Was ist FLoC?

FLoC ermöglicht die Anzeigenauswahl, ohne das Browserverhalten einzelner Nutzer zu teilen.

Sam Dutton

Hinweis : In diesem Beitrag wurde das API-Design beschrieben, das in Chrome für den ersten Ursprungstest von FLoC implementiert wurde. Die Entwicklung von FLoC wurde 2021 eingestellt. Im Januar 2022 wurde im Rahmen der Privacy Sandbox ein Vorschlag für die Topics API veröffentlicht, um auf interessenbezogene Werbung zu reagieren, ohne die von Nutzern besuchten Websites erfassen zu müssen. Das Design der API basiert auf dem Feedback der Community aus früheren FLoC-Tests und ersetzt den FLoC-Vorschlag.

FLoC bietet einen datenschutzfreundlichen Mechanismus für die Auswahl interessenbezogener Anzeigen.

Wenn ein Nutzer im Web unterwegs ist, verwendet sein Browser den FLoC-Algorithmus, um seine „Interessenkohorte“ zu berechnen, die für Tausende von Browsern mit einem ähnlichen aktuellen Browserverlauf gleich ist. Der Browser berechnet seine Kohorte regelmäßig auf dem Gerät des Nutzers neu, ohne dass einzelne Browserdaten an den Browseranbieter oder Dritte weitergegeben werden.

Hinweis : Während des ersten FLoC-Tests wurde ein Seitenbesuch nur aus einem der folgenden zwei Gründe bei der FLoC-Berechnung des Browsers berücksichtigt: * Auf der Seite wird die FLoC API (document.interestCohort()) verwendet. * Chrome erkennt, dass die Seite Anzeigen oder anzeigenbezogene Ressourcen lädt. Bei anderen Clustering-Algorithmen testet der Test möglicherweise andere Aufnahmekriterien: Das ist Teil des Ursprungstests. Der Ursprungstest für die erste Version von FLoC, der von Chrome 89 bis 91 lief, ist jetzt geschlossen.

Werbetreibende (Websites, die für Werbung bezahlen) können Code auf ihren eigenen Websites einfügen, um Kohortendaten für ihre AdTech-Plattformen (Unternehmen, die Software und Tools zur Auslieferung von Werbung anbieten) zu erfassen und bereitzustellen. Beispielsweise könnte eine AdTech-Plattform von einem Online-Schuhgeschäft lernen, bei dem die Browser der Kohorten 1101 und 1354 an der Wanderausrüstung des Geschäfts interessiert zu sein scheinen. Von anderen Werbetreibenden lernt die AdTech-Plattform andere Interessen dieser Kohorten.

Anschließend kann die Werbeplattform diese Daten verwenden, um relevante Anzeigen auszuwählen (z. B. eine Anzeige für Wanderstiefel im Schuhgeschäft), wenn ein Browser aus einer dieser Kohorten eine Seite von einer Website anfordert, auf der Anzeigen ausgeliefert werden, z. B. eine Nachrichtenwebsite.

Die Privacy Sandbox umfasst mehrere Vorschläge für Anwendungsfälle von Drittanbietern ohne Drittanbieter-Cookies oder andere Tracking-Mechanismen. Einen Überblick über alle Vorschläge finden Sie unter Einblick in die Privacy Sandbox.

Wenn Sie Kommentare zu diesem Angebot haben, erstellen Sie ein Problem im FLoC Explainer-Repository. Wenn du Feedback zum Experiment von Chrome mit diesem Vorschlag hast, poste eine Antwort über Intent to Experiment.

Wozu brauchen wir FLoC?

Viele Unternehmen verlassen sich auf Werbung, um die Zugriffe auf ihre Websites zu steigern, und viele Publisher-Websites finanzieren Inhalte durch den Verkauf von Anzeigeninventar. Nutzer bevorzugen im Allgemeinen Anzeigen, die für sie relevant und nützlich sind. Relevante Anzeigen bringen Werbetreibenden außerdem mehr Umsatz und mehr Umsatz mit den Websites, auf denen sie gehostet werden. Mit anderen Worten: Werbeflächen sind wertvoller, wenn relevante Anzeigen geschaltet werden. Durch die Auswahl relevanter Anzeigen steigt somit der Umsatz für werbeunterstützte Websites. Mit relevanten Anzeigen wiederum können Inhalte finanziert werden, von denen die Nutzer profitieren.

