Digital Advertising in a Post-Cookie World: Charting the Impact of Google's Topics API
本文通过大规模数据集模拟评估了Google Topics API对数字广告生态的影响,发现其加剧了大型广告网络的主导地位并给小型网络带来挑战,强调了在隐私保护与公平竞争间取得平衡的必要性。
2024-09-21 cs.CY cs.NI cs.SI
Digital Advertising Traffic Operation: Machine Learning for Process Discovery
在网络广告流量运营中,有必要管理数字和付费社交活动的日常流量、节奏和优化。Traffic Operation的数据分析师不仅可以快速提供答案,还可以使用流程管理器的语言,并直观地显示发现的流程问题。为了解决客户服务过程中越来越多的投诉,必须找出过程本身的弱点并传达给部门。随着CRM数据的过程挖掘的帮助下,它可以确定不必要的循环和过程中的延迟.本文提出了一种基于机器学习技术的过程发现方法,可以自动发现变化,一眼就能发现问题所在,并采取纠正措施。
2016-12-30 cs.AI cs.CY
Auditing Digital Platforms for Discrimination in Economic Opportunity Advertising
包括社交网络在内的数字平台是经济信息的主要来源。有证据表明,数字平台向人口群体展示了不同的社会经济机会。我们的工作通过提出一种方法和软件来审计数字平台的偏见和歧视来解决这个问题。为了证明这一点,对Facebook平台和广告网络进行了审计。在2019年10月至2020年5月期间,我们从Facebook广告库API收集了141,063个广告。使用机器学习分类器,每个广告都被自动标记为主要营销类别(住房,就业,信贷,政治,其他)。对于每个类别,我们分析了广告内容按年龄组和性别的分布。根据审计结果,我们考虑并提出了限制,需求,基础设施和政策,使研究人员能够在未来进行更系统的审计,并倡导为什么必须做这项工作。我们还讨论了有偏见的分布如何影响人们所拥有的社会经济机会,特别是当在数字平台上,一些人口群体被不成比例地排除在接受法律规定的内容的人群之外时。
2020-08-21 cs.CY cs.HC
How Algorithms Shape the Distribution of Political Advertising: Case Studies of Facebook, Google, and TikTok
在线平台通过影响向选民传播政治信息,在塑造民主方面发挥着越来越重要的作用。近年来,政治竞选活动在平台的算法工具上投入了大量资金,通过在线广告瞄准选民。虽然公众对了解平台如何履行塑造政治话语的任务的兴趣从未如此之高,但主要平台为了解其做法而进行必要披露的努力却少得可怜。在这项研究中,我们收集和分析了一个数据集,其中包含来自Facebook、谷歌和TikTok的关于2020年美国总统大选的80多万个广告和250万个视频。我们对公共数据进行了首次大规模数据分析,以批判性地评估这些平台如何放大或缓和政治广告的传播。最后,我们提出了如何改善披露的建议,以便公众能够追究平台和政治广告商的责任。
2022-07-13 cs.CY cs.HC cs.SI
Iterative Topic Taxonomy Induction with LLMs: A Case Study of Electoral Advertising
Department of Computer Science, ETH Zürich(苏黎世联邦理工学院计算机科学系);Department of Computer Science, Purdue University(普渡大学计算机科学系)
本文提出基于大语言模型的迭代主题分类方法,通过选举广告案例验证,实现了无需预定义标签的自动主题分类,并在人类评估中表现出更一致和可解释的结果。
2026-10-02 cs.AI cs.CL cs.CY
Online Surveys and Digital Demography in the Developing World: Facebook Users in Kenya
Facebook、Twitter、Wikipedia和Amazon Mechanical Turk等数字平台已经改变了人类行为的研究,并为学术研究提供了新的主题库。在我们的研究中,我们利用Facebook广告平台在发展中国家进行在线调查。我们评估了Facebook在肯尼亚的价值,肯尼亚被选为案例研究,因为它代表了非洲大陆移动和互联网使用的平均示例,并且因为我们能够将我们的数据汇集与新一轮非洲晴雨表调查和2019年全国人口普查同步。在将Facebook广告平台制作的“受众估计”与肯尼亚2009年人口普查的人口估计进行了简要比较后,我们介绍了2019年7月在线调查试点的结果。我们将957名在线受访者的特征与2016年非洲晴雨表调查的受访者进行了比较。最后,我们讨论了全面研究的下一步。
2019-10-08 cs.CY
