移动广告中的定位和隐私-研究论文

移动应用内广告现在是数字广告的主要形式。 虽然这些广告具有出色的用户跟踪特性，但它们引起了隐私倡导者的担忧。 这导致了关于不同类型定位信息的价值、广告网络参与行为定位的动机以及监管作用的持续辩论。 为了回答这些问题，我们提出了一个统一的建模框架，它由两个部分组成——一个用于定位的机器学习框架和一个用于在反事实定位机制下检查市场结果的分析拍卖模型。 我们将我们的框架应用于来自亚洲国家领先的应用内广告网络的大规模数据。 我们发现基于我们的机器学习框架的有效定位策略将平均点击率比当前系统提高了 66.80%。 与上下文信息相比，这些收益主要源于行为信息。 理论和经验反事实表明，虽然总盈余随着更细粒度的定位而增长，但广告网络的收入是非单调的，即最有效的定位不会最大化广告网络收入。 相反，当广告网络不允许广告商进行行为定位时，它会最大化。 我们的结果表明，在没有外部监管的情况下，广告网络可能具有保护用户隐私的经济动机。