ΑΡΧΙΚΗ | ΕΠΙΚΟΙΝΩΝΙΑ - ΣΥΝΔΡΟΜΕΣ | SARAJEVO

#26 - 02/2023

• 01001100110126 – cyborg
• “τεχνητή νοημοσύνη”: μεγάλα γλωσσικά μοντέλα στην εποχή των «πνευματικών» περιφράξεων
• the flesh machine
• η γονιδιακή επεξεργασία CRISPR σε ανθρώπινα έμβρυα προκαλεί χρωμοσωμικό χάος
• μωρά κατά παραγγελία χωρίς την ταλαιπωρία της εγκυμοσύνης! (ναι, σωστά...)
• hipster eugenics: καλύτερα μωρά για δισεκατομμυριούχους
• το Gattaca εξακολουθεί να είναι επίκαιρο 25 χρόνια μετά
• the cells factory (τα κύτταρα εργοστάσιο)
• η παρακολούθηση της καθημερινής ζωής
• "πράσινη ενέργεια" σώσε μας!
• 15 λεπτά: οδηγίες για την δημιουργική καταστροφή των πόλεων
• bytes & genes

η παρακολούθηση της καθημερινής ζωής

Τα τελευταία χρόνια, ένα ευρύ φάσμα εταιρειών έχει αρχίσει να παρακολουθεί τους ανθρώπους σχεδόν σε κάθε πτυχή της ζωής τους. Οι συμπεριφορές, οι κινήσεις, οι κοινωνικές σχέσεις, τα ενδιαφέροντα, οι αδυναμίες και οι περισσότερες ιδιωτικές στιγμές δισ. ανθρώπων καταγράφονται, αξιολογούνται και αναλύονται συνεχώς σε πραγματικό χρόνο. Η εκμετάλλευση των προσωπικών δεδομένων έχει γίνει μια βιομηχανία πολλών δις. Ωστόσο, μόνο η κορυφή του παγόβουνου της σημερινής