Consumer Manipulation via Online Behavioral Advertising
本文聚焦在线行为广告(OBA)对消费者的操纵问题,阐述其运作机制,构建分析框架并应用操纵理论,揭示OBA导致消费者操纵的程度,旨在引导学术与监管关注,且保持纯分析性立场。
2023-12-30 cs.CY
Packaging Up Media Mix Modeling: An Introduction to Robyn's Open-Source Approach
本文介绍Meta开源的媒体组合建模工具Robyn,其通过打包m/MMM降低使用门槛,促进中小企业的数字广告测量采纳,并缓解常见偏差。
2025-01-24 cs.CY
Online Advertising is a Regrettable Necessity: On the Dangers of Pay-Walling the Web
本文探讨了网络开放模式面临的威胁,指出付费封锁加剧数字鸿沟并可能破坏在线广告生态,通过数据分析表明135个国家无法承担完全付费封锁的费用,呼吁研究和政策以保持网络开放与包容。
2024-09-04 cs.CY cs.ET cs.HC
Political Advertising on Facebook During the 2022 Australian Federal Election: A Social Identity Perspective
The University of Queensland(昆士兰大学)
利用Meta广告库分析2022年澳大利亚联邦选举期间Facebook和Instagram上的政治广告,基于社会认同理论揭示主要政党在支出、覆盖、人口统计和地理定位上的差异,以及不同说服策略。
2025-11-16 cs.CY
Visual Political Communication in a Polarized Society: A Longitudinal Study of Brazilian Presidential Elections on Instagram
University of Amsterdam(阿姆斯特丹大学);Federal University of Sao Paulo (Unifesp)(圣保罗联邦大学);Johannes Gutenberg University Mainz (JGU)(美因茨约翰内斯古腾堡大学);Dublin City University (DCU)(都柏林城市大学)
本研究结合计算与定性方法,分析巴西两届总统选举候选人的Instagram帖子,揭示其视觉传播的一致模式与本土特征,阐明该平台在极化选举中的作用并提出未来研究方向。
2024-03-09 cs.AI cs.CV cs.CY
Uncovering Coordinated Cross-Platform Information Operations Threatening the Integrity of the 2024 U.S. Presidential Election Online Discussion
研究揭示了2024年美国总统选举中跨平台信息作战行为,通过机器学习检测协调不真实账号,发现其通过社交媒体传播误导信息并影响选举完整性。
2026-10-05 cs.CY cs.SI
How Much Ad Viewability is Enough? The Effect of Display Ad Viewability on Advertising Effectiveness
所有在线展示广告(广告)中有很大一部分从未被人类看到。例如,广告可以出现在页面折叠下方,用户从不滚动页面。然而,如果一个广告至少在某种程度上是不可见的,那么它基本上是无效的。广告可视性--指的是在线展示广告的像素可视性和曝光持续时间--最近引起了数字广告商和出版商的极大兴趣。然而,我们对广告可视性对广告效果的影响知之甚少。我们通过分析一个大规模的观察数据集来缩小这一差距,该数据集包含超过350,000个广告印象,类似于数字广告商和出版商通常可用的数据集。该分析揭示了较长的曝光持续时间(>10秒)和100%可见像素在生成视图-图像时似乎不是最佳的。最高的透视率似乎是用相对较低的像素/秒组合50%/1、50%/5、75%/1和75%/5生成的。然而,该分析没有考虑可能与广告可观看性相关或甚至驱动广告可观看性的用户行为,并且因此可能导致广告可观看性问题。因此,我们在一个主要的欧洲新闻网站的随机在线实验中操纵广告可视性,在相对较高的像素/秒组合75%/10,100%/5和100%/10中发现最高的广告识别率。低于75%或5秒的所有操作执行得更差。然而,我们发现,它可能是足够的,有一个长的曝光时间或高像素的视野,以达到高的广告效果。我们的研究结果为广告商提供了指导,使他们能够更适当地建立目标可视率,并为希望区分其可视性产品的出版商提供指导。
2020-08-26 cs.CY econ.GN q-fin.EC
