Per què les PETs importen ara

Tres pressions han impulsat les PETs des d'un interès criptogràfic de nínxol fins a un element de compra principal. La primera és regulatòria: el GDPR, el Reglament ePrivacy, la CPRA i la EU AI Act tracten cada vegada més la minimització de dades i la limitació de propòsits com a obligacions executables en lloc de principis aspiracionals. La segona és impulsada per plataformes: Google Privacy Sandbox, Apple App Tracking Transparency i la depreciació més àmplia de les galetes de tercers han forçat la pila de tecnologia publicitària a trobar nous substrats per a la mesura i la construcció d'audiències que no depenguin d'identificadors entre llocs. La tercera és competitiva: els grans anunciants i els operadors de sales netes han construït productes basats en PETs amb els quals els editors han d'integrar-se o seran exclosos.

Per a un editor, l'impacte pràctic és que les PETs estan començant a aparèixer en converses comercials: en les respostes de les SSP als RFP, en les presentacions de vendes dels proveïdors d'atribució, en les demostracions de sales netes de les xarxes de mitjans minoristes. Entendre el que fa realment cada tecnologia ja no és opcional.

Quatre PETs que importen per als editors

L'espai de les PETs és ampli, però quatre tècniques apareixen amb més freqüència en contextos d'editors. Cada una resol un problema diferent i té una interacció diferent amb la capa de consentiment.

Privadesa diferencial

La privadesa diferencial és un marc matemàtic per afegir soroll controlat a les sortides agregades de manera que cap registre individual no pugui ser reverse-engineered a partir d'un informe. En la tecnologia publicitària apareix en dos llocs principals: en les API de Google Privacy Sandbox (l'Attribution Reporting API en particular), que afegeixen soroll als informes de conversió abans que surtin del navegador, i en les consultes de sales netes, on les agregacions SQL es pertorben abans que els resultats es retornin al comprador o venedor. La força de la privadesa diferencial és que les seves garanties són quantificables: un valor epsilon estableix la filtració màxima d'informació per consulta. La debilitat és que, per a audiències petites, el soroll pot ofegar completament el senyal. Els editors haurien d'esperar que els valors epsilon s'indiquin a la documentació dels proveïdors a finals de 2026; si un proveïdor no us pot dir el seu epsilon, no ofereix realment privadesa diferencial.

Aprenentatge federatiu

L'aprenentatge federatiu entrena models d'aprenentatge automàtic en molts dispositius o servidors sense centralitzar les dades brutes. En el context publicitari el desplegament més visible és el modelat al dispositiu d'Apple per a l'atribució de SKAdNetwork, i Google ha indicat enfocaments similars en l'Topics API i les propostes posteriors del Sandbox. Per als editors, l'aprenentatge federatiu és més rellevant quan es treballa amb productes de dades de primera part que volen alimentar el modelat de semblants o la puntuació contextual sense exportar dades a nivell d'usuari a un tercer. La tècnica és prou madura per estar en producció a escala d'Apple i Google; el cost d'implementació per a un editor no és trivial perquè requereix un soci que gestioni la infraestructura federativa o un SDK al dispositiu si el mòbil és en l'abast.

Còmput segur de múltiples parts

El còmput segur de múltiples parts, o MPC, permet a dues o més parts calcular conjuntament una funció sobre les seves dades combinades sense que cap part aprengui les entrades de l'altra. El cas d'ús canònic en la tecnologia publicitària és la sala neta de dades: un minorista i un anunciant volen conèixer el solapament entre les seves audiències sense intercanviar llistes de clients. Amb MPC la unió es produeix criptogràficament i només es revela el resultat agregat. AWS Clean Rooms, Snowflake Data Clean Rooms i Habu (ara LiveRamp Clean Rooms) suporten unions d'estil MPC, i les principals xarxes de mitjans minoristes estan fent de MPC el patró d'integració predeterminat. Per als editors que ofereixen extensions d'audiència als anunciants, MPC s'està convertint en el mecanisme bàsic per lliurar cohorts coincidents sense compartir els identificadors subjacents.

Xifratge homomòrfic

El xifratge homomòrfic permet el còmput sobre dades xifrades, de manera que un proveïdor de serveis pot realitzar una consulta sense desxifrar mai els registres. En teoria, aquesta és la PET més poderosa de la caixa d'eines; a la pràctica el xifratge homomòrfic complet és encara massa car computacionalment per a les càrregues de treball generals de tecnologia publicitària. Els esquemes parcials (xifratge homomòrfic additiu, en particular) estan començant a aparèixer en els processos d'informes d'atribució on les operacions necessàries estan limitades a sumes. Els editors haurien de tractar el xifratge homomòrfic com una tecnologia d'observació i espera el 2026: és real, avança ràpidament, però encara no és una opció de compra pràctica per a la majoria de casos d'ús de tecnologia publicitària.

