เหตุใด PETs จึงสำคัญตอนนี้

แรงกดดันสามประการได้ผลักดัน PETs จากความสนใจด้านการเข้ารหัสเฉพาะกลุ่มสู่รายการจัดซื้อกระแสหลัก ประการแรกคือด้านกฎระเบียบ: GDPR, กฎระเบียบ ePrivacy, CPRA และ EU AI Act ล้วนปฏิบัติต่อการลดข้อมูลให้น้อยที่สุดและการจำกัดวัตถุประสงค์ว่าเป็นภาระผูกพันที่บังคับใช้ได้มากขึ้นเรื่อยๆ ไม่ใช่หลักการที่มุ่งหวัง ประการที่สองขับเคลื่อนโดยแพลตฟอร์ม: Google Privacy Sandbox, Apple App Tracking Transparency และการยกเลิกคุกกี้ของบุคคลที่สามในวงกว้างได้บังคับให้สแต็กเทคโนโลยีโฆษณาค้นหาพื้นฐานใหม่สำหรับการวัดผลและการสร้างกลุ่มเป้าหมายที่ไม่พึ่งพาตัวระบุข้ามไซต์ ประการที่สามคือการแข่งขัน: ผู้โฆษณารายใหญ่และผู้ดำเนินการห้องข้อมูลสะอาดได้สร้างผลิตภัณฑ์บน PET ที่ผู้เผยแพร่ต้องรวมเข้าด้วยกันหรือถูกกีดกัน

สำหรับผู้เผยแพร่ ผลกระทบในทางปฏิบัติคือ PETs เริ่มปรากฏในการสนทนาเชิงพาณิชย์ - ในคำตอบ SSP ต่อ RFP ในสำรับการขายของผู้จำหน่ายการวัดผล ในการสาธิตห้องข้อมูลสะอาดจากเครือข่ายสื่อค้าปลีก การเข้าใจว่าแต่ละเทคโนโลยีทำอะไรจริงๆ ไม่ใช่สิ่งเลือกปฏิบัติอีกต่อไป

PETs สี่ตัวที่สำคัญสำหรับผู้เผยแพร่

พื้นที่ PET กว้างขวาง แต่มีสี่เทคนิคที่ปรากฏบ่อยที่สุดในบริบทของผู้เผยแพร่ แต่ละเทคนิคแก้ปัญหาต่างกันและมีปฏิสัมพันธ์ต่างกันกับชั้นการยินยอม

ความเป็นส่วนตัวเชิงอนุพันธ์

ความเป็นส่วนตัวเชิงอนุพันธ์เป็นกรอบทางคณิตศาสตร์สำหรับเพิ่มสัญญาณรบกวนที่ควบคุมได้ในผลลัพธ์ที่รวบรวมเพื่อให้ไม่มีบันทึกรายบุคคลใดที่สามารถวิศวกรรมย้อนกลับจากรายงานได้ ในเทคโนโลยีโฆษณามันปรากฏในสองสถานที่หลัก: ใน API ของ Google Privacy Sandbox (โดยเฉพาะ Attribution Reporting API) ซึ่งเพิ่มสัญญาณรบกวนในรายงานการแปลงก่อนที่จะออกจากเบราว์เซอร์ และในการสืบค้นห้องข้อมูลสะอาด ซึ่งการรวมข้อมูล SQL ถูกรบกวนก่อนที่ผลลัพธ์จะถูกส่งคืนให้ผู้ซื้อหรือผู้ขาย จุดแข็งของความเป็นส่วนตัวเชิงอนุพันธ์คือการรับประกันของมันวัดได้ - ค่า epsilon กำหนดการรั่วไหลของข้อมูลสูงสุดต่อการสืบค้น จุดอ่อนคือสำหรับกลุ่มเป้าหมายขนาดเล็ก สัญญาณรบกวนอาจกลบสัญญาณได้อย่างสมบูรณ์ ผู้เผยแพร่ควรคาดหวังว่าจะเห็นค่า epsilon ที่เปิดเผยในเอกสารของผู้จำหน่ายภายในสิ้นปี 2026 หากผู้จำหน่ายไม่สามารถบอก epsilon ของตนได้ พวกเขาไม่ได้นำเสนอความเป็นส่วนตัวเชิงอนุพันธ์จริงๆ