AI in Food Marketing from Personalized Recommendations to Predictive Analytics: Comparing Traditional Advertising Techniques with AI-Driven Strategies
Iowa State University(爱荷华州立大学)
本文比较传统广告与AI驱动的食品营销策略,分析AI在个性化推荐、行为预测和自动化优化方面的优势及高投入挑战,为数字时代的精准营销提供指导。
2024-09-14 cs.AI cs.CY
Political advertisement on Facebook and Instagram in the run up to 2022 Italian general election
在线社交平台上的定向广告在政治营销工具包中变得越来越重要。监测政治广告对于确保民主进程的问责制和透明度至关重要。利用赞助内容的Meta公共图书馆,我们研究了在2022年意大利大选之前,Facebook和Instagram上投放政治广告的程度。分析超过2.7 K独立赞助商支付的23 K独立广告,相关金额为4 M欧元,产生的浏览量超过10亿次,我们调查了主要联盟的政治竞选活动的时间,地理和人口模式。我们发现的结果是根据他们的政治议程和选举结果,强调如何最活跃的联盟也获得了大部分的选票,并显示区域差异是一致的(目标)每个团体的政治基础。我们的工作引起了人们对进一步研究数字广告及其对个人意见和选择的影响的关注。
2023-02-08 cs.CY cs.SI
Ad Delivery Algorithms: The Hidden Arbiters of Political Messaging
政治竞选越来越多地转向数字广告来接触选民。这些平台使广告商能够非常精确地将消息定向到平台用户,包括通过推断这些用户的政治派别。然而,先前的研究表明,平台的广告投放算法可以在这些目标受众中选择性地投放广告,其方式可能导致人口统计学上的种族和性别差异,而广告商往往不知情。在这项研究中,我们调查了Facebook的广告投放算法对政治广告的影响。我们在Facebook上投放了一系列政治广告,并根据广告的内容(例如,政治观点)和目标选择标准。我们发现,Facebook的广告投放算法根据用户与广告内容的推断政治一致性,有效地区分了到达用户的价格,抑制了政治竞选活动接触不同政治观点选民的能力。当广告商使用小预算时,这种影响最为严重,因为Facebook的交付算法倾向于优先交付给根据Facebook的估计最相关的用户。我们的研究结果指出了广告平台在政治极化和创造信息过滤泡沫中的潜在作用。此外,一些大型广告平台最近改变了政策,限制他们为政治活动提供的定向工具;我们的研究结果表明,如果目标是确保向不同政治观点的用户展示政治广告,那么这种改革将是不够的。我们的研究结果增加了对政治广告生态系统更有意义的公共透明度的呼吁的紧迫性。
2019-12-17 cs.CY
Optimizing Monetization Strategies for Generative AI Firms: Implications for Search Engagement
Universidad Pontificia Comillas, ICADE(科米利亚斯宗座大学);Southampton Business School, University of Southampton(南安普顿大学)
该研究针对GenAI企业运营成本高的问题,基于相关理论开发框架,通过四项实验发现不同数量广告支持模型对用户升级降级的影响,为企业优化商业化策略提供了可行见解。
2026-08-03 cs.CY cs.HC econ.GN
Unpacking the Social Media Bot: A Typology to Guide Research and Policy
在关于重大选举期间数字影响力行动的广泛报道中,政策制定者、学者和记者对社交媒体机器人的政治影响越来越感兴趣。最近,Facebook和Twitter等平台公司被传唤就机器人作证,这是对2016年美国总统大选期间数字化外国操纵行为调查的一部分。面对来自公众和立法者越来越大的压力,这些公司已被指示打击明显恶意的机器人账户。但正如本文所展示的,自20世纪90年代最早的关于机器人的著作以来,关于“机器人”到底是什么以及机器人到底做什么一直存在着大量的混乱。我们认为,多种形式的模糊性是当代机器人相关政策的复杂性的主要原因,在制定成功的政策干预措施之前,需要对机器人进行更全面的了解,特别是它们是如何定义和衡量的。在本文中,我们提供了不同类型机器人的历史和类型学,提供了明确的指导方针,以更好地对政治自动化进行分类,并揭示其对当代技术政策的影响,并概述了未来研究人员和立法者将面临的主要挑战和模糊性。
2018-07-28 cs.CY
Digital Domination: A Case for Republican Liberty in Artificial Intelligence
Matthew David Hamilton(独立研究者)
