推荐系统应该免受后跟踪时代的影响吗？

随着第一方数据收集成为营销人员和数据经纪人的新目标，对“封闭式”数据收集系统的关注度不断提高，可能会将机器学习最热门的研究领域之一拖入争议和更严格的监管之中。

FAANG 参与者和 FOSS 生产者在未来 12-18 个月内采取的行动是 设置关闭 跨域跟踪文化在过去二十年席卷了用户分析系统，并在剑桥分析丑闻中达到顶峰，随后，人们对增加在线隐私的要求不可抗拒。

无论实施是否达到理想状态，也不管更通用的跟踪系统（如谷歌的 FLOC 和苹果的 SKAdNetwork）能在多大程度上平息消费者的愤怒并满足广告商的需求，这波对用户隐私的新关注只适用于“公共”环境中的跨域数据提取，而不适用于封闭或专有的消费者环境，以及在那里推动参与的定制推荐系统。

围墙花园中的丰富数据

Netflix、Disney+、HBO Max、Roku 和 Amazon 生态结构（包括 Prime Video 和产品推荐）等平台利用定制的机器学习推荐系统，是目前随着流媒体行业而激增和紧缩的内容服务之一 巴尔干化.

随着第三方数据收集的消退，这些较大的流媒体播放器在细粒度访问客户使用数据方面保留的优势似乎可能会激发嫉妒和模仿，并且重新强调第一方框架作为一种弥补的方式来自更通用的新分析系统的超个性化定位。

如果发生这种情况，它不太可能像以前的准入标准那样民主或任人唯贤，因为最大的优势将落在拥有最广泛的第一方平台网络的提供商身上；拥有足够的开发资源来提供安全的本地身份验证系统；并且能够在本地管理、分析和货币化大量数据。

这将使公众关注“封闭式”推荐系统的隐私问题，而迄今为止，这种关注基本上是可以避免的，因为在此之前，它们一直是特殊情况，享有特殊特权，在最终用户明确选择参与开放网络通常不允许的激进数据收集实践的环境下运行。

更广泛地回归封闭的第一方环境

对第一方数据的日益重视似乎可能会带来特定领域身份验证系统的回归，该系统早于 Google (0Auth 2.0)、Facebook 和 Twitter 以及其他流行的附加方法提供的第三方方法的流行。社交平台，例如 Disqus。

十年前，这些第三方身份验证平台的广泛采用为开发资源有限的域名解决了许多安全问题，但也使得获取专用本地第一方身份验证和监控系统所能提供的同等粒度的可操作用户数据变得更加困难。当时，这并没有那么重要，因为跨域跟踪可以弥补这一数据缺口。

登录作为生存危机的解决方案

现在，优势在于确保用户登录，即使没有明确的机制可以将其货币化。 一个例子是越来越多的媒体机构需要登录才能查看内容，即使没有付费墙。 例如，《卫报》目前正在试验来自 Google 搜索的文章视图的登录要求：

这是来自 Google 搜索的《卫报》文章“登录墙”的屏幕截图。这无法在网络存档快照中捕获，因为限制是由引荐来源标头或基于 IP 的系统生成的，这些系统会显示 Google 是点击的发起者。

对于个人观看者来说，这种类型的限制可能难以确定，因为它们可能因地理位置或其他情况而异。 例如，从卫报网站内导航到上述卫报文章时不受任何方式的限制（即使读者未登录），或者 当直接访问时。要求通过 Google 推荐登录是一种廉价的方法，可以产生需求驱动的会员增长，而不会疏远“预先吸引”的读者。

虽然一直都有数据收集 优势 在这种第一方参与（即“本地”登录）中，跨域跟踪的失效可能会使这种做法从“有利”变为“存在” 必要性 以避免FLOC和SKAdNetwork营销数据流稀疏。

第一方数据收集的推动力

第一方数据“淘金热”的证据层出不穷。据《福布斯》一位业内人士的观点，第三方 Cookie 的衰落将为企业带来新的机遇， 管理和销售第二方数据，他们拥有足够的第一方基础设施，可以凭借自己的能力有效地成为数据经纪人。

其他地方的分析还预测零售商（在机器学习推荐系统上投入巨资）将 成为新的“媒体大亨”.

在一篇博客文章中，货币化平台 Setupad 举例说明了广告行业不加入联邦、数据有限的系统（例如 FLOC、 说明 这 “行为定位是广告商未来成功的秘诀”，而第一方的捕获是做到这一点的绝对先决条件。

行为定位是 是什么造成的 首先是当前消费者隐私的结构性转变；而这正是营销和专业影响力行业想要赢回的——通过代理、秘密或任何其他方式，不管它最终可能会将推荐系统研究部门拖入泥潭。

第一方“俱乐部”

除了需要昂贵的基础设施以及安全和开发资源之外，另一个因素表明了为什么在第一方数据收集系统时代只有更大的关注才可能繁荣：公司需要引人注目的市场占领才能强迫消费者回到十年前他们很高兴放弃的本地登录系统。

即使对于主要参与者来说，这也是一个冒险的举动，而 Digg 的记忆 让位 2010 年的危机依然困扰着 SEO 和营销界。一家公司的市场占有率越高，这一举动造成的损害就越小。实力雄厚的公司比规模较小的公司更能安然度过低谷，并更好地适应第一方生态系统。

对推荐系统研究的影响

随着这种情况的发展，它可能会威胁到监管机构给予谷歌、亚马逊和 Netflix 等公司机器学习推荐系统研究的相对“自由通行证”。

在某种程度上，欧盟的 新提案 无论如何，人工智能立法都预期推荐系统将受到更严格的审查。尽管目前尚不清楚草案中是否有针对推荐系统的条款 “潜意识技术超越人的意识，以实质上扭曲人的行为” 将应用于推荐系统，它 预计 广告商和推荐系统研究人员将游说以获得特殊待遇。

但是，如果“围墙花园”方法成为新的行业标准，并且承载这一机器学习研究领域的悠闲学术牧场成为大规模商业化第一方行为研究开发的温床，那么可能很难为隔离推荐系统研究提供依据。

对第一方数据工作流程进行大规模投资或许是重现剑桥分析时代那种高效“通灵”广告和政治宣传的唯一希望；但对监管机构而言，第三方 Cookie 的消亡或许只是将“声名狼藉”的做法从街头转移到了封闭的场所。如果这些活动的外部影响再次激起公众愤怒，那么这或许就无法成为真正的庇护所。