การเรียนรู้แบบสหพันธ์

การเรียนรู้แบบสหพันธ์ฝึกโมเดลการเรียนรู้ของเครื่องบนอุปกรณ์หรือเซิร์ฟเวอร์หลายเครื่องโดยไม่รวมศูนย์ข้อมูลดิบ ในบริบทโฆษณา การปรับใช้ที่เห็นได้ชัดที่สุดคือการสร้างแบบจำลองบนอุปกรณ์ของ Apple สำหรับการวัดผลแบบ SKAdNetwork และ Google ได้ส่งสัญญาณแนวทางที่คล้ายกันใน Topics API และข้อเสนอ Sandbox ปลายน้ำ สำหรับผู้เผยแพร่ การเรียนรู้แบบสหพันธ์มีความเกี่ยวข้องมากที่สุดเมื่อทำงานกับผลิตภัณฑ์ข้อมูลบุคคลที่หนึ่งที่ต้องการขับเคลื่อนการสร้างแบบจำลอง lookalike หรือการให้คะแนนตามบริบทโดยไม่ส่งออกข้อมูลระดับผู้ใช้ไปยังบุคคลที่สาม เทคนิคนี้เติบโตเพียงพอที่จะอยู่ในการผลิตในระดับ Apple และ Google ต้นทุนการใช้งานสำหรับผู้เผยแพร่ไม่ใช่เรื่องเล็กน้อยเพราะต้องการพันธมิตรที่ดำเนินการโครงสร้างพื้นฐานแบบสหพันธ์หรือ SDK บนอุปกรณ์หากมือถืออยู่ในขอบเขต

การคำนวณแบบหลายฝ่ายที่ปลอดภัย

การคำนวณแบบหลายฝ่ายที่ปลอดภัย หรือ MPC ช่วยให้สองฝ่ายขึ้นไปคำนวณฟังก์ชันร่วมกันบนข้อมูลรวมกันของพวกเขาโดยไม่มีฝ่ายใดเรียนรู้ข้อมูลป้อนเข้าของอีกฝ่าย กรณีการใช้งานตามแบบแผนในเทคโนโลยีโฆษณาคือห้องข้อมูลสะอาด: ผู้ค้าปลีกและผู้โฆษณาต้องการรู้การทับซ้อนระหว่างกลุ่มเป้าหมายของพวกเขาโดยไม่แลกเปลี่ยนรายชื่อลูกค้า ด้วย MPC การรวมข้อมูลเกิดขึ้นทางการเข้ารหัสและเปิดเผยเฉพาะผลลัพธ์รวม AWS Clean Rooms, Snowflake Data Clean Rooms และ Habu (ปัจจุบันคือ LiveRamp Clean Rooms) ต่างสนับสนุนการรวมข้อมูลแบบ MPC และเครือข่ายสื่อค้าปลีกรายใหญ่กำลังทำให้ MPC เป็นรูปแบบการรวมเริ่มต้นมากขึ้นเรื่อยๆ สำหรับผู้เผยแพร่ที่นำเสนอการขยายกลุ่มเป้าหมายให้ผู้โฆษณา MPC กำลังกลายเป็นกลไกพื้นฐานสำหรับการส่งมอบกลุ่มที่จับคู่แล้วโดยไม่แชร์ตัวระบุพื้นฐาน