Allerdings machen sich Nutzer Sorgen über die Datenschutzauswirkungen maßgeschneiderter Werbung. Dazu werden derzeit Techniken wie Tracking-Cookies und Geräte-Fingerprinting genutzt, um Werbetreibenden oder Werbeplattformen Zugriff auf ihren Browserverlauf auf verschiedenen Websites zu ermöglichen. Ziel des FLoC-Angebots ist eine Anzeigenauswahl auf datenschutzfreundlichere Weise.

Wofür kann FLoC verwendet werden?

• Schalten Sie Anzeigen für Nutzer, deren Browser zu einer Kohorte gehören, die nachweislich häufig die Website eines Werbetreibenden besucht oder Interesse an relevanten Themen zeigt.
• Mithilfe von Modellen für maschinelles Lernen können Sie basierend auf der Kohorte die Wahrscheinlichkeit für eine Conversion prognostizieren und so die Funktionsweise von Geboten bei Anzeigenauktionen beeinflussen.
• Empfehlen Sie Nutzern Inhalte. Angenommen, eine Nachrichtenwebsite stellt fest, dass ihre Sport-Podcast-Seite bei Besuchern aus den Kohorten 1234 und 7 besonders beliebt geworden ist. Sie können diese Inhalte anderen Besuchern aus diesen Kohorten empfehlen.

Wie funktioniert FLoC?

Im folgenden Beispiel werden die verschiedenen Rollen bei der Auswahl einer Anzeige mithilfe von FLoC beschrieben.

• Der Werbetreibende (ein Unternehmen, das für Werbung bezahlt) ist in diesem Beispiel ein Online-Schuhhändler:
  shoestore.example

• Der Publisher, eine Website für den Verkauf von Werbeflächen, ist in diesem Beispiel eine Nachrichtenwebsite:
  dailynews.example

• Die AdTech-Plattform (die Software und Tools zum Ausliefern von Werbung bereitstellt) ist:
  adnetwork.example

In diesem Beispiel haben wir die Nutzer Yoshi und Alex genannt. Anfangs gehören beide zur Kohorte „1354“.

Hinweis : Wir haben die Nutzer hier Yoshi und Alex genannt, aber dies gilt nur für dieses Beispiel. Namen und individuelle Identitäten werden dem Werbetreibenden, dem Publisher oder der AdTech-Plattform mit FLoC nicht offengelegt. Stellen Sie sich eine Kohorte nicht als eine Sammlung von Personen vor. Stellen Sie sich eine Kohorte stattdessen als eine Gruppe von Browseraktivitäten vor.

1. FLoC-Dienst

1. Der vom Browser verwendete FLoC-Dienst erstellt ein mathematisches Modell mit Tausenden von "Kohorten", die jeweils Tausenden von Webbrowsern mit ähnlichen aktuellen Browserverläufen entsprechen. Weitere Informationen dazu finden Sie unten.
2. Jeder Kohorte ist eine Zahl zugeordnet.

2. Browser

1. Vom FLoC-Dienst erhält Yoshis Browser Daten, die das FLoC-Modell beschreiben.
2. Der Browser von Yoshi berechnet die Kohorte mithilfe des Algorithmus des FLoC-Modells, um zu berechnen, welche Kohorte am ehesten seinem eigenen Browserverlauf entspricht. In diesem Beispiel ist das die Kohorte 1354. Beachten Sie, dass Yoshis Browser keine Daten an den FLoC-Dienst weitergibt.
3. Auf die gleiche Weise berechnet Alex' Browser die Kohorten-ID. Der Browserverlauf von Alex unterscheidet sich von dem von Yoshi, ist aber ähnlich genug, dass beide zur Kohorte 1354 gehören.

3. Werbetreibender: shoestore.example

1. Yoshi besucht shoestore.example.
2. Auf der Website wird Yoshis Browser nach der Kohorte „1354“ gefragt.
3. Yoshi sieht sich Wanderstiefel an.
4. Die Website verzeichnet, dass ein Browser der Kohorte 1354 Interesse an Wanderstiefeln zeigte.
5. Später erfasst die Website das zusätzliche Interesse an den Produkten aus Kohorte 1354 sowie an anderen Kohorten.
6. Die Website fasst regelmäßig Informationen zu Kohorten und Produktinteressen zusammen und teilt sie mit ihrer AdTech-Plattform adnetwork.example.

