком.