Авторы:  (1) Анхель Мерино, факультет телематической инженерии Мадридского университета имени Карлоса III {angel.merino@uc3m.es};  (2) Хосе Гонсалес-Кабаньяс, Институт больших данных UC3M-Сантандер {jose.gonzalez.cabanas@uc3m.es}  (3) Анхель Куэвас, факультет телематической инженерии Мадридского университета Карлоса III и Института больших данных UC3M-Сантандер {acrumin@it.uc3m.es};  (4) Рубен Куэвас, факультет телематической инженерии Мадридского университета Карлоса III и Института больших данных UC3M-Сантандер {rcuevas@it.uc3m.es}.  Таблица ссылок   Аннотация и введение   Фон рекламной платформы LinkedIn   Набор данных   Методология   Уникальность пользователя в LinkedIn   Доказательство концепции нанотаргетинга   Обсуждение   Связанных с работой   Этические и юридические соображения   Выводы, благодарности и ссылки   Приложение  6. Доказательство концепции нанотаргетинга  Если результат нашей модели верен, возможно, можно будет нацелить человека на LinkedIn на нанотаргетинг. Под нанотаргетингом мы подразумеваем показ рекламы рекламной кампании исключительно целевому человеку. Однако отметим, что LinkedIn утверждает, что запуск рекламных кампаний для аудитории <300 пользователей невозможен. Если LinkedIn будет эффективно навязывать эту политику, мы не сможем проводить кампании по нанотаргетингу. Короче говоря, в этом разделе мы стремимся проверить, возможно ли проводить кампании нанотаргетинга в LinkedIn на основе результатов, полученных с помощью нашей методологии.   6.1 Описание эксперимента  Мы стремимся нацелиться на трех авторов этой статьи, основываясь на их самооценке местоположения и навыков. С этого момента мы будем называть авторов пользователем 1 (U1), пользователем 2 (U2) и пользователем 3 (U3) соответственно.  Для настройки каждой кампании мы используем Менеджер кампаний LinkedIn и определяем целевую аудиторию, используя местоположение и N навыков, полученные из профиля LinkedIn целевого пользователя. Кроме того, мы настраиваем бюджет, загружаем рекламный креатив и определяем целевую страницу, которую пользователь посетит, если нажмет на наши объявления. После определения рекламной кампании LinkedIn, чтобы продолжить ее публикацию и сделать ее общедоступной, LinkedIn предлагает возможность использовать две разные кнопки, включая текст «Запустить кампанию», одну в правой части страницы, а другую в нижней части страницы. внизу, оно видно только в том случае, если рекламодатель прокручивает страницу вниз. Мы можем выбрать любую из этих кнопок, чтобы опубликовать объявление.  В наших кампаниях по нанотаргетингу мы заметили, что кнопка «Запустить кампанию» в правой части Ads Manager не нажималась, объясняя это тем, что аудитория слишком мала. Однако эту меру можно обойти, используя простой код JavaScript в консоли браузера для повторной активации кнопки: document.querySelector(button_selector).disabled = false. Сначала мы думали, что LinkedIn реализует свою политику, чтобы избежать рекламных кампаний, ориентированных на менее чем 300 пользователей. Однако после включения кнопки кампанию можно запустить и размер аудитории не проверяться в процессе проверки объявления.  Далее мы подробно описываем каждый атрибут кампании, который имеет отношение к нашему эксперименту по проверке концепции.    количество навыков, доступных в профилях целевых лиц, составило 28, 42 и 28 для U1, U2 и U3 соответственно. Результаты нашей модели позволили нам выбрать любую из двух потенциальных стратегий отбора навыков: случайную или наименее популярную. Мы решили провести эксперимент по проверке концепции, выбрав навыки случайным образом. Это имитация простейших настроек для неопытного рекламодателя, желающего реализовать кампанию нанотаргетинга. Как мы объясняли, любой пользователь (рекламодатель) с учетной записью LinkedIn может получить навыки, о которых сообщил любой другой пользователь. Достаточно получить доступ к профилю и получить навыки (и местоположение), о которых сообщил целевой пользователь, и настроить рекламную кампанию на панели управления, используя