Jetzt ist Alex dran.

4. Publisher: dailynews.example

1. Alex besucht dailynews.example.
2. Die Website fragt Alex' Browser nach der Kohorte.
3. Die Website sendet dann eine Anzeigenanfrage an ihre AdTech-Plattform adnetwork.example, einschließlich der Kohorte von Alex' Browser: 1354.

5. AdTech-Plattform: adnetwork.example

1. adnetwork.example kann eine für Alex geeignete Anzeige auswählen. Dazu werden die Daten des Publishers dailynews.example und des Werbetreibenden shoestore.example kombiniert:
   • Browserkohorte von Alex (1354) bereitgestellt von dailynews.example.
   • Daten zu Kohorten und Produktinteressen aus shoestore.example: „Browser aus Kohorte 1354 sind möglicherweise an Wanderstiefeln interessiert.“
2. adnetwork.example wählt eine für Alex geeignete Anzeige aus: eine Anzeige für Wanderstiefel auf shoestore.example.
3. Mit dailynews.example wird die Anzeige 🥾 angezeigt.

Hinweis : Aktuelle Ansätze zur Anzeigenauswahl basieren auf Techniken wie Tracking-Cookies und Geräte-Fingerprinting, die von Drittanbietern wie Werbetreibenden genutzt werden, um das individuelle Browserverhalten zu verfolgen. Mit FLoC teilt der Browser seinen Browserverlauf nicht an den FLoC-Dienst oder andere Personen. Der Browser auf dem Gerät des Nutzers ermittelt, zu welcher Kohorte er gehört. Der Browserverlauf des Nutzers wird ausschließlich auf dem Gerät gespeichert.

Wer führt den Backend-Dienst aus, mit dem das FLoC-Modell erstellt wird?

Jeder Browseranbieter muss selbst entscheiden, wie Browser in Kohorten gruppiert werden. Chrome führt einen eigenen FLoC-Dienst aus. Andere Browser implementieren FLoC möglicherweise mit einem anderen Clustering-Ansatz und führen dazu einen eigenen Dienst aus.

Wie ermöglicht der FLoC-Dienst dem Browser, seine Kohorte zu ermitteln?

1. Der vom Browser verwendete FLoC-Dienst erstellt eine mehrdimensionale mathematische Darstellung aller potenziellen Web-Browserverläufe. Wir nennen dieses Modell „Kohortenbereich“.
2. Der Dienst teilt diesen Bereich in Tausende von Segmenten auf. Jedes Segment stellt einen Cluster aus Tausenden ähnlichen Browserverläufen dar. Diese Gruppierungen basieren nicht auf dem Wissen des tatsächlichen Browserverlaufs. Sie basieren einfach auf der Auswahl zufälliger Zentren im „Kohortenbereich“ oder dem Durchschneiden des Raums mit zufälligen Linien.
3. Jedem Segment wird eine Kohortennummer zugewiesen.
4. Der Webbrowser erhält diese Daten, die den „Kohortenbereich“ beschreiben, von seinem FLoC-Dienst.
5. Wenn ein Nutzer im Web unterwegs ist, verwendet sein Browser einen Algorithmus, um regelmäßig die Region im „Kohortenbereich“ zu berechnen, die seinem eigenen Browserverlauf am ehesten entspricht.

Der FLoC-Dienst unterteilt den „Kohortenbereich“ in Tausende von Segmenten (nur einige sind hier zu sehen).

Hinweis : Zu keinem Zeitpunkt wird der Browserverlauf des Nutzers an den FLoC-Dienst oder einen Dritten weitergegeben. Die Kohorte des Browsers wird vom Browser auf dem Gerät des Nutzers berechnet. Der FLoC-Dienst erfasst oder speichert keine Nutzerdaten.

Kann sich die Kohorte eines Browsers ändern?

Ja! Die Kohorte eines Browsers kann sich definitiv ändern! Wahrscheinlich besuchen Sie nicht jede Woche dieselben Websites. Das spiegelt sich in der Kohorte Ihres Browsers wider.

Eine Kohorte stellt einen Cluster von Browseraktivitäten, keine Gruppe von Nutzern, dar. Die Aktivitätsmerkmale einer Kohorte sind im Allgemeinen im Laufe der Zeit einheitlich und Kohorten sind für die Anzeigenauswahl nützlich, da sie ähnliches, kürzliches Browserverhalten gruppieren. Die Browser einzelner Nutzer variieren je nach sich änderndem Browserverhalten in einer Kohorte. Anfangs wird davon ausgegangen, dass der Browser die Kohorte alle sieben Tage neu berechnet.

Im Beispiel oben ist die Kohorte von Yoshi und Alex im Browser 1354. Zukünftig werden Yoshis Browser und Alex' Browser möglicherweise in eine andere Kohorte verschoben, wenn sich ihre Interessen ändern. Im Beispiel unten wird der Browser von Yoshi in Kohorte 1101 und Alexs Browser in Kohorte 1378 verschoben. Die Browser anderer Nutzer werden in Kohorten aufgenommen und aus diesen entfernt, wenn sich ihre Browserinteressen ändern.

Die Browserkohorte von Yoshi und Alex kann sich ändern, wenn sich ihre Interessen ändern.

Hinweis : Eine Kohorte definiert eine Gruppe von Browseraktivitäten, nicht eine Gruppe von Personen. Browser verschieben in eine Kohorte bzw. aus einer Kohorte, wenn sich ihre Aktivitäten ändern.

Wie funktioniert die Kohorte im Browser?

Wie oben beschrieben, erhält der Browser des Nutzers Daten von seinem FLoC-Dienst, der das mathematische Modell für Kohorten beschreibt: ein mehrdimensionaler Bereich, der die Browseraktivitäten aller Nutzer darstellt. Der Browser verwendet dann einen Algorithmus, um herauszufinden, welche Region dieses „Kohortenbereichs“ (also welche Kohorte) am ehesten seinem eigenen aktuellen Browserverhalten entspricht.

Wie wird bei FLoC die richtige Größe der Kohorte ermittelt?

Jede Kohorte wird Tausende von Browsern umfassen.

Eine kleinere Kohorte kann für die Personalisierung von Anzeigen nützlicher sein, das Nutzer-Tracking jedoch weniger wahrscheinlich einstellen und umgekehrt. Bei einem Mechanismus zur Zuweisung von Browsern zu Kohorten muss ein Kompromiss zwischen Datenschutz und Nutzen gefunden werden. Die Privacy Sandbox verwendet k-Anonymität, damit sich Nutzer „in der Menge verstecken“ können. Eine Kohorte ist k-anonym, wenn sie von mindestens k Nutzern geteilt wird. Je höher der k-Wert, desto datenschutzfreundlicher ist die Kohorte.

Kann FLoC verwendet werden, um Personen nach sensiblen Kategorien zu gruppieren?

Der zum Erstellen des FLoC-Kohortenmodells verwendete Clustering-Algorithmus soll bewerten, ob eine Kohorte mit sensiblen Kategorien korreliert werden kann. Dabei wird nicht ermittelt, warum eine Kategorie sensibel ist. Kohorten, die sensible Kategorien wie ethnische Herkunft, Sexualität oder Krankengeschichte offenlegen könnten, werden blockiert. Mit anderen Worten: Beim Ermitteln der Kohorte wählt ein Browser nur zwischen Kohorten aus, die keine sensiblen Kategorien offenlegen.

Ist FLoC nur eine weitere Möglichkeit, Menschen online zu kategorisieren?

Bei FLoC gehört der Browser eines Nutzers zu Tausenden von Kohorten, zusammen mit Tausenden von Browsern anderer Nutzer. Im Gegensatz zu Drittanbieter-Cookies und anderen Targeting-Mechanismen zeigt FLoC nur die Kohorte an, in der sich der Browser eines Nutzers befindet, und keine einzelne User-ID. Sie ermöglicht anderen nicht, eine Person innerhalb einer Kohorte voneinander zu unterscheiden. Außerdem werden die Informationen über die Browseraktivitäten, die zum Ermitteln der Kohorte eines Browsers verwendet werden, lokal auf dem Browser oder Gerät gespeichert und nirgendwo sonst hochgeladen. Der Browser kann außerdem andere Anonymisierungsmethoden wie Differential Privacy einsetzen.

Müssen Websites teilnehmen und Informationen austauschen?

