FLoC，最能保障用戶私隱的用戶定位方式
上回提到，在Google決定淘汰第三方Cookies的同時，亦公佈了名為FLoC(Federated Learning of Cohorts)的替代方案，而本文將會以盡量淺白的方式說明FLoC到底是甚麼，又會帶來甚麼影響。
首先，FLoC並不單是一個名字，而是一個演算方式。
FL所指的Federated Learning為一種名為「聯合學習」的人工智能學習模式，而這種學習模式並不是甚而新鮮玩意，它早於2016年由Google提出，用於Google軟件(例如語音助手)的改良。
FLoC是甚麼?
而聯合學習應用於廣告投放的基礎原理如下：
(A):FLoC(藍色圓形)AI在用戶的電話中解讀並研究你的行為(例如興趣、購買記錄等)，並將用戶的興趣(綠色四方形)上傳至Google數據庫。
(B):Google數據庫中，用戶的興趣將被歸類成不同的群體(Cohorts)(如喜歡貓、喜歡汽車等……)
(C):數據庫會分析群體中的共同興趣，總結出改良演算法的更新(綠色菱形)，然後這些更新會套用於AI之中
Federated Learning: Collaborative Machine Learning without Centralized Training Data: https://ai.googleblog.com/2017/04/federated-learning-collaborative.html
FLoC有甚麼特色?
總括而言，這個算法有三個最大的特色：
- 用戶的行為只會在自己的電話中被AI解讀和研究，並不會上傳至任何地方，讓用戶的個人資料不會外泄。
- 用戶的資料以「組別」為單位保存，幾乎不可能從組別中提取個別用戶的資料，用戶的隱私因而得以保障。
- 數據庫中的每一律興趣資料都幫助了AI的改良和更新，讓AI的行為分析能力越來越準備，讓廣告商能夠精確地挑選投放對像。
根據Google的測試，與使用Cookies技術的廣告投放相比較，FLoC投放廣告的效率已經有使用Cookies的95%。
這樣說來，FLoC看起來似乎是一個Cookies的優秀代替品，但需要代替Cookies的話，Google就必須得解決一些問題：
- 目前只有Google軟件(Chrome/google map)等支援FLoC，假如Safari(iOS)不支持這個演算法的話，FLoC將非常難普及。
- 轉化形的廣告效率將大大減低，因為FLoC所提供的群體只以興趣為根據，並沒有年齡/性別/網購記錄等重要數據。
- 在報告上無法為不同渠道歸功，因為用戶觀看/點擊廣告的記錄將不會再被記錄。
- 所有群體的資料都由Google管理，算法亦由Google製作，讓Google在網路廣告中的壟斷地位更為穩固。
面對FLoC推出，商家應該如何提前做好準備?
既然FLoC的推出已成定局，商家應該盡早開始建立並收集自己的第一方數據，提供優惠與鼓勵自己的用戶登記成會員。
此外，Facebook、Twitter，Linkedin這一類擁有大量第一方數據的平台將會越來越重要，商家應該提早經營這些平台，以防更新之後廣告效率急跌。
