Mengizinkan situs menebak minat Anda tanpa dapat mengidentifikasi Anda secara unik.
Status penerapan
- Uji coba origin awal kini ditutup.
- Demo versi awal (uji coba origin kini ditutup).
- Intent to Experiment di Blink.
Mengapa kita memerlukan FLoC?
Banyak orang khawatir dengan implikasi privasi iklan yang disesuaikan, yang saat ini mengandalkan teknik seperti cookie pelacakan dan sidik jari perangkat yang dapat mengungkapkan histori penjelajahan Anda di seluruh situs kepada pengiklan atau platform iklan. Proposal FLoC bertujuan untuk memungkinkan pemilihan iklan dengan cara yang lebih melindungi privasi.
Apa yang dimaksud dengan proposal FLoC?
FLoC memberikan mekanisme yang melindungi privasi untuk pilihan iklan dan konten lainnya berdasarkan minat.
Saat pengguna menjelajahi web, browser mereka menggunakan algoritma FLoC untuk menghitung "kohor minat", yang akan sama untuk ribuan browser dengan histori penjelajahan terbaru yang serupa. Browser menghitung ulang kohornya secara berkala, di perangkat pengguna, tanpa membagikan data penjelajahan individual kepada vendor browser atau orang lain.
Pengiklan (situs yang membayar iklan) dapat menyertakan kode di situs mereka sendiri untuk mengumpulkan dan memberikan data kelompok ke platform teknologi iklan mereka (perusahaan yang menyediakan software dan alat untuk menayangkan iklan). Misalnya, platform teknologi iklan mungkin mempelajari dari toko sepatu online bahwa browser dari kelompok 1101 dan 1354 tampaknya tertarik dengan perlengkapan pendakian toko tersebut. Dari pengiklan lain, platform teknologi iklan mempelajari minat lain dari kelompok tersebut.
Selanjutnya, platform iklan dapat menggunakan data ini untuk memilih iklan yang relevan saat browser dari salah satu kohor tersebut mengunjungi halaman dari situs yang menampilkan iklan, seperti situs berita.
Untuk apa FLoC dapat digunakan?
- Menampilkan iklan kepada orang yang browser-nya termasuk dalam kelompok yang telah diamati sering mengunjungi situs pengiklan atau menunjukkan minat pada topik yang relevan.
- Gunakan model machine learning untuk memprediksi probabilitas pengguna akan melakukan konversi berdasarkan kohor mereka, guna menginformasikan perilaku bidding lelang iklan.
- Merekomendasikan konten kepada pengguna. Misalnya, situs berita mengamati bahwa halaman podcast olahraganya menjadi sangat populer di kalangan pengunjung dari kelompok 1234 dan 14159. Mereka dapat merekomendasikan konten tersebut kepada pengunjung lain dari kelompok tersebut.
Bagaimana cara kerja FLoC?
Apa yang dimaksud dengan FLoC? memberikan penjelasan sederhana tentang cara kerja FLoC.
Diagram di bawah menunjukkan contoh berbagai peran dalam memilih dan menayangkan iklan yang relevan menggunakan FLoC.
Berinteraksi dan memberikan masukan
- GitHub: Baca proposal, ajukan pertanyaan, dan ikuti diskusi.
- W3C: Diskusikan kasus penggunaan industri di Improving Web Advertising Business Group.
- Dukungan developer: Ajukan pertanyaan dan bergabunglah dalam diskusi di repo Dukungan Developer Privacy Sandbox.