[論文レビュー] An Empirical Study of Mobile Ad Targeting

Theodore Book, Dan S. Wallach|arXiv (Cornell University)|Feb 23, 2015

Web Data Mining and Analysis参考文献 20被引用数 35

ひとこと要約

本論文は、32台の異なるユーザープロファイルを持つデバイスで225,000件以上の広告を収集するために、独自開発のAdMobエミュレータを用いて、Android上のモバイル広告ターゲティングを実証的に調査している。ベイズ推論とカイ二乗検定を用いて分析した結果、99％の広告がアプリケーションまたは時間に基づくターゲティングを示し、43％が場所に基づくターゲティング、39％がユーザーベースのターゲティングを示しており、デバイスレベルのプロファイリングに起因する顕著なプライバシー上の懸念が明らかになった。

ABSTRACT

Advertising, long the financial mainstay of the web ecosystem, has become nearly ubiquitous in the world of mobile apps. While ad targeting on the web is fairly well understood, mobile ad targeting is much less studied. In this paper, we use empirical methods to collect a database of over 225,000 ads on 32 simulated devices hosting one of three distinct user profiles. We then analyze how the ads are targeted by correlating ads to potential targeting profiles using Bayes' rule and Pearson's chi squared test. This enables us to measure the prevalence of different forms of targeting. We find that nearly all ads show the effects of application- and time-based targeting, while we are able to identify location-based targeting in 43% of the ads and user-based targeting in 39%.

研究の動機と目的

• AdMobのようなモバイル広告ライブラリが、デバイスおよび行動的シグナルに基づいてユーザーティングする方法を理解すること。
• 特にユーザープロファイルを含む、さまざまなターゲティングメカニズムの普及度を定量化すること。
• モバイル広告における、デバイスレベルの識別子および推定されたユーザープロファイルのプライバシー上の影響を評価すること。
• アプリケーションのコンテキスト、時間、場所、またはユーザーデータに基づいてターゲティングが行われるかどうかを評価すること。
• 広範なモバイル広告市場を代理するものとして、AdMobエコシステムのエンドツーエンド分析を提供すること。

提案手法

• アプリ名、デバイスID、時間帯などの入力パラメータを制御できるように、AdMob広告リクエストプロトコルを逆アセンブルした。
• 設定可能なユーザープロファイルと広告収集が可能なAdMobエミュレータを構築した。
• 3つの異なるユーザープロファイルを持つ32台のシミュレートされたデバイスを展開し、225,000件を超える広告のデータセットを生成した。
• 広告コンテンツと潜在的なターゲティングプロファイルの相関をベイズ推論を用いて分析した。
• 観察されたターゲティングパターンの有意性を統計的に検証するためにピアソンのカイ二乗検定を用いた。
• 広告サーバーをブラックボックスとして扱い、内部アルゴリズムを逆アセンブルせずに、入力と出力の挙動を観察した。

実験結果

リサーチクエスチョン

• RQ1 Android上のモバイル広告は、アプリケーションコンテキストに基づいてどの程度ターゲティングされているか？
• RQ2 モバイル広告における場所ベースのターゲティングはどの程度普及しているのか？また、それを可能にするシグナルは何か？
• RQ3 異なるプロファイル間での広告コンテンツの変化から、ユーザーベースのターゲティングを検出できるか？
• RQ4 時間帯やデバイス固有の識別子は、広告配信にどのように影響するか？
• RQ5 AdMobエコシステムにおけるプロファイリングメカニズムの全体的な普及度はいかほどか？

主な発見

• ほぼすべての広告（99％）がアプリケーションまたは時間に基づくターゲティングの証拠を示しており、強力なコンテキストベースのターゲティングが行われていることが示された。
• 43％の広告で場所ベースのターゲティングが検出され、デバイスの位置情報が広告配信の重要なシグナルであることが示唆された。
• 39％の広告でユーザーベースのターゲティングが特定され、永続的なデバイス識別子がユーザープロファイルの構築に使われていることが示された。
• 本研究は、デバイスレベルの識別子がクロスセッション追跡およびプロファイル構築を可能にすることを確認しており、プライバシー上の懸念を呈している。
• 結果から、たとえ最小限の入力データしか使わない保守的な広告ライブラリであるAdMobですら、洗練されたターゲティングを実施していることが示唆された。
• 研究結果は、モバイル広告ターゲティングが広く普及しており、明示的なユーザーデータ共有がなくても、ますますパーソナライズ化されていることを示唆している。