Post on 15-Apr-2017
Encheres en temps reel et donnees personnelles: uneexperimentation
Martin Quinn et Vincent Toubiana
ECN EHESS
04-01-2016
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 1 / 51
Outline
1 PresentationLe Real Time Bidding (RTB)EnvironnementContribution
2 MethodologieLe modeleDescription techniquesLes experimentations
3 ResultatsResultats de la 1ere experienceTravaux en cours
4 DiscussionPredictions
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 2 / 51
Outline
Introduction: le ”real time bidding”
Achat de publicites en volume
Advertiser
SiteContrats (CPM,CPC etc)
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 3 / 51
Outline
Introduction: le ”real time bidding”
structure ” Adnetwork” ...
AdvertiserAdvertiserAdvertiser
Adnetwork
SiteSiteSite
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 4 / 51
Outline
Introduction: le ”real time bidding”
..aujourd’hui les encheres en temps reel
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 5 / 51
Presentation
Outline
1 PresentationLe Real Time Bidding (RTB)EnvironnementContribution
2 MethodologieLe modeleDescription techniquesLes experimentations
3 ResultatsResultats de la 1ere experienceTravaux en cours
4 DiscussionPredictions
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 6 / 51
Presentation Le Real Time Bidding (RTB)
Etat du marche
Figure: Observatoire de la publicite digitale, PwC s1 2015
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 7 / 51
Presentation Le Real Time Bidding (RTB)
Structure simplifiee
Platform
us1 us2 us3 ad1ad2ad3
Site
1
2
3
45
6
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 8 / 51
Presentation Le Real Time Bidding (RTB)
Structure simplifiee
Platform
us1 us2 us3 ad1ad2ad3
Site
1
2
3
45
6
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 8 / 51
Presentation Le Real Time Bidding (RTB)
Structure simplifiee
Platform
us1 us2 us3 ad1ad2ad3
Site
1
2
3
45
6
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 8 / 51
Presentation Le Real Time Bidding (RTB)
Structure simplifiee
Platform
us1 us2 us3 ad1ad2ad3
Site
1
2
3
45
6
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 8 / 51
Presentation Le Real Time Bidding (RTB)
Structure simplifiee
Platform
us1 us2 us3 ad1ad2ad3
Site
1
2
3
4
5
6
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 8 / 51
Presentation Le Real Time Bidding (RTB)
Structure simplifiee
Platform
us1 us2 us3 ad1ad2ad3
Site
1
2
3
45
6
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 8 / 51
Presentation Le Real Time Bidding (RTB)
Structure simplifiee
Platform
us1 us2 us3 ad1ad2ad3
Site
1
2
3
45
6
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 8 / 51
Presentation Le Real Time Bidding (RTB)
Structure simplifiee
1
2
3
4
5
6
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 9 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3
4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
5
6
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
Platform
us1 us2 us3 ad1ad2ad3
DSP1 DSP2
DSP3
SSP1SSP2
SSP3
Site
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 10 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 11 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
0
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 12 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
0
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 12 / 51
Presentation Le Real Time Bidding (RTB)
Structure avec intermediaires
0
1
2
3 4
56
7
8
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 12 / 51
Presentation Le Real Time Bidding (RTB)
Le ”cookie matching”
Platform
User Bidder
1
La platformelit le cookie
de l’utilisateur”AAA”
2La platformepresente le
cookie ”AAA”
Peut lire ”AAA”mais pas sonpropre cookie⇒mauvaise
enchere
3
4
L’encherisseurcomprend que
”AAA” = ”123”⇒meilleureinformation
table de correspondance
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 13 / 51
Presentation Le Real Time Bidding (RTB)
Le ”cookie matching”
Platform
User Bidder
1
La platformelit le cookie
de l’utilisateur”AAA”
2La platformepresente le
cookie ”AAA”
Peut lire ”AAA”mais pas sonpropre cookie⇒mauvaise
enchere
3
4
L’encherisseurcomprend que
”AAA” = ”123”⇒meilleureinformation
table de correspondance
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 13 / 51
Presentation Le Real Time Bidding (RTB)
Le ”cookie matching”
Platform
User Bidder
1
La platformelit le cookie
de l’utilisateur”AAA”
2La platformepresente le
cookie ”AAA”
Peut lire ”AAA”mais pas sonpropre cookie⇒mauvaise
enchere
3
4
L’encherisseurcomprend que
”AAA” = ”123”⇒meilleureinformation
table de correspondance