การเข้ารหัสแบบโฮโมมอร์ฟิก

การเข้ารหัสแบบโฮโมมอร์ฟิกอนุญาตให้คำนวณบนข้อมูลที่เข้ารหัสแล้ว ดังนั้นผู้ให้บริการจึงสามารถดำเนินการสืบค้นได้โดยไม่ต้องถอดรหัสบันทึก ในทางทฤษฎีนี่คือ PET ที่มีประสิทธิภาพสูงสุดในชุดเครื่องมือ แต่ในทางปฏิบัติการเข้ารหัสแบบโฮโมมอร์ฟิกเต็มรูปแบบยังแพงเกินไปในการคำนวณสำหรับปริมาณงานทั่วไปของเทคโนโลยีโฆษณา โครงร่างบางส่วน (โดยเฉพาะการเข้ารหัสแบบโฮโมมอร์ฟิกเชิงบวก) เริ่มปรากฏในท่อการรายงานการวัดผลที่การดำเนินการที่จำเป็นจำกัดอยู่ที่การบวก ผู้เผยแพร่ควรถือว่าการเข้ารหัสแบบโฮโมมอร์ฟิกเป็นเทคโนโลยีที่ต้องจับตาดูและรอในปี 2026 - มันเป็นของจริง มันกำลังเคลื่อนตัวเร็ว แต่ยังไม่ใช่ตัวเลือกจัดซื้อที่ใช้งานได้จริงสำหรับกรณีการใช้งานส่วนใหญ่ของเทคโนโลยีโฆษณา

PETs มีปฏิสัมพันธ์กับการจัดการความยินยอมอย่างไร

ความเข้าใจผิดทั่วไปในการนำเสนอของผู้จำหน่ายคือ PETs ขจัดความจำเป็นในการยินยอม ไม่ใช่เช่นนั้น การปรับใช้ PETs เกือบทั้งหมดยังคงต้องการพื้นฐานทางกฎหมายภายใต้ GDPR สำหรับการรวบรวมข้อมูลที่ถูกประมวลผลในขั้นแรก แม้ว่าการประมวลผลเองจะปกป้องความเป็นส่วนตัวก็ตาม ความเป็นส่วนตัวเชิงอนุพันธ์ที่เพิ่มในรายงานการแปลงไม่ได้ทำให้การสังเกตการแปลงถูกต้องตามกฎหมายในตอนแรก - มันทำให้การรวมข้อมูลปลายน้ำปลอดภัยขึ้น

ดังนั้นปฏิสัมพันธ์กับ CMP จึงเป็นแบบเสริม ไม่ใช่แทนที่ แพลตฟอร์มการจัดการความยินยอมที่ทันสมัยควรได้รับการกำหนดค่าเพื่อ:

• รวบรวมความยินยอมเฉพาะวัตถุประสงค์สำหรับกรณีการใช้งานที่ป้อนเวิร์กโฟลว์ที่ได้รับการปกป้องโดย PET แฟล็กวัตถุประสงค์แบบละเอียดจับคู่ได้ชัดเจนกับท่อ PET ใดที่ข้อมูลของผู้ใช้ได้รับอนุญาตให้เข้า
• เผยแพร่สัญญาณความยินยอมไปยังห้องข้อมูลสะอาดผ่านสตริง IAB GPP หรือ API เฉพาะของผู้จำหน่าย เพื่อให้การรวม MPC มีเฉพาะบันทึกที่มีความยินยอมที่ถูกต้อง
• เคารพการถอนที่ชั้น PET ไม่ใช่แค่ที่ชั้นหน้า หากผู้ใช้ถอนความยินยอม ข้อมูลของพวกเขาควรถูกลบออกจากรอบการฝึกแบบสหพันธ์ที่ตามมาและถูกกีดกันจากการสืบค้นห้องข้อมูลสะอาดใหม่
• บันทึกห่วงโซ่การดูแลเพื่อให้ผู้ตรวจสอบสามารถติดตามข้อมูลส่วนบุคคลหนึ่งชิ้นจากการตัดสินใจความยินยอมผ่านท่อ PETs ไปยังผลลัพธ์ที่รายงานในที่สุด

ผู้เผยแพร่ที่ถือว่า CMP และชั้น PET เป็นระบบเดียวที่เชื่อมต่อกันจะได้รับท่าทางการปฏิบัติตามที่แข็งแกร่งขึ้นและวงจรการจัดซื้อที่เร็วขึ้นกับผู้โฆษณาที่ใส่ใจความเป็นส่วนตัว

