targeting advertising

栏目介绍：“有趣的经济学”是《蒙格斯报告》公众号推出的国际前沿经济学论文评论类推文。论文一般来自《美国经济评论》（AER）、《计量经济学杂志》（ECA）、《政治经济学杂志》（JPE）、《经济学季刊》（QJE）等国际顶尖学术刊物，我们希望用通俗易懂的介绍和评论使高大上的经济学有趣起来。

导言

2018年3月发表于《管理信息系统季刊》（MIS Quarterly）的论文对此展开了讨论，该论文针对网络时代用户隐私的三方——平台、第三方和用户博弈做出了分析。其作者包括来自康涅狄格大学的Ram D. Gopal、卡尔加里大学哈斯卡耶商学院的HoomanHidaji、Raymond A. Patterson、波莫纳加州理工大学商业管理学院的Erik Rolland和来自佐治亚州立大学的Dmitry Zhdanov。论文题目是《与第三方分享多少钱？用户隐私问题和网站困境》（How Much to Share With Third Parties？ User Privacy Concerns and WebsiteDilemmas）。通过一个双边经济模型，研究者刻画了发布者网站、第三方及网站用户之间的交互过程，解释并分析了网站如何让在用户数量及隐私担忧之间达到平衡。研究表明发布者网站收益随用户隐私担忧强度的增加呈先上升后下降的趋势，而第三方的市场集中度会随着用户隐私担忧的增强而增加，此外平台用户剩余随用户隐私担忧程度的增强呈先下降后上升的趋势。互联网技术的日新月异，为网络隐私的保护带来很多新的课题和挑战。毕竟，商业道德的约束在巨大的利益面前，仍然稍显薄弱。

研究背景

网站上丰富的资源使得网站用户可以获得多样的信息和服务。网站的资源不仅来源于发布者网站自身，同时网站也将其网站的部分素外包第三方，允许第三方在网页上展示内容和服务，所以用户对网站的访问实际上是一个与多个第三方进行交互的过程。网站对于第三方的使用是一种普遍的商业模式。

发布者网站可以有多种利润来源，其中两种主要的流量转化方法为（1）用户订阅（2）以联盟营销（如引导性销售）、客户定位或个性化促销为目的的用户信息销售。因此第三方也可以获得发布者网站上的用户信息。虽然第三方提供的内容和服务为网站用户带来了一定的价值和效用，但这种提供所导致的用户对于信息泄露的隐私担忧也在迅速增长。

研究方法

已有文献多是基于电子商务中用户自愿向企业提供信息情境研究信息隐私问题，还尚未有对这一现象的深入研究。因此，本研究关注当发布者网站同时从第三方和用户获利的情景下，网站对于第三方的使用及对用户信息的分享的决策行为。

在研究中，作者提出了一个双边经济模型来刻画发布者网站、第三方及网站用户之间的交互过程。作者重点关注了用户隐私担忧对于发布者网站的信息分享行为的影响以及对于第三方市场集中度的影响。

建立模型

研究中所提出的模型为包括三个参与者的双边市场模型，三个参与者分别为发布者网站、网站用户和第三方。将发布者网站视为平台，用户通过平台获得效用，第三方通过平台以获取用户信息。模型分析中给定有两个发布者网站、多个第三方、多个用户。模型以双寡头价格制定者的第三方接入价格以及用户订阅价格作为发布者网站的两个决策变量。模型中考虑了用户和第三方的双边网络效应。

其中，用户的效用方程表示为：

模型假设更多的用户会给第三方提供更多可收集的信息；更多的第三方不会给用户带来额外的效用。在双寡头情境下，两个发布者网站为获得用户而竞争。通过Hotelling模型来描述用户从两个网站分别可获得的效用，第三方的商业模型为收益共享模型，假设第三方的固定成本服从均匀分布，可计算每个网站的第三方数量。模型中的跨边网络效应通过用户量和第三方数量来实现，在该模型中，用户对第三方的外部性为正向，而第三方对用户的外部性为负向，即第三方希望平台网站上的用户量越多越好，而用户希望平台网站上的第三方数量越少越好。

图1 模型参数及变量

图2 模型决策变量

1、研究命题一（Proposition 1）

研究者通过最大化双寡头收益计算均衡状态下第三方接入价格及用户订阅价格可得出以下结论：

1）第三方接入价格随用户隐私担忧和第三方的单用户可获收益两个变量增加而增加；

2）用户订阅价格随用户隐私担忧和两个发布者网站的差异化程度两个变量增加而增加，随第三方单用户可获收益、市场中总用户数量、市场中的第三方数量三个变量增加而减少。

2、研究命题二（Proposition 2）

研究者通过同样的计算，得出第三方平台数量的结论：

1）平台上第三方数量随用户隐私担忧和第三方的最大固定成本（第三方的固定成本服务均匀分布）两个变量的增加而减少；

2）平台上第三方数量随第三方单用户可获收益、市场中总用户量、市场中第三方数量三个变量增加而增加。

3、研究命题三（Proposition 3）

研究者通过计算，得出关于用户隐私担忧对利益相关者的影响（平台网站收益、用户剩余user surplus、第三方剩余thirdparty surplus）的结论：

1）发布者网站收益随用户隐私担忧强度的增加呈先上升后下降的趋势。原因是当用户隐私担忧很低时，用户可能并不愿意向平台网站支付订阅费用；当用户隐私担忧很高时，平台对于用户信息的销售会引起用户的强烈抵制，所以平台也无法通过向第三方销售用户信息来获益。

