Facebook anunció que está invirtiendo en investigación para apoyar el desarrollo de tecnología que mejora la privacidad a través de académicos, organizaciones globales y desarrolladores.
No es de extrañar que Facebook tenga un gran interés en las tecnologías que mejoran la privacidad después de que los cambios provocados por iOS14 causaron enormes pérdidas de datos para los anunciantes. El propósito de invertir en estas tecnologías es identificar mejores métodos de seguimiento que mantendrán su privacidad mientras envían datos anónimos y agregados a Facebook, mejorando el rendimiento de los anunciantes.
Contenido del Articulo
Tecnologías que aumentan la privacidad y la publicidad en Facebook
Las tecnologías de mejora de la privacidad (PET) son tecnologías que pueden minimizar la cantidad de datos procesados para proteger los datos personales.
anuncio publicitario
Continúe leyendo a continuación
Facebook ha compartido el seguimiento de contactos de Covid y los ejemplos de envío de pagos electrónicos para ilustrar cómo se puede usar PET para rastrear información esencial mientras se preserva la protección de la información personal.
Hay tres PET principales en los que Facebook invierte, que son: informática multilateral, aprendizaje de dispositivos y privacidad diferencial. Profundicemos en cada uno de ellos.
Computación multilateral (MPC) y medición de rendimiento privada
Facebook ha probado una solución llamada Private Lift Measurement, que utiliza la Computación Multilateral (MPC) para ayudar a los anunciantes a comprender el rendimiento mientras se mantiene la privacidad de los datos del consumidor.
Los MPC se utilizan para calcular resultados utilizando fuentes de datos de varias páginas. Por ejemplo, cuando se usa Facebook, este tipo de informes se usa para combinar los datos de participación publicitaria de un lado y los datos de compra del otro.
anuncio publicitario
Continúe leyendo a continuación
Facebook espera que esta métrica esté disponible para todos los anunciantes el próximo año, pero por ahora ha puesto a disposición una plataforma de código abierto para que cualquier desarrollador pueda crear productos de medición orientados a la privacidad con MPC.
Aprendizaje en el dispositivo
El aprendizaje en el dispositivo es exactamente como suena: el seguimiento que tiene lugar en un dispositivo individual y luego entrena el algoritmo sobre hábitos específicos y posibles comportamientos futuros.
Por ejemplo, Facebook da un ejemplo de que si las personas hacen clic en un equipo de ejercicio, también tienden a comprar batidos de proteínas, entonces el aprendizaje en el dispositivo detectaría estos patrones sin enviar datos individuales a la nube.
Esto suena un poco similar a lo que Google Chrome está tratando de lograr con FLoC al almacenar sus datos de navegación en un solo navegador.
Privacidad diferencial
Finalmente, la privacidad diferencial calcula el ruido en el conjunto de datos. Anonimiza los datos con cambios menores para que sea difícil saber exactamente quién tomó la acción.
Por esta razón, esta tecnología se utiliza a menudo en la investigación pública. La privacidad diferencial se puede utilizar sola o con otras tecnologías que mejoran la privacidad.
¿Cuándo podemos esperar cambios?
Facebook no proporcionó un cronograma exacto de cuándo se esperan cambios, pero mencionó que la iniciativa fue un esfuerzo a largo plazo. Es de suponer que comenzarán a probar cosas en este momento, pero es posible que los anunciantes no noten ningún cambio importante en el futuro cercano.
anuncio publicitario
Continúe leyendo a continuación