แผนการลงทุนเชิงปฏิบัติ

ผู้เผยแพร่ส่วนใหญ่ไม่สามารถ - และไม่ควร - ลงทุนใน PETs ทั้งสี่ตัวพร้อมกัน การจัดลำดับที่ถูกต้องขึ้นอยู่กับโปรไฟล์การรับส่งข้อมูลและส่วนผสมรายได้

หากรายได้ส่วนใหญ่มาจากการแสดงผลแบบโปรแกรมอัตโนมัติ

ให้ความสำคัญกับความคุ้นเคยกับความเป็นส่วนตัวเชิงอนุพันธ์ API ของ Sandbox ของ Google เป็นจุดเข้าที่มีแนวโน้มมากที่สุดด้วยความต้านทานน้อยที่สุด และการเข้าใจวิธีการทำงานของรายงาน Aggregation Service กำลังกลายเป็นข้อกำหนดการจัดซื้อจากผู้โฆษณารายใหญ่มากขึ้นเรื่อยๆ รับ CMP ที่เผยแพร่สัญญาณ Consent Mode v2 ที่ถูกต้องและแฟล็กที่เข้ากันได้กับ Sandbox การยกของหนักทางการเข้ารหัสเกิดขึ้นภายในเบราว์เซอร์

หากรายได้สำคัญมาจากการเป็นหุ้นส่วนสื่อค้าปลีก

ให้ความสำคัญกับ MPC และความพร้อมของห้องข้อมูลสะอาด ภูมิทัศน์ห้องข้อมูลสะอาดปี 2026 ถูกครอบงำโดยการรวมแบบ MPC และผู้เผยแพร่ที่ไม่มีท่อการจับคู่ที่ใช้งานได้จะเห็นการใช้จ่ายสื่อค้าปลีกหลีกเลี่ยงพวกเขา การลงทุนที่นี่เป็นการดำเนินงานมากกว่าการวิจัย: การเลือกแพลตฟอร์มห้องข้อมูลสะอาด การจับคู่สถานะความยินยอมกับพื้นผิวการจับคู่ และการสร้างท่อรับข้อมูล

หากคุณดำเนินการผลิตภัณฑ์ข้อมูลบุคคลที่หนึ่งหรือ DMP

ให้ความสำคัญกับการรู้หนังสือการเรียนรู้แบบสหพันธ์ เส้นแนวหน้าการแข่งขันสำหรับผลิตภัณฑ์ข้อมูลบุคคลที่หนึ่งกำลังเคลื่อนตัวจาก "เรามีข้อมูลมาก" ไปสู่ "เราสามารถฝึกโมเดลที่มีประโยชน์โดยไม่ต้องส่งออกข้อมูล" การเป็นหุ้นส่วนกับผู้จำหน่ายโครงสร้างพื้นฐานแบบสหพันธ์เป็นเส้นทางทั่วไป

ทิศทางการกำกับดูแลของการเดินทาง

EDPB, FTC, ICO และ CNIL ต่างส่งสัญญาณ - ในความเห็น เอกสารแนวทาง และคำสั่งบังคับใช้ - ว่าการนำ PETs มาใช้จะนับเป็นหลักฐานของการลดข้อมูลให้น้อยที่สุดตาม GDPR มากขึ้นเรื่อยๆ ไม่ได้หมายความว่าการปรับใช้ PET ถูกต้องตามกฎหมายโดยอัตโนมัติ แต่หมายความว่าผู้เผยแพร่สองรายที่คล้ายกันทางเทคนิคที่มีอัตราความยินยอมคล้ายกันอาจได้รับการปฏิบัติด้านกฎระเบียบที่แตกต่างกันมากหากรายหนึ่งปรับใช้ PETs และอีกรายไม่ได้ สำหรับการวางแผนกลยุทธ์ปี 2026 และ 2027 สมมติฐานที่ระมัดระวังคือ PETs จะเคลื่อนตัวจากตัวสร้างความแตกต่างสู่ความคาดหวังในการจัดซื้อเทคโนโลยีโฆษณาของยุโรปภายใน 18 ถึง 24 เดือน ผู้เผยแพร่ที่สร้างท่อการยินยอมและ PETs ตอนนี้ซื้อเวลาสำหรับการเปลี่ยนแปลงนั้น