Websites können FLoC aktivieren oder deaktivieren, sodass Websites zu sensiblen Themen verhindern, dass Besuche der jeweiligen Website bei der FLoC-Berechnung berücksichtigt werden. Als zusätzlicher Schutz wird mithilfe der Analyse durch den FLoC-Dienst bewertet, ob eine Kohorte vertrauliche Informationen über Nutzer preisgibt, ohne zu ermitteln, warum diese Kohorte als sensibel ist. Wenn eine Kohorte eine ungewöhnlich hohe Anzahl von Nutzern umfasst, die Websites einer sensiblen Kategorie besuchen, wird die gesamte Kohorte entfernt. Finanzielle Aspekte und psychische Gesundheit gehören zu den sensiblen Kategorien, die von dieser Analyse abgedeckt werden.

Websites können eine Seite von der FLoC-Berechnung ausschließen, indem sie einen Permissions-Policy-Header interest-cohort=() für diese Seite festlegen. Bei Seiten, die nicht ausgeschlossen wurden, wird ein Besuch in die FLoC-Berechnung des Browsers einbezogen, wenn document.interestCohort() auf der Seite verwendet wird. Während des aktuellen FLoC-Ursprungstests wird eine Seite ebenfalls in die Berechnung einbezogen, wenn Chrome feststellt, dass die Seite Anzeigen oder anzeigenbezogene Ressourcen lädt. Im Artikel Anzeigen-Tagging in Chromium wird erläutert, wie der Mechanismus zur Anzeigenerkennung von Chrome funktioniert.

Seiten, die von privaten IP-Adressen bereitgestellt werden, z. B. Intranetseiten, werden bei der FLoC-Berechnung nicht berücksichtigt.

Wie funktioniert die FLoC JavaScript API?

Hinweis : Der Ursprungstest für die erste Version von FLoC, die von Chrome 89 bis 91 lief, wurde geschlossen.

Die FLoC API ist sehr einfach: Nur eine einzelne Methode, die ein Versprechen zurückgibt, das in ein Objekt aufgelöst wird, das die Kohorte id und version angibt:

const { id, version } = await document.interestCohort();
console.log('FLoC ID:', id);
console.log('FLoC version:', version);

Die verfügbaren Kohortendaten sehen so aus:

{
  id: "14159",
  version: "chrome.2.1"
}

Mit dem Wert version können Websites, die FLoC verwenden, wissen, auf welchen Browser und auf welches FLoC-Modell die Kohorten-ID verweist. Wie unten beschrieben, lehnt das von document.interestCohort() zurückgegebene Promise für alle Frames ab, die nicht die Berechtigung interest-cohort haben.

Können Websites verhindern, dass sie in die FLoC-Berechnung einbezogen werden?

Mit der Berechtigungsrichtlinie interest-cohort kann eine Website erklären, dass sie nicht in die Liste der Websites für die Kohortenberechnung aufgenommen werden soll. Die Richtlinie ist standardmäßig auf „allow“ gesetzt. Das von document.interestCohort() zurückgegebene Promise lehnt alle Frames ab, die nicht die Berechtigung interest-cohort haben. Wenn dem Hauptframe die Berechtigung interest-cohort nicht zugewiesen ist, wird der Seitenaufruf bei der Berechnung der Interessenkohorte nicht berücksichtigt.

Eine Website kann z. B. jegliche Berechnung der FLoC-Kohorte deaktivieren, indem der folgende HTTP-Antwortheader gesendet wird:

  Permissions-Policy: interest-cohort=()

Kann ein Nutzer verhindern, dass Websites die FLoC-Kohorte ihres Browsers abrufen?

Wenn ein Nutzer die Privacy Sandbox in chrome://settings/privacySandbox deaktiviert, stellt der Browser die Kohorte des Nutzers nicht bereit, wenn sie über JavaScript dazu aufgefordert wird. Das von document.interestCohort() zurückgegebene Versprechen wird abgelehnt.

Wie kann ich Vorschläge machen oder Feedback geben?

Wenn Sie Kommentare zur API haben, erstellen Sie ein Problem im FLoC Explainer-Repository.

Weitere Informationen

• Einblicke in die Privacy Sandbox
• Erläuterung zu FLoC
• FLoC-Ursprungstest und Clustering
• Kohortenalgorithmen für die FLoC API evaluieren

---

Foto von Rhys Kentish bei Unsplash.