本文从共和主义自由观出发,指出数字广告与社交媒体算法在个体与政治层面对自由构成威胁、催生数字支配,提出需建立追责机制以保障人工智能时代的共和主义自由。
2025-09-30 cs.AI cs.CY
The Great Data Standoff: Researchers vs. Platforms Under the Digital Services Act
Utrecht University(乌得勒支大学)
本文通过2024年罗马尼亚总统选举干预案例,分析《数字服务法案》第40条下研究者获取平台内部数据的挑战,提出法律不确定性及数据僵局问题,并给出实际数据获取途径。
2026-06-03 cs.CY
The direct democracy paradox: Microtargeting and issue ownership in Swiss online political ads
ETH Zürich(苏黎世联邦理工学院)
本文研究瑞士社交媒体政治广告中的微目标营销与议题所有权,揭示了算法影响对直接民主的潜在威胁。
2026-01-20 cs.CY cs.SI
Facebook Ads Monitor: An Independent Auditing System for Political Ads on Facebook
Univ. Federal de Mato Grosso do Sul(南马托格罗索联邦大学);Univ. Estadual do Sudoeste da Bahia(巴伊亚西南州立大学);Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Grenoble INP(格勒诺布尔国立理工学院);LIG(格勒诺布尔信息学实验室);Universidade Federal de Minas Gerais(米纳斯吉拉斯联邦大学)
2016年美国总统大选的标志是Facebook上滥用定向广告。出于对2018年巴西大选中出现类似滥用行为风险的担忧,我们设计并部署了一个独立的审计系统来监控巴西Facebook上的政治广告。为了做到这一点,我们首先调整了一个浏览器插件,从使用Facebook的志愿者的时间轴收集广告。我们成功说服了2000多名志愿者来帮助我们的项目并安装我们的工具。然后,我们使用卷积神经网络(CNN)来检测使用词嵌入的政治Facebook广告。为了评估我们的方法,我们手动将10k广告的数据汇集标记为政治或非政治,然后通过将其与经典的监督机器学习方法进行比较,对所提出的识别政治广告的方法进行深入评估。最后,我们部署了一个真实的系统,显示与政治相关的广告。我们注意到,并非我们检测到的所有政治广告都出现在Facebook广告库中的政治广告中。我们的研究结果强调了宣布政治广告的执行机制的重要性和独立审计平台的必要性。
2020-01-31 cs.AI cs.CY cs.SI
Analyzing the Digital Traces of Political Manipulation: The 2016 Russian Interference Twitter Campaign
直到最近,社交媒体还被视为促进关于社会和政治问题的民主讨论。然而,这个强大的通信平台因允许敌对行为者利用在线讨论试图操纵公众舆论而受到审查。一个很好的例子是美国国会正在调查俄罗斯干涉2016年美国大选,俄罗斯被指控使用巨魔(恶意账户)和机器人传播错误信息和政治偏见信息。在这项研究中,我们探讨了这种操纵活动的影响,仔细研究了重新分享美国国会调查公开披露的俄罗斯巨魔账户在Twitter上发布的帖子的用户。我们收集了一个数据集,其中包含2016年9月16日至10月21日期间在Twitter上分享的超过4300万个与选举相关的帖子,大约有570万不同的用户。该数据集包括与已识别的俄罗斯巨魔相关的帐户。我们使用标签传播来推断所有用户的意识形态基于他们共享的新闻来源。这种方法使我们能够将大量的用户分类为自由或保守,准确率和召回率超过90%。保守派转发俄罗斯巨魔的频率是自由派的31倍,并产生了36倍的推文。此外,大多数巨魔内容的转发来自两个南方州:田纳西州和得克萨斯州。使用最先进的机器人检测技术,我们估计自由派和保守派用户中分别约有4.9%和6.2%是机器人。对巨魔共享内容的文本分析显示,他们的议程大多是保守的,亲特朗普的。尽管在2016年美国总统大选之前的一段时间里,意识形态上广泛的Twitter用户接触到了俄罗斯巨魔,但主要是保守派帮助放大了他们的信息。
2018-02-12 cs.CY cs.SI
Local Privacy Laws in a Globalized World
New Jersey Institute of Technology(新泽理工学院);Colorado State University(科罗拉多州立大学);University of Calgary(卡尔加里大学);Stony Brook University(石溪大学)
本文通过统一抽象多国数据保护法的异构要求,并分析其对用户、组织和政府的影响,旨在拓宽数字隐私研究视角,为跨国技术隐私解决方案提供指导原则。
2026-05-27 cs.CR cs.CY cs.ET