Zezwalanie witrynom na odgadywanie Twoich zainteresowań bez możliwości jednoznacznej identyfikacji.
Stan wdrożenia
- Początkowy okres próbny usługi origin został zamknięty.
- Demo początkowej wersji (okres próbny wersji źródłowej jest już zamknięty).
- Intencja eksperymentu w Blink.
Dlaczego potrzebujemy FLoC?
Wielu użytkowników martwi się o prywatność w związku z reklamami dostosowanymi, które obecnie korzystają z technologii takich jak pliki cookie śledzące i odcisk palca urządzenia. Mogą one ujawniać historię przeglądania w różnych witrynach reklamodawcom lub platformom reklamowym. Propozycja FLoC ma na celu umożliwienie wyboru reklam w sposób, który lepiej chroni prywatność.
Co to jest propozycja FLoC?
FLoC zapewnia mechanizm wyboru reklam i innych treści na podstawie zainteresowań, który chroni prywatność użytkownika.
Gdy użytkownik porusza się po Internecie, jego przeglądarka korzysta z algorytmu FLoC, aby określić „kohortę zainteresowań”, która będzie taka sama dla tysięcy przeglądarek z podobną historią przeglądania. Przeglądarka okresowo ponownie oblicza swoją kohorty na urządzeniu użytkownika, nie udostępniając danych o poszczególnych użytkownikach dostawcy przeglądarki ani nikomu innemu.
Reklamodawcy (witryny płacące za reklamy) mogą umieszczać kod na swoich stronach internetowych, aby zbierać i przekazywać dane o grupach użytkowników swoim platformom reklamowym (firmom, które dostarczają oprogramowanie i narzędzia do wyświetlania reklam). Platforma technologiczna reklamowa może np. dowiedzieć się od sklepu internetowego z obuwiem, że użytkownicy z grup 1101 i 1354 wydają się być zainteresowani sprzętem do wędrówek. Z innych reklamodawców platforma technologiczna reklam dowiaduje się o innych zainteresowaniach tych grup.
Następnie platforma reklamowa może używać tych danych do wybierania odpowiednich reklam, gdy przeglądarka z jednej z tych grup odwiedza stronę z reklamami, np. witrynę z wiadomościami.
Do czego można używać FLoC?
- Wyświetlaj reklamy osobom, których przeglądarki należą do kohorty, która często odwiedza witrynę reklamodawcy lub wykazuje zainteresowanie odpowiednimi tematami.
- Korzystanie z modeli systemów uczących się do przewidywania prawdopodobieństwa dokonania konwersji przez użytkownika na podstawie jego kohorty, aby określać na tej podstawie zachowanie określania stawek w aukcjach reklam.
- Polecać treści użytkownikom. Załóżmy na przykład, że witryna z wiadomościami zauważa, że strona podcastu sportowego stała się szczególnie popularna wśród użytkowników z grup 1234 i 14159. Mogą one rekomendować te treści innym użytkownikom z tych grup.
Jak działa FLoC?
W artykule Co to jest FLoC? znajdziesz proste, krok po kroku opisane działanie FLoC.
Na schemacie poniżej pokazaliśmy przykład różnych ról w wybieraniu i wyświetlaniu trafnych reklam za pomocą FLoC.
Zaangażowanie i przesyłanie opinii
- GitHub przeczytaj propozycję, zadaj pytania i obserwuj dyskusję.
- W3C: omawiaj przypadki użycia w branży w grupie biznesowej „Improving Web Advertising”.
- Pomoc dla deweloperów: zadawaj pytania i ucz się na podstawie dyskusji w repozytorium Piaskownicy prywatności dla deweloperów.