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 13 / 51
Presentation Le Real Time Bidding (RTB)
Le ”cookie matching”
Platform
User Bidder
1
La platformelit le cookie
de l’utilisateur”AAA”
2La platformepresente le
cookie ”AAA”
Peut lire ”AAA”mais pas sonpropre cookie⇒mauvaise
enchere
3
4
L’encherisseurcomprend que
”AAA” = ”123”⇒meilleureinformation
table de correspondance
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 13 / 51
Presentation Le Real Time Bidding (RTB)
Le ”cookie matching”
Platform
User Bidder
1
La platformelit le cookie
de l’utilisateur”AAA”
2La platformepresente le
cookie ”AAA”
Peut lire ”AAA”mais pas sonpropre cookie⇒mauvaise
enchere
3
4
L’encherisseurcomprend que
”AAA” = ”123”⇒meilleureinformation
table de correspondance
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 13 / 51
Presentation Le Real Time Bidding (RTB)
Le ”cookie matching”
Platform
User Bidder
1
La platformelit le cookie
de l’utilisateur”AAA”
2La platformepresente le
cookie ”AAA”
Peut lire ”AAA”mais pas sonpropre cookie⇒mauvaise
enchere
3
4
L’encherisseurcomprend que
”AAA” = ”123”⇒meilleureinformation
table de correspondance
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 13 / 51
Presentation Le Real Time Bidding (RTB)
Le ”cookie matching”
Platform
User Bidder
1
La platformelit le cookie
de l’utilisateur”AAA”
2La platformepresente le
cookie ”AAA”
Peut lire ”AAA”mais pas sonpropre cookie⇒mauvaise
enchere
3
4
L’encherisseurcomprend que
”AAA” = ”123”⇒meilleureinformation
table de correspondance
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 13 / 51
Presentation Environnement
Privatics
2013 ⇒ Papier de l’equipe Privatics de l’INRIA ”Selling offprivacy at auction”, Olejnik, Minh-Dung and Castellucia.
Problematiques: quel prix pour les donnees personnelles dans leRTB? Quelle diffusion des donnees personnelles?
Exploitation d’une faille dans le processus RTB → recuperationdu prix des emplacements publicitaires ('25% des prix visibles).
Construction de robots:1 Caracterisation des robots en fonction de differentes categories de
profils type.2 Recuperation des prix sur une liste de sites identifies.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 14 / 51
Presentation Environnement
Privatics
2013 ⇒ Papier de l’equipe Privatics de l’INRIA ”Selling offprivacy at auction”, Olejnik, Minh-Dung and Castellucia.
Problematiques: quel prix pour les donnees personnelles dans leRTB? Quelle diffusion des donnees personnelles?
Exploitation d’une faille dans le processus RTB → recuperationdu prix des emplacements publicitaires ('25% des prix visibles).
Construction de robots:1 Caracterisation des robots en fonction de differentes categories de
profils type.2 Recuperation des prix sur une liste de sites identifies.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 14 / 51
Presentation Environnement
Resultats de l’equipe Privatics
Frequence et impact du cookie matching dans lesencheres⇒considerable,
Impact des caracteristiques du cookies sur le prix pratiquespour un emplacement publicitaire.
Mise a disposition d’un outil quantified self:http://yourvalue.inrialpes.fr/
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 15 / 51
Presentation Environnement
Resultats de l’equipe Privatics
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 16 / 51
Presentation Environnement
Enjeux
Enjeux de recherche:
Quel prix pour les donnees personnelles? Pour les donneescontextuelles?⇒ Quel prix pour cet utilisateur dans cette situation?
Quel environnement concurrentiel dans le RTB?
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 17 / 51
Presentation Environnement
Enjeux
Enjeux de recherche:
::::Quel
::::prix
:::::pour
:::les
::::::::donnees
:::::::::::::personnelles? Pour les donnees
contextuelles?⇒ Quel prix pour cet utilisateur dans cettesituation?
Quel environnement concurrentiel dans le RTB?
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 18 / 51
Presentation Environnement
Enjeux
Enjeux de recherche:
::::Quel
::::prix
:::::pour
:::les
::::::::donnees
:::::::::::::personnelles? Pour les donnees
contextuelles?⇒ Quel prix pour cet utilisateur dans cette situation?
Quel environnement concurrentiel dans le RTB?
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 19 / 51
Presentation Environnement
Enjeux
Enjeux de recherche:
::::Quel
::::prix
:::::pour
:::les
::::::::donnees
:::::::::::::personnelles? Pour les donnees
contextuelles?⇒ Quel prix pour cet utilisateur dans cette situation?
Quel environnement concurrentiel dans le RTB?==¿ les strategiesdes encherisseurs sont-elles differentes?