Com interactuen les PETs amb la gestió del consentiment

Un malentès comú en les presentacions de proveïdors és que les PETs eliminen la necessitat de consentiment. No ho fan. Gairebé tots els desplegaments de PETs encara requereixen una base legal sota el GDPR per a la recollida original de les dades que es processen, fins i tot si el processament en si és de preservació de la privadesa. La privadesa diferencial afegida a un informe de conversió no fa que l'observació de la conversió sigui legítima en primer lloc: fa que l'agregació posterior sigui més segura.

La interacció amb un CMP és, per tant, additiva, no substitutiva. Una plataforma moderna de gestió del consentiment hauria d'estar configurada per:

• Capturar el consentiment específic del propòsit per als casos d'ús que alimenten els fluxos de treball protegits per PETs. Els indicadors de propòsit granulars s'associen clarament amb els pipelines de PETs als quals es permet que entrin les dades d'un usuari.
• Propagar el senyal de consentiment a les sales netes mitjançant la cadena IAB GPP o una API específica del proveïdor perquè la unió MPC inclogui només registres amb consentiment vàlid.
• Respectar la retirada a la capa PETs, no només a la capa de pàgina. Si un usuari revoca el consentiment, les seves dades s'haurien d'eliminar de qualsevol ronda d'entrenament federatiu posterior i excloure de les noves consultes de sales netes.
• Documentar la cadena de custòdia perquè els auditors puguin rastrejar una peça de dades personals des de la decisió de consentiment a través del pipeline de PETs fins al resultat informat final.

Els editors que tracten el CMP i la capa PETs com un sistema connectat acaben amb una postura de compliment més forta i cicles de compra més ràpids amb anunciants conscients de la privadesa.

Un full de ruta d'inversió pràctica

La majoria dels editors no poden, i no haurien d'invertir en les quatre PETs alhora. La seqüència correcta depèn del perfil de trànsit i de la combinació d'ingressos.

Si la majoria dels ingressos prové de la publicitat programàtica

Prioritzeu la familiaritat amb la privadesa diferencial. Les API del Sandbox de Google són el punt d'entrada de menor resistència més probable, i entendre com funcionen els informes de l'Aggregation Service és cada vegada més un requisit de compra dels grans anunciants. Obteniu un CMP que publiqui senyals vàlids de Consent Mode v2 i indicadors compatibles amb Sandbox; el treball criptogràfic pesat es produeix dins del navegador.

Si ingressos significatius provenen de partnerships de mitjans minoristes

Prioritzeu MPC i la disponibilitat per a les sales netes. El panorama de les sales netes de 2026 és dominat per les unions d'estil MPC, i els editors sense un pipeline de coincidència viable veuran com la despesa en mitjans minoristes els evita. Les inversions aquí són operatives en lloc de d'investigació: triar una plataforma de sala neta, mapear els estats de consentiment a la superfície de coincidència i construir el pipeline d'ingestió de dades.

Si opereu un producte de dades de primera part o DMP

Prioritzeu l'alfabetització en aprenentatge federatiu. La frontera competitiva per als productes de dades de primera part s'està desplaçant de "tenim moltes dades" a "podem entrenar models útils sense exportar les dades". Les associacions amb proveïdors d'infraestructura federativa són el camí típic.

La direcció regulatòria del viatge

L'EDPB, la FTC, l'ICO i la CNIL han indicat tots, en opinions, documents d'orientació i ordres d'execució, que l'adopció de PETs es comptarà cada vegada més com a evidència de minimització de dades conforme al GDPR. Això no vol dir que un desplegament de PETs sigui automàticament legal, però sí que vol dir que dos editors tècnicament similars amb taxes de consentiment similars poden rebre un tractament regulatori molt diferent si un ha desplegat PETs i l'altre no. Per a la planificació estratègica de 2026 i 2027, la suposició conservadora és que les PETs passaran de diferenciador a expectativa en les adquisicions europees de tecnologia publicitària en els pròxims 18 a 24 mesos. Els editors que construeixin ara el pipeline de consentiment i PETs s'estan comprant una pista d'aterratge contra aquest canvi.