Почему PET важны сейчас

Три давления вытолкнули PET из нишевого криптографического интереса в мейнстримную закупочную позицию. Первое — регуляторное: GDPR, Регламент ePrivacy, CPRA и EU AI Act всё чаще трактуют минимизацию данных и ограничение цели как обеспечиваемые обязательства, а не как стремления-принципы. Второе обусловлено платформами: Privacy Sandbox от Google, App Tracking Transparency от Apple и более широкое отмирание сторонних cookie заставили рекламный стек найти новые субстраты для измерения и построения аудиторий, которые не зависят от межсайтовых идентификаторов. Третье — конкурентное: крупные рекламодатели и операторы чистых комнат построили продукты на основе PET, с которыми паблишеры должны либо интегрироваться, либо быть исключёнными.

Для паблишера практическое влияние состоит в том, что PET начинают появляться в коммерческих разговорах — в ответах SSP на RFP, в презентациях вендоров атрибуции, в демо чистых комнат от сетей розничных медиа. Понимание того, что на самом деле делает каждая технология, больше не является необязательным.

Четыре PET, которые важны для паблишеров

Пространство PET широко, но четыре метода появляются чаще всего в контекстах паблишеров. Каждый решает свою задачу и по-своему взаимодействует со слоем согласия.

Дифференциальная приватность

Дифференциальная приватность — это математическая структура для добавления контролируемого шума к агрегированным выводам, так что ни одна отдельная запись не может быть реконструирована из отчёта. В рекламных технологиях она появляется в двух основных местах: в API Privacy Sandbox от Google (в частности, в Attribution Reporting API), которые добавляют шум к отчётам о конверсиях до того, как они покинут браузер, и в запросах чистых комнат, где SQL-агрегации возмущаются до возврата результатов покупателю или продавцу. Сила дифференциальной приватности в том, что её гарантии поддаются количественной оценке — значение эпсилон задаёт максимальную утечку информации на запрос. Слабость в том, что для малых аудиторий шум может полностью заглушить сигнал. Паблишерам следует ожидать раскрытия значений эпсилон в документации вендоров к концу 2026 года; если вендор не может назвать вам свой эпсилон, он на самом деле не предлагает дифференциальную приватность.

Федеративное обучение

Федеративное обучение тренирует модели машинного обучения на множестве устройств или серверов без централизации сырых данных. В рекламном контексте наиболее заметное развёртывание — это моделирование на устройстве от Apple для атрибуции SKAdNetwork, а Google сигнализировал о похожих подходах в Topics API и нижестоящих предложениях Sandbox. Для паблишеров федеративное обучение наиболее актуально при работе с продуктами первичных данных, которые хотят питать lookalike-моделирование или контекстную оценку без экспорта данных на уровне пользователя третьей стороне. Метод достаточно зрелый, чтобы быть в продакшене в масштабах Apple и Google; стоимость реализации для паблишера нетривиальна, потому что требует либо партнёра, который управляет федеративной инфраструктурой, либо SDK на устройстве, если мобильный охват входит в сферу действия.

Безопасные многосторонние вычисления

Безопасные многосторонние вычисления, или MPC, позволяют двум или более сторонам совместно вычислять функцию над их объединёнными данными без того, чтобы какая-либо сторона узнала входные данные другой. Канонический сценарий использования в рекламных технологиях — это чистая комната данных: ритейлер и рекламодатель хотят узнать пересечение своих аудиторий без обмена списками клиентов. С MPC объединение происходит криптографически, и раскрывается только агрегированный результат. AWS Clean Rooms, Snowflake Data Clean Rooms и Habu (теперь LiveRamp Clean Rooms) все поддерживают объединения в стиле MPC, а крупные сети розничных медиа всё чаще делают MPC шаблоном интеграции по умолчанию. Для паблишеров, предлагающих расширения аудитории рекламодателям, MPC становится обязательным механизмом для доставки сопоставленных когорт без обмена лежащими в основе идентификаторами.

