Websites dürfen Ihre Interessen erraten, ohne Sie eindeutig identifizieren zu können.
Implementierungsstatus
- Der erste Origin-Testlauf ist jetzt abgeschlossen.
- Demo der ersten Version (Origin-Testlauf jetzt beendet).
- Intent to Experiment in Blink.
Warum benötigen wir FLoC?
Viele Nutzer sind besorgt über die Auswirkungen personalisierter Werbung auf den Datenschutz. Diese basiert auf Techniken wie Tracking-Cookies und Geräte-Fingerprinting, mit denen Werbetreibende oder Werbeplattformen Ihren Browserverlauf auf verschiedenen Websites nachvollziehen können. Das FLoC-Angebot soll die Anzeigenauswahl auf datenschutzfreundlichere Weise ermöglichen.
Was ist der FLoC-Vorschlag?
FLoC bietet für die Auswahl interessenbezogener Werbung und anderer Inhalte einen Mechanismus zur Einhaltung des Datenschutzes.
Wenn ein Nutzer im Web surft, ermittelt sein Browser mithilfe des FLoC-Algorithmus seine „Interessengruppe“. Diese ist für Tausende von Browsern mit einem ähnlichen Browserverlauf gleich. Der Browser berechnet die Kohorte regelmäßig auf dem Gerät des Nutzers neu, ohne individuelle Browsingdaten an den Browseranbieter oder andere weiterzugeben.
Werbetreibende (Websites, die für Werbung bezahlen) können Code auf ihren eigenen Websites einfügen, um Kohortendaten zu erfassen und an ihre Ad-Tech-Plattformen (Unternehmen, die Software und Tools für die Bereitstellung von Werbung anbieten) zu senden. Eine Ad-Tech-Plattform könnte beispielsweise von einem Online-Schuhgeschäft erfahren, dass Nutzer aus den Kohorten 1101 und 1354 an der Wanderausrüstung des Geschäfts interessiert sind. Von anderen Werbetreibenden erfährt die Ad-Tech-Plattform mehr über die Interessen dieser Kohorten.
Anschließend kann die Werbeplattform diese Daten verwenden, um relevante Anzeigen auszuwählen, wenn ein Browser aus einer dieser Kohorten eine Seite einer Website aufruft, auf der Anzeigen ausgeliefert werden, z. B. eine Nachrichtenwebsite.
Wofür kann FLoC verwendet werden?
- Anzeigen für Nutzer schalten, deren Browser zu einer Kohorte gehören, die häufig die Website eines Werbetreibenden besucht oder Interesse an relevanten Themen zeigt.
- Mithilfe von Modellen für maschinelles Lernen die Wahrscheinlichkeit vorhersagen, mit der ein Nutzer basierend auf seiner Kohorte eine Conversion ausführt, um das Gebotsverhalten bei Anzeigenauktionen zu optimieren.
- Nutzern Inhalte empfehlen Angenommen, eine Nachrichtenseite stellt fest, dass die Seite ihres Sportpodcasts besonders beliebt bei Besuchern aus den Kohorten 1234 und 14159 ist. Sie können anderen Besuchern aus diesen Kohorten Inhalte empfehlen.
Wie funktioniert FLoC?
Unter Was ist FLoC? finden Sie eine grundlegende Schritt-für-Schritt-Anleitung zur Funktionsweise von FLoC.
Das folgende Diagramm zeigt ein Beispiel für die verschiedenen Rollen bei der Auswahl und Bereitstellung einer relevanten Anzeige mit FLoC.

Feedback geben
- GitHub: Vorschlag lesen, Fragen stellen und Diskussionen verfolgen.
- W3C: Anwendungsfälle aus der Branche in der Improving Web Advertising Business Group diskutieren.
- Entwicklersupport: Stellen Sie Fragen und beteiligen Sie sich an Diskussionen im Privacy Sandbox Developer Support-Repository.