Zezwalaj witrynom na odgadnięcie Twoich zainteresowań bez możliwości jednoznacznej identyfikacji.
Stan implementacji
- Wstępny okres próbny został zamknięty.
- Demonstracja wersji początkowej (okres próbny domeny został zakończony).
- Zamiar eksperymentu w projekcie Blink.
Do czego jest nam potrzebny FLoC?
Wiele osób niepokoi się wpływem dostosowanych reklam na prywatność, co obecnie opiera się na takich technikach jak śledzenie plików cookie i odciski cyfrowe urządzeń, które pozwalają reklamodawcom lub platformom reklamowym ujawnić Twoją historię przeglądania w różnych witrynach. Celem oferty FLoC jest umożliwienie wyboru reklam w sposób, który lepiej chroni prywatność.
Czym jest oferta FLoC?
FLoC zapewnia mechanizm doboru reklam i innych treści na podstawie zainteresowań, który chroni prywatność użytkowników.
Gdy użytkownik porusza się po internecie, jego przeglądarka korzysta z algorytmu FLoC, aby określić „kohortę zainteresowań”, która będzie taka sama w przypadku tysięcy przeglądarek o podobnej niedawnej historii przeglądania. Przeglądarka okresowo przelicza swoją kohortę na urządzeniu użytkownika, nie udostępniając jej dostawcy ani nikomu innemu dane przeglądania.
Reklamodawcy (witryny, które płacą za reklamy) mogą umieszczać w swoich witrynach kod, który zbiera dane dotyczące kohorty i przekazuje je platformom technologii reklamowych (firmom, które dostarczają oprogramowanie i narzędzia do wyświetlania reklam). Na przykład platforma technologii reklamowych może się dowiedzieć od sklepu internetowego z obuwiem, że przeglądarki z kohort 1101 i 1354 wydają się zainteresowane sprzętem trekkingowym tego sklepu. Od innych reklamodawców platforma technologii reklamowych poznaje inne zainteresowania należące do tych kohort.
Następnie platforma reklamowa może wykorzystywać te dane do wybierania trafnych reklam, gdy przeglądarka z jednej z tych kohort odwiedza stronę z witryny wyświetlającej reklamy, np. witrynę z wiadomościami.
Do czego można używać FLoC?
- Wyświetlaj reklamy osobom, których przeglądarki należą do kohorty, która często odwiedza stronę reklamodawcy lub wykazuje zainteresowanie odpowiednimi tematami.
- Korzystaj z modeli systemów uczących się, aby prognozować prawdopodobieństwo dokonania konwersji przez użytkownika na podstawie kohorty, aby ukształtować sposób ustalania stawek w ramach aukcji reklam.
- Polecanie treści użytkownikom. Załóżmy np., że witryna z wiadomościami zauważy, że jej strona z podcastami o tematyce sportowej stała się szczególnie popularna wśród użytkowników z kohort 1234 i 14159. Może on polecać te treści innym użytkownikom z tych kohort.
Jak działa FLoC?
Sekcja Co to jest FLoC? zawiera proste, szczegółowe objaśnienie działania FloC.
Poniższy schemat przedstawia przykładowe role w wyborze i wyświetlaniu odpowiedniej reklamy za pomocą sfederowanego uczenia się kohort.
Angażuj i dziel się opiniami
- GitHub przeczytaj propozycję, zadawaj pytania i weź udział w dyskusji.
- W3C: omów przypadki użycia branżowe w grupie biznesowej dotyczącej reklamy internetowej.
- Pomoc dla deweloperów: zadawaj pytania i dołączaj do dyskusji w repozytorium pomocy dla deweloperów Piaskownicy prywatności.