эту информацию. Напротив, реализация наименее популярного выбора подразумевает сортировку навыков по популярности, для чего требуется доступ к Ads Manager и получение размера аудитории, связанной с каждым навыком. Хотя это очень простой шаг для опытных пользователей, неквалифицированные пользователи могут не знать, как получить размер аудитории для каждого навыка, и не смогут реализовать выбор наименее популярных навыков в кампании нанотаргетинга. Выбор навыков:    мы настроили кампании с 7, 10, 13, 16 и 19 случайно выбранными навыками. Количество навыков:    Все кампании длились 3 дня (72 часа). Каждая кампания начиналась в полдень дня d и заканчивалась в полдень d+3. Отметим, что стартовый день d не был одинаковым для всех кампаний. Продолжительность кампании:    для каждой кампании был настроен бюджет в размере 10 долларов США. Ни одна из 15 рекламных кампаний не потратила бюджет за 3 дня своей работы.  Бюджет кампании:    мы использовали нейтральную креативность рекламы, рекламируя веб-сайт исследовательского проекта, который не имеет ничего общего с конфиденциальностью. На рис. 6 показан креатив, использованный во всех наших рекламных кампаниях. Креативность рекламы:    Мы настроили наши кампании для показа рекламы как на мобильных устройствах, так и на настольных компьютерах. Целевое устройство.  В целом мы ориентируемся на 3 разных пользователей и проводим 5 кампаний для каждого из них (по одной на количество значений навыков). Таким образом, наш эксперимент по проверке концепции включает в себя в общей сложности 15 кампаний по нанотаргетингу. В таблице 2 для каждого значения навыков (первый столбец) показана предполагаемая вероятность успеха согласно нашей модели (второй столбец) и ожидаемое количество успешно нанотаргетированных пользователей среди трех целевых пользователей (третий столбец). Мы вычисляем последнее, умножая вероятность успеха, полученную из нашей модели, на количество кампаний, проводимых на одно значение навыка, т. е. 3. Например, для 19 навыков (уровень успеха 85%) ожидаемое количество успешных кампаний из трех запущенных кампаний , по результатам нашей методики, составляет 2,55. Это означает, что по крайней мере 2, а скорее всего, 3 из трех кампаний, использующих 19 навыков, должны быть успешными в нашем эксперименте. В последнем столбце таблицы показано фактическое количество успешных кампаний нанотаргетинга в нашем эксперименте.  6.2 Подтверждение успеха нанотаргетинга  Чтобы проверить, были ли наши кампании успешно нацелены на целевого человека, мы полагались как на информацию, предоставленную LinkedIn для наших кампаний, так и на информацию, которую мы собрали напрямую.  Во-первых, мы использовали информацию, предоставленную LinkedIn рекламодателям, на информационной панели, где они могут отслеживать ход своих кампаний. Он предоставляет информацию по многим параметрам, включая количество показов и количество кликов по рекламной кампании. В некоторых случаях он также оценивает количество (уникальных) пользователей, охваченных (так называемая оценка охвата) в кампании. Этот последний параметр позволит нам подтвердить успех кампании нанотаргетинга, если он будет равен 1 после завершения кампании. Однако этот параметр имеет два ограничения: (i) LinkedIn сообщает, что этот параметр находится в бета-версии и предлагает только оценку; (ii) мы заметили, что оценка доступна только в тех кампаниях, охватывающих несколько пользователей, но никогда не сообщается, когда охвачено очень мало пользователей. Поэтому, хотя мы сообщаем об этом значении (см. рисунок 10 в Приложении C), мы не можем полагаться на него для проверки успеха кампании нанотаргетинга, а наоборот, когда кампания достигла нескольких пользователей.  Во-вторых, все целевые авторы знали о рекламном креативе, который мы использовали в рекламных кампаниях, и мы поручили им (i) сделать снимок каждого рекламного показа, полученного в рамках кампании нанотаргетинга; (ii) нажимать на нанотаргетированную рекламу каждый раз, когда она появляется в их ленте LinkedIn.