[논문 리뷰] I Always Feel Like Somebody's Watching Me. Measuring Online Behavioural Advertising

Juan Miguel Carrascosa, Jakub Mikians외 3명|arXiv (Cornell University)|2014. 11. 19.

Sexuality, Behavior, and Technology참고 문헌 15인용 수 23

한 줄 요약

이 논문은 특정 관심사에 맞는 인공 온라인 인격체를 훈련시켜 온라인 행동 기반 광고(OBA)를 감지하고 정량화하는 확장성 있고 자동화된 방법론을 제시한다. 미국과 스페인에서 다양한 데이터 소스, 필터링 기법, 설정을 통해 수행된 연구에서 OBA는 광범위하게 퍼져 있으며, 규제에도 불구하고 고가치이자 민감한 주제(예: 건강, 정치)를 대상으로 하고 있음을 확인했으며, 지리적 편향은 없고 Do-Not-Track 신호의 영향을 거의 받지 않는 것으로 나타났다.

ABSTRACT

Online Behavioural targeted Advertising (OBA) has risen in prominence as a method to increase the effectiveness of online advertising. OBA operates by associating tags or labels to users based on their online activity and then using these labels to target them. This rise has been accompanied by privacy concerns from researchers, regulators and the press. In this paper, we present a novel methodology for measuring and understanding OBA in the online advertising market. We rely on training artificial online personas representing behavioural traits like 'cooking', 'movies', 'motor sports', etc. and build a measurement system that is automated, scalable and supports testing of multiple configurations. We observe that OBA is a frequent practice and notice that categories valued more by advertisers are more intensely targeted. In addition, we provide evidences showing that the advertising market targets sensitive topics (e.g, religion or health) despite the existence of regulation that bans such practices. We also compare the volume of OBA advertising for our personas in two different geographical locations (US and Spain) and see little geographic bias in terms of intensity of OBA targeting. Finally, we check for targeting with do-not-track (DNT) enabled and discovered that DNT is not yet enforced in the web.

연구 동기 및 목표

• 대규모로 온라인 행동 기반 광고(OBA)를 감지하고 정량화하기 위한 확장성 있고 자동화된 방법론을 개발하는 것.
• OBA가 사용자의 행동 프로파일, 특히 민감한 주제에 따라 다르게 대상으로 삼는지 조사하는 것.
• 지리적 위치와 Do-Not-Track(DNT) 설정이 OBA 유통에 미치는 영향을 평가하는 것.
• DNT와 같은 개인정보 보호 설정이 OBA 유통을 제한하는 데 얼마나 효과적인지 평가하는 것.
• narrow case studies를 넘어서 일반화 가능한 OBA 측정 프레임워크를 제공하는 것.

제안 방법

• 저자들은 특정 관심사(예: '요리', '모터 스포츠', '에이즈 및 HIV')를 대표하는 인공 온라인 인격체를 만들어 사용자 행동을 시뮬레이션한다.
• 3개의 독립적 태깅 소스와 3가지 필터링 기법을 사용해 각 인격체의 관심사와 관련된 OBA 광고를 식별한다.
• 310건의 요청이 인격체당 5개의 맥락 없는 테스트 웹사이트에서 자동화되어 광고 데이터를 수집한다.
• 필터링 및 메트릭 분석을 통해 OBA를 인구통계학적, 지리적, 재타겟팅 기반 광고와 구분하는 방법을 적용한다.
• 미국과 스페인의 두 지리적 지역에서 실험을 수행해 각 지역 간 OBA 강도를 비교한다.
• DNT 설정을 테스트하여 OBA 제공에 미치는 영향을 평가하고, 사용자 개인정보 보호 선호도를 시뮬레이션한다.

실험 결과

연구 질문

• RQ1 온라인 디스play 광고에서 온라인 행동 기반 광고(OBA)는 얼마나 자주 사용되는가?
• RQ2 OBA는 사용자의 관심사의 경제적 가치나 개인정보 민감도에 따라 다르게 대상으로 삼는가?
• RQ3 미국과 스페인 간 OBA 타겟팅 강도에 지리적 편향이 있는가?
• RQ4 Do-Not-Track(DNT) 기능을 활성화하면 OBA 제공가 얼마나 줄어드는가?
• RQ5 다양한 메트릭과 데이터 소스는 OBA 감지 및 정량화에 어떤 영향을 미치는가?

주요 결과

• OBA는 온라인 디스플레이 광고에서 흔하고 광범위하게 퍼진 관행이며, 모든 테스트된 인격체에서 높은 수준의 광고가 관찰되었다.
• 수신하는 OBA 광고의 수는 사용자 관심사의 경제적 가치와 상관관계가 있으며, 고가치 카테고리일수록 더 많은 타겟 광고를 받는다.
• 기존 규제에도 불구하고 OBA는 건강, 정치, 성 정체성 등 민감한 주제를 활발히 대상으로 하고 있다.
• 미국과 스페인 간 OBA 타겟팅 강도에 유의미한 지리적 편향은 없으며, 이는 글로벌적으로 일관된 적용을 의미한다.
• Do-Not-Track(DNT) 신호는 출판사와 집계 기관에 의해 대부분 간과되며, OBA 제공에 측정 가능한 영향을 미치지 않는다.
• 이 방법론은 다양한 설정에서 OBA를 성공적으로 감지했으며, 대규모 OBA 측정을 위한 일반화 가능한 프레임워크를 제공한다.