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 20 / 51
Presentation Environnement
Methode
Meme methodologie de recuperation des prix ,
Modele statistique permettant de comprendre l’impact croised’un utilisateur dans une situation sur le prix,
Plusieurs aspects a prendre en compte dans la formulation d’uneenchere.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 21 / 51
Presentation Environnement
Aspects
La structure concurentielle
Le partage de la valeur
L’information disponible
Les strategies possibles
Utilisateurs
Publicitaires
Environnement
valeur des donnees personnelles
valeur du contexte
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 22 / 51
Presentation Environnement
Type d’enchere
Encheres au second prix (Vickrey),
Un seul emplacement a la fois ,
Prix plancher.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 23 / 51
Presentation Environnement
Environment informationnel
Information incomplete et imparfaite: base commune + cookieproprietaire,
Cookie matching: entre tous les acteurs, de maniere repete... ⇒encheres en information maximum.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 24 / 51
Presentation Contribution
1ere experimentation
Analyse hedonique des prix pratiques:
Comprendre l’impact de chaque caracteristiques de l’enchere surle prix,
Analyser les differentes strategies des encherisseurs.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 25 / 51
Presentation Contribution
2nd experimentation
Analyse dynamique du prix face a des chocs:
Protection/anonymat: changement de comportement pendant lesurf, concernant l’anonymat/la vie privee,
Diversification du profil: nouvelles preferences pour d’autrescategories pendant le surf,
Actions contributives volontaires: commentaires, notes...pendant le surf.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 26 / 51
Methodologie
Outline
1 PresentationLe Real Time Bidding (RTB)EnvironnementContribution
2 MethodologieLe modeleDescription techniquesLes experimentations
3 ResultatsResultats de la 1ere experienceTravaux en cours
4 DiscussionPredictions
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 27 / 51
Methodologie Le modele
Design
Profil
Categories
V. demographiques
Intention d’achat
Protection
Crawler
Profil
Crawler
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 28 / 51
Methodologie Le modele
Design
Crawler
Rtb Site 1Rtb Site 2Rtb Site 3Rtb Site 4Rtb Site 5Rtb Site 6Rtb Site 7Rtb Site 8
Rtb Site 9Rtb Site 10
Rtb Site 11Rtb Site 12
Rtb Site 13Rtb Site ...
Rtb Site 11Rtb Site 12
Rtb Site NRtb Site 11Rtb Site 12Rtb Site NRtb Site 11Rtb Site 12Rtb Site N
Base deprix RTB
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 29 / 51
Methodologie Description techniques
Problemes
1 Crawler instable, peu scalable et peu instanciable
2 Variables demographiques: google ferme Ad preferences
3 Tous les prix ne sont pas visibles
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 30 / 51
Methodologie Description techniques
1: nouveau Crawler
OpenWPM est un crawler developpe par Princeton.
L’outil est concu specifiquement pour crawler un meme site avecplusieur profils
Un ”TaskManager” distribue les taches aux differents crawlers:
Si un partie du crawler crash, cela n’impact pas les autres crawls.
Cela permet de faire tourner deux fois plus de profils en parallele.
Les differentes instances etaient lancees depuis le meme process ⇒manque de stabilite.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 31 / 51
Methodologie Description techniques
Task manager
Task manager Instance 1
Instance 2
Instance 3
Profil 1
Profil 2
Profil 3
Site ..
Site 1
Site n
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 32 / 51
Methodologie Description techniques
2: Ad preferences
Une equipe de Carnegie Melon a etudie l’impact des criteresdemographiques sur les publicitees affichees.
Ils ont notament observe que les hommes se voyaient proposer desannonces d’emplois correspondant a des salaires plus eleves.
L’etude s’appuyait sur ”Ads preferences” qui permettait de renseignerles donnees sociaux-demo utilisees par Google.
Google a salue l’etude ... et ferme ”Ads preferences” quelquessemaines plus tard.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 33 / 51
Methodologie Description techniques
2: Ad preferences
Alternative ⇒ Exelate (un Data-broker):
Differentes donnees socio-demo peuvent etre renseignees
Des que le profil est renseigne, il’y a une synchronisation avecplusieurs acteurs (dont Google)
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 34 / 51
Methodologie Description techniques
Exelate
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 35 / 51
Methodologie Description techniques
Ce que nous observons
L’extension ”RTB Watcher” de l’INRIA est utilisee pour collecter:
Les prix des publicites
Le nom du ad-exchanger ainsi que l’encherisseur gagnant
Les ”cookies matching” (ce qui permet un proxy du nombred’encherisseurs)
L’extension a ete modifiee pour extraire les informations suivantes:
Annonceur qui affiche sa publicite
Dimension de la publicite
Le script qui affiche la publicite
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 36 / 51
Methodologie Description techniques
Autres variables
Caracteristiques du site: categorie, acteurs tierces, reputation,vues, rang
Caracteristiques environnementales: aspect temporel,geographique...
Caracteristiques de la plateforme: premium ou pas, reputation...
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 37 / 51
Methodologie Les experimentations
1ere experimentation
Profils72 profils vides → determination sur 5 variables (rapport IAB):
Categorie: Sport, Mode, Technologie
Variables demographiques: age et sexe
Protection: aucune ou DNT =+ acteurs tierces
Intention d’achat: oui ou non
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 38 / 51
Methodologie Les experimentations
1ere experimentation
72 profils Categories
V. demographiques
Protection
Intention d’achat
Crawler
72 profils Site ..
Site 1
Site nCrawler
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 39 / 51
Methodologie Les experimentations
2nd experimentation
Profils4 groupes de 18 profils vides → determination sur 4 variables.
Categorie: Sport, Mode, Technologie
Variables demographiques: age et sexe
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 40 / 51
Methodologie Les experimentations
2nd experimentation
Nous creons trois types de choc:
Protection/anonymat: changement de comportement pendant le surf,l’internaute s’oppose a la publicitee ciblee
Diversification du profil: nouvelles preferences pour d’autrescategories pendant le surf
Actions contributives volontaires: commentaires, notes... pendant lesurf
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 41 / 51
Methodologie Les experimentations
2nd experimentation
72 profils Categories
V. demographiques
Crawler
group 2
group 1
group 3
group 4
..Site 2
Site 1
..
Site n
..Site 2
Site 1
..
Site n
Control
Choc 1
Choc 2
Choc 3
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 42 / 51
Resultats
Outline
1 PresentationLe Real Time Bidding (RTB)EnvironnementContribution
2 MethodologieLe modeleDescription techniquesLes experimentations
3 ResultatsResultats de la 1ere experienceTravaux en cours
4 DiscussionPredictions
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 43 / 51
Resultats Resultats de la 1ere experience
L’Inria et nos resultats
L’analyse des profils:
Prix superieurs avec intention d’achat (significatif dans toutes lescategories).
Differents niveaux de prix entre categories (Mode>Sport>Techno).
Effet negatif significatif de la protection des utilisateurs sur le prix(seulement pour quelques encherisseurs).
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 44 / 51
Resultats Resultats de la 1ere experience
Resultats preliminaires
Resultats similaires pour l’analyse contextuelle:
Effet temporel: prix superieur le matin (mais significatifs seulementpour quelques sites/encherisseurs).
Differences tres significatives de prix entre encherisseur ⇒differentesstrategies.
Prix et sites: notion de sites stars dans des cas precis.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 45 / 51
Resultats Resultats de la 1ere experience
Strategie des encherisseurs
Differentes strategies:
Profils precis dans une situation precise: importante variation entreles encherisseurs
Les entreprises interessees par le meme couple profil/contexte nefont pas forcement augmenter les prix. ⇒ evitent la concurrencefrontale,
Souligne les differentes strategies et une possible entente tacite surla repartition des segments d’utilisateurs.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 46 / 51
Resultats Travaux en cours
Travaux encours
Renforcer la 1ere experimentation ⇒ Decomposer le prix gagnant enfonction des caracteristiques.
2nd experimentation ⇒ Analyser l’impact des changements depreferences des utilisateurs sur le comportement des encherisseurs.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 47 / 51
Discussion
Outline
1 PresentationLe Real Time Bidding (RTB)EnvironnementContribution
2 MethodologieLe modeleDescription techniquesLes experimentations
3 ResultatsResultats de la 1ere experienceTravaux en cours
4 DiscussionPredictions
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 48 / 51
Discussion Predictions
Native advertising
La limite entre contenu organique, contenu sponsoriseet publicite n’est pas clairement definie,
Le Native Advertising melange la publicite au contenu.Certains l’ont deja automatise,
Une personnalisation du contenu ”sponsorise” baseesur les profils et le RTB.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 49 / 51
Discussion Predictions
Le CPM et le ClickBait
Le RTB diminuel’importance du contextedans lequel une pub est vue,
Paiement ”a la publicitevue” ⇒ developpement detitre accrocheur,
Remuneration des auteursselon le trafic,
Tendance a ecrire desarticles ”viraux” qui serontplus consultes.
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 50 / 51
Discussion Predictions
Merci
Questions?
martin.quinn@telecom-paristech.fr
vtoubiana@cnil.fr
Martin Quinn et Vincent Toubiana (ECN EHESS)Encheres en temps reel et donnees personnelles: une experimentation04-01-2016 51 / 51