[1] При нажатии на объявление пользователь перенаправлялся на рекламируемый веб-сайт исследовательского проекта, который работает на управляемом нами сервере. Сервер записывал временную метку для каждого клика и кампанию, в рамках которой был сгенерирован клик, что идентифицирует пользователя (U1, U2 или U3), выполняющего клик.  Используя информацию, полученную на двух предыдущих шагах, мы могли оценить, была ли кампания по нанотаргетингу успешной. Мы могли с уверенностью заключить, что пользователь был единственным, кто получил рекламу, если количество показов и кликов, о которых сообщает LinkedIn, соответствовало количеству показов и кликов, предоставленных целевыми пользователями, и количеству кликов, зарегистрированных в нашей серверной системе, где мы может проверить, исходят ли клики от одного пользователя.   6.3 Результаты эксперимента по нанотаргетингу  В Таблице 3 показаны результаты 15 рекламных кампаний, которые мы провели в рамках эксперимента по проверке концепции. Для каждой кампании в таблице указаны: (i) целевой пользователь, (ii) количество навыков, использованных в кампании, (iii) количество показов и кликов, о которых LinkedIn сообщает на информационной панели, суммирующей результаты кампании, (iv) ) количество показов, о которых сообщил пользователь посредством сделанного им снимка полученной рекламы, (v) количество кликов, зарегистрированных на нашем внутреннем сервере, и (vi) стоимость кампании. Мы выделяем жирным шрифтом все кампании, которые успешно нацелились на целевого человека. На рисунке 10 в Приложении C показан снимок результатов наших кампаний, представленных на информационной панели LinkedIn.  Все кампании, использующие навыки 13, 16 и 19, успешно нацелились на целевого пользователя. Также 2 из 3 кампаний с использованием 10 навыков оказались успешными. Наконец, только одна из кампаний с использованием 7 навыков оказалась успешной. Эти результаты соответствуют ожиданиям, полученным на основе нашей модели, как указано в Таблице 2. Мы интуитивно полагаем, что наша модель дает консервативный результат, и фактическая вероятность успеха будет немного выше, чем сообщает наша модель. Эта интуиция основана на том факте, что использование 13 навыков (вероятность успеха 71%) уже во всех случаях привело к успешным кампаниям по нанотаргетингу.  Основным результатом этого эксперимента является то, что мы продемонстрировали, что систематическое проведение нанотаргетинговых кампаний в LinkedIn осуществимо. Это означает, что LinkedIn неэффективно реализует свою политику, указывая, что размер аудитории, необходимый для запуска рекламной кампании, составляет 300 человек [11].  Этот документ   под лицензией CC BY-NC-ND 4.0 DEED. доступен на arxiv  [1] Отметим, что U3 забыл кликнуть в одном из полученных показов объявления в кампании с использованием 13 навыков (отмечены * в таблице 3). В этом случае, как мы увидим в наших результатах и отчете LinkedIn, кампания произвела 3 показа объявления и получила 2 клика.

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

Netizenship is internet citizenship. We publish academic research on digital rights of online community members.

Netizenship's blog

Этот звук создан на языке оригинала истории!

Эксперимент LinkedIn по нанотаргетингу, нарушивший все правила

About Author

КОММЕНТАРИИ

БИРКИ

ЭТА СТАТЬЯ БЫЛА ПРЕДСТАВЛЕНА В

Related Stories

Хотите выиграть конкурс HackerNoon? Вот что рекомендуют победители конкурса #crypto-api

Valhalla Флоки станет ассоциированным спонсором индийского тура по Шри-Ланке

Как улучшить ваш рабочий процесс в 10 раз: 17 основных приложений

Рост криптовалют: создание эффективных образов пользователей

Хотите выиграть конкурс HackerNoon? Вот что рекомендуют победители конкурса #crypto-api

Valhalla Флоки станет ассоциированным спонсором индийского тура по Шри-Ланке

Как улучшить ваш рабочий процесс в 10 раз: 17 основных приложений

Рост криптовалют: создание эффективных образов пользователей

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps