Facebook Ads invierte en investigación de privacidad para mejorar el seguimiento



Facebook anunció que están invirtiendo en investigación que apoye el avance de la tecnología de mejora de la privacidad, a través de académicos, organizaciones globales y desarrolladores.

No es de extrañar que Facebook muestra un gran interés en las tecnologías de mejora de la privacidad después de que los cambios derivados de iOS14 hayan creado pérdidas masivas de datos para los anunciantes. El objetivo de invertir en estas tecnologías es identificar mejores métodos de seguimiento que mantengan la privacidad al tiempo que devuelven datos anónimos y agregados a Facebook, mejorando los resultados de los anunciantes.

Tecnologías que mejoran la privacidad y Facebook Anuncios

Las tecnologías de mejora de la privacidad (PET) son tecnologías que pueden minimizar la cantidad de datos procesados ​​con el objetivo de proteger la información personal.

Anuncio publicitario

Continuar leyendo a continuación

Facebook compartió ejemplos de rastreo de contactos de Covid y envío de pagos electrónicos para ilustrar las formas en que el PET se puede utilizar para rastrear la información necesaria y al mismo tiempo proteger los datos personales.

Hay tres PET principales que Facebook está invirtiendo, que incluyen: Computación multipartita, aprendizaje en el dispositivo y privacidad diferencial. Profundicemos en cada uno de ellos.

Computación multipartita (MPC) y medición de ascensores privados

Facebook ha estado probando una solución llamada Private Lift Measurement, que utiliza computación multipartita (MPC) para ayudar a los anunciantes a comprender el rendimiento mientras mantiene la privacidad de los datos del consumidor.

Los MPC se utilizan para calcular los resultados utilizando fuentes de datos de múltiples partes. Por ejemplo, en FacebookEn el caso de uso, este tipo de informes se utiliza para combinar los datos de interacción con el anuncio de una parte y los datos de compra de otra.

Anuncio publicitario

Continuar leyendo a continuación

Facebook espera que esta medición esté disponible para todos los anunciantes el próximo año, pero por ahora, ha abierto el marco para que cualquier desarrollador pueda crear productos de medición centrados en la privacidad utilizando MPC.

Aprendizaje en el dispositivo

El aprendizaje en el dispositivo es tal como suena: el seguimiento que vive en el dispositivo individual, que luego entrena un algoritmo sobre hábitos particulares y probables comportamientos futuros.

Por ejemplo, Facebook da el ejemplo de que si las personas hacen clic en el equipo de ejercicio también tienden a comprar batidos de proteínas, entonces el aprendizaje en el dispositivo detectaría esos patrones sin enviar esos datos individuales a la nube.

Esto suena algo similar a lo que Google Chrome está tratando de lograr con FLoC al mantener los datos de navegación dentro del navegador individual.

Privacidad diferencial

Por último, pero no menos importante, la privacidad diferencial calcula el ruido en un conjunto de datos. Anonimiza los datos al hacer pequeños cambios en ellos, para que sea más difícil saber exactamente quién tomó una acción en particular.

Esta tecnología se utiliza a menudo para la investigación pública por ese motivo. La privacidad diferencial se puede utilizar sola o con otras tecnologías que mejoran la privacidad.

¿Cuándo podemos esperar ver cambios?

Facebook no dio un cronograma exacto de cuándo se esperaban los cambios, pero mencionaron que la iniciativa es un esfuerzo de varios años. Presumiblemente, comenzarán a probar cosas dentro de ese período de tiempo, pero es posible que los anunciantes no vean cambios importantes en el futuro inmediato.

Anuncio publicitario

Continuar leyendo a continuación

Botón volver arriba