Гомоморфное шифрование

Гомоморфное шифрование позволяет вычислять над зашифрованными данными, так что поставщик услуг может выполнить запрос, никогда не расшифровывая записи. В теории это самая мощная PET в инструментарии; на практике полностью гомоморфное шифрование всё ещё слишком вычислительно затратно для общих рекламно-технологических нагрузок. Частичные схемы (в частности, аддитивное гомоморфное шифрование) начинают появляться в конвейерах отчётности об атрибуции, где необходимые операции ограничены суммированиями. Паблишерам следует относиться к гомоморфному шифрованию как к технологии «наблюдай-и-жди» в 2026 году — она реальна, она движется быстро, но она ещё не является практическим вариантом закупки для большинства рекламно-технологических сценариев.

Как PET взаимодействуют с управлением согласием

Распространённое заблуждение в питчах вендоров — что PET устраняют необходимость в согласии. Это не так. Почти все развёртывания PET по-прежнему требуют законного основания по GDPR для исходного сбора обрабатываемых данных, даже если сама обработка сохраняет конфиденциальность. Дифференциальная приватность, добавленная к отчёту о конверсии, не делает наблюдение конверсии законным изначально — она делает нижестоящую агрегацию безопаснее.

Взаимодействие с CMP, таким образом, аддитивно, а не заместительно. Современная платформа управления согласием должна быть настроена так, чтобы:

• Захватывать согласие по конкретным целям для сценариев использования, которые питают защищённые PET рабочие процессы. Гранулярные флаги целей чисто сопоставляются с тем, в какие PET-конвейеры разрешено попадать данным пользователя.
• Распространять сигнал согласия в чистые комнаты через строку IAB GPP или вендор-специфичный API, так что объединение MPC включает только записи с действительным согласием.
• Учитывать отзыв на уровне PET, а не только на уровне страницы. Если пользователь отзывает согласие, его данные должны быть удалены из любых последующих раундов федеративного обучения и исключены из новых запросов чистых комнат.
• Документировать цепочку владения, чтобы аудиторы могли проследить кусок персональных данных от решения о согласии через PET-конвейер до итогового отчётного результата.

Паблишеры, которые относятся к CMP и слою PET как к одной связанной системе, получают более сильную позицию соответствия и более быстрые закупочные циклы с заботящимися о приватности рекламодателями.

Практическая дорожная карта инвестиций

Большинство паблишеров не могут — и не должны — инвестировать во все четыре PET сразу. Правильная последовательность зависит от профиля трафика и микса дохода.

Если большая часть дохода поступает от программатик-дисплея

Приоритизируйте знакомство с дифференциальной приватностью. API Sandbox от Google — наиболее вероятная точка входа по пути наименьшего сопротивления, и понимание того, как работают отчёты Aggregation Service, всё чаще является требованием закупки от крупных рекламодателей. Заведите CMP, которая публикует действительные сигналы Consent Mode v2 и Sandbox-совместимые флаги; криптографическая тяжёлая работа происходит внутри браузера.

Если значительный доход поступает от партнёрств с розничными медиа

Приоритизируйте готовность к MPC и чистым комнатам. Ландшафт чистых комнат 2026 года доминируют объединения в стиле MPC, и паблишеры без жизнеспособного конвейера сопоставления увидят, как расходы розничных медиа обходят их стороной. Инвестиции здесь скорее операционные, чем исследовательские: выбор платформы чистой комнаты, сопоставление состояний согласия с поверхностью сопоставления и построение конвейера приёма данных.

Если вы управляете продуктом первичных данных или DMP

Приоритизируйте грамотность в федеративном обучении. Конкурентная граница для продуктов первичных данных смещается от «у нас много данных» к «мы можем обучать полезные модели без экспорта данных». Партнёрства с вендорами федеративной инфраструктуры — типичный путь.

Регуляторное направление движения

EDPB, FTC, ICO и CNIL — все сигнализировали — в заключениях, документах руководства и предписаниях по исполнению — что внедрение PET всё чаще будет считаться доказательством GDPR-совместимой минимизации данных. Это не означает, что развёртывание PET автоматически законно, но это означает, что два технически похожих паблишера с похожими уровнями согласия могут получить очень разное регуляторное обращение, если один развернул PET, а другой нет. Для планирования стратегии на 2026 и 2027 годы консервативное предположение состоит в том, что PET перейдут от дифференциатора к ожиданию во всех европейских рекламно-технологических закупках в течение 18–24 месяцев. Паблишеры, которые строят конвейер согласия-и-PET сейчас, покупают себе запас времени против этого сдвига.