KADOKAWA Technology Review
×
無料の会員登録で、記事閲覧数が増えます
コネクティビティ How Facebook Learns About Your Offline Life

調査報道で解明進む
フェイスブックの
エグすぎる広告セグメント

フェイスブックは、ユーザーの興味・関心に合わせて広告を表示するために、オンライン上の行動履歴を収集し、ユーザーの属性と組み合わせていることはよく知られている。しかしで、フェイスブックが現実世界の情報をデータ事業者から購入し、自社のユーザー情報と組み合わせていることはあまり知られていない。 by Michael Reilly2016.12.29

Facebookを使うことは、取引と同じだ。友だちや家族、愛する人、直接話したことがない高校生ともタダでつながれ代わりに、フェイスブックはユーザーの情報を収集している。フェイスブックはユーザーのプロフィール情報や「いいね!」を押した記事やサイト、視聴したビデオの情報を使って、広告を売っている。

しかし、話はそう単純ではないことがわかってきた。フェイスブックはオンライン上の個人情報との交換でユーザーに無料サービスを提供しているはずだが、現在進行中のプロパブリカの調査によれば、フェイスブックはこの暗黙の合意を逸脱しているのだ。フェイスブックは複数の個人データ販売業者と契約し、ユーザーの現実世界での情報(いくら稼いでいるか、どこで食事するのが好きか、クレジットカードは何枚持っているかなど)を取得しているのだ。

フェイスブックはこうしたデータを使って広告用のユーザー属性を増強していることを、当のユーザーには知らせていない。

フェイスブックの広告事業には脅威の精巧さがある。確かに、Facebookには膨大なユーザーがいる。しかし、広告主にとって本当に魅力的なのは、マーケティング担当者があらゆる種類のパラメーター(ユーザーが共有した興味・関心や政治的立場、年齢、使用しているモバイル機器の種類)に基づいて、広告を見ることになる対象ユーザーを細かく分けられることだ。

この種のマイクロ・ターゲティングは非常に価値がある。であれば、マイクロ・ターゲティングの性能を向上させるために、オフライン時の行動に関するデータセットを買い集めて、フェイスブックのユーザーと照合するのに、どんな方法が優れているだろうか。たとえば、食べ物を扱うサイトで誰が「いいね!」を押したかを単に知るより、毎年いくら稼いでいるのか、買い物をする店は、安売り店なのか高級店なのかを知る方がはるかに役に立つはずだ。

ここで重要なのは、ユーザー情報の収集方法やユーザーに割り当てている興味・関心のカテゴリーについて、フェイスブックは透明性があることを誇示していることだ。この情報は、Facebookのサイト上で誰でも確認できる。

調査の一環として、プロパブリカはユーザーが自身の情報を確認しやすくするツールを作成し、発見したことを共有するようにユーザーに呼びかけた。9月以降、ツールによって「気まずい状況でメールを打つ振りをする」から「公共の場で授乳する」まで、5万2000件以上の興味・関心カテゴリーが見つかった。

ただし、プロパブリカがフェイスブックの広告プラットフォームを実際に利用し、広告主が広告のターゲット設定に使えるパラメーターを確認したところ、「サードパーティから提供されました」と記述されているカテゴリーは600近くだった。カテゴリーのほとんどがユーザーの経済状況と関係がある一方で、ユーザーから収集した興味・関心のカテゴリーリストは何もなかった。つまり、フェイスブックの透明性には限界があるのだ。

(関連記事:ProPublica, “「巨大な未完成企業」フェイスブックは2017年が正念場,” “What Facebook Knows”)

人気の記事ランキング
  1. Big Banks Study Blockchain Not For the Digital Currency But For the Distributed Ledger 巨大銀行はなぜブロックチェーンを研究しているのか?
  2. Amazon’s $150 Million Typo Is a Lightning Rod for a Big Cloud Problem 損失額1億5000万ドル AWS障害でクラウドは再設計へ
  3. How DeepMind’s Memory Trick Helps AI Solve New Problems グーグル・ディープマインド、AIの学習速度を爆速化
  4. As Goldman Embraces Automation, Even the Masters of the Universe Are Threatened ゴールドマン・サックス、 自動化でトレーダー大幅減 3割がエンジニアに
  5. Machine-Learning Algorithm Predicts Laboratory Earthquakes 機械学習アルゴリズムが実験室の人工地震の予知に成功
タグ
クレジットPhotograph by Loic Venance | Getty
マイケル レイリー [Michael Reilly]米国版 ニュース・解説担当級上級編集者
マイケル・レイリーはニュースと解説担当の上級編集者です。ニュースに何かがあれば、おそらくそのニュースについて何か言いたいことがあります。また、MIT Technology Review(米国版)のメイン・ニュースレターであるザ・ダウンロードを作りました(ぜひ購読してください)。 MIT Technology Reviewに参加する以前は、ニューサイエンティスト誌のボストン支局長でした。科学やテクノロジーのあらゆる話題について書いてきましたので、得意分野を聞かれると困ります(元地質学者なので、火山の話は大好きです)。
「ソーシャルネットワーク」の記事
人気の記事ランキング
  1. Big Banks Study Blockchain Not For the Digital Currency But For the Distributed Ledger 巨大銀行はなぜブロックチェーンを研究しているのか?
  2. Amazon’s $150 Million Typo Is a Lightning Rod for a Big Cloud Problem 損失額1億5000万ドル AWS障害でクラウドは再設計へ
  3. How DeepMind’s Memory Trick Helps AI Solve New Problems グーグル・ディープマインド、AIの学習速度を爆速化
  4. As Goldman Embraces Automation, Even the Masters of the Universe Are Threatened ゴールドマン・サックス、 自動化でトレーダー大幅減 3割がエンジニアに
  5. Machine-Learning Algorithm Predicts Laboratory Earthquakes 機械学習アルゴリズムが実験室の人工地震の予知に成功
ザ・デイリー重要なテクノロジーとイノベーションのニュースを平日毎日お届けします。
公式アカウント