2）平台用户剩余随用户隐私担忧程度的增强呈先下降后上升的趋势。

3）第三方剩余随用户隐私担忧增强而减少，原因是用户隐私担忧程度增强会导致平台减少对于第三方的使用。

4、由市场集中度带来的隐私担忧

更高的市场集中度会导致用户信息集中在少量第三方手中，导致第三方更容易对用户做更加准确的用户画像，增加用户重新识别的可能性，进而带来严重的隐私问题。

研究者采用赫芬达尔指数（Herfindahl-­；Hirschman Index，HHI）来计算市场集中度，HHI指数由如下方式计算可得：

其中，S_i为公司i的市场份额，在本研究中为第三方平台的市场份额。

研究发现，当第三方同质地共享市场时，市场集中度会随着用户隐私担忧的增强而增加。

实证研究

1、数据选择

研究者采用了Alexa Internet（Alexa Internet为亚马逊公司的一家子公司，总部位于加利福尼亚州旧金山，其分析提供各种网站的相关资讯与网页访问量）所提供的17个不同分类的排名作为研究目录。研究者又从这17个分类中挑选了七个分类（新闻、艺术、购物、青少年儿童、健康、商业及成人内容）中访问量最多的前100个网站。这七种分类之所以被挑选出来的原因在于由于这些分类的特点，网络用户最有可能呈现出不同的个人信息及浏览习惯。

研究者选用了浏览时间超过3秒的网页，并通过一个插件——Lightbeamfor Firefox （Windows）来记录这些链接。

为了更好地分析产业结构，研究者对第三方平台进行了特征提取并按照Cookiepedia.co.uk的分类方法做了分类：T/A（targeting/advertising，营销目标/广告）、F（functionality，功能性）和P（performance，表演），以及部分被标记为U（unknown，不明确）。

2、观测结果

研究者发现对于不同类别的网站，用户的分享行为呈现出不同的特点，其统计结果如下图所示（其中左图为第三方平台的分享平均值，右图为第三方平台的分享最大值）：

图3 用户的分享行为统计

可以看到，T/A类第三方网站数量显著高于其他两类，从占比来看，T/A为60％，F为20％，P为15％，还有U 为5％。这一结果支持着上述模型关于越容易引起隐私担忧的第三方，其使用将会越低这一结论。

研究者又进一步对这三类进行了市场份额分析。研究者采用了由compete.com提供的截止至2014年3月的网站月度平均浏览量的整年数据，并采用和上文一致的HHI方法计算，得出如下图所示结果：

图4 HHI统计结果

这一结果也同样支撑着上述模型关于市场集中度会随着用户隐私担忧的增强而增加这一结论。

为了进一步测量隐私担忧的影响，研究者对隐私保护工具做了分析。在这个研究当中，所使用的隐私保护工具为Adblock plus。首先，研究者对被动隐私保护工具——DoNot Track（DNT）做了分析，发现其并没有显著效果；紧接着，研究者做了一组对照试验，即使用Adblock plus与否。实验结果如图所示：

图5 隐私保护工具影响

图6 隐私保护工具参与下的第三方分享数量

研究者又使用P值检验对上述统计结果做了进一步分析，统计情况如下图所示：

图7 隐私保护工具对信息分享的影响

3、小结

从数量上看，T/A显然占据着统治性地位，一个可能的原因是T/A包含的信息或许比起F和P部分不那么敏感，可以自然地得出，隐私担忧在网站分享行为中扮演着重要的角色。另一个可能的原因是T/A部分可能盈利能力比起F和P更强。另外，在T/A部分中，承认内容、健康还有商业信息的分享明显更少，这应该是由于信息的敏感性引起了隐私担忧，减少了分享。

Adblock plus确实很大程度上减少了第三方的T/A部分的分享。而总的来说，DNT并没有起到应有的作用。考虑到在DNT参与的情况下，第三方的最大分享数量反而很大程度增加，我们可以得出结论，在某些特定情境下，DNT可能会起到相反的作用。

研究结论

通过一个双边经济模型，研究者解释了分析了网站如何平衡使用者价格及隐私进而做的决定。在一方面，发布者网站必须保证使用者数量来提高利润，他们必须在给第三方网站分享信息进而获利和由此行为引发的隐私担忧进而减少了使用者数量之间找到一个平衡。研究者采用的这个模型，描述了市场集中度会随着用户隐私担忧的增强而增加。

事实上，随着社会迈入了大数据时代，由大数据技术而出现的商业模式主要有两种：一是精准营销，即互联网广告业；二是商业和社会信用，其主体是金融机构。这两种商业模型都不可避免地导致了一个问题，即隐私。我们一方面痛快地享用着大数据带来的优势与便利，也不愿意拒绝由商家经由大数据分析所提供的高效与贴心；另一方面，我们则痛苦地发现自身似乎变成一个透明人，权利受到了侵犯，隐私没有得到尊重。

互联网技术的日新月异，为网络隐私的保护带来很多新的课题和挑战，需要法律设计不断更新，跟得上时代的潮流，更多更广地覆盖互联网时代。同时还需建立惩戒机制及监督机制，保护个体的切身利益。毕竟，商业道德的约束在巨大的利益面前，仍然稍显薄弱。

本文源自蒙格斯报告

更多精彩资讯，请来金融界网站(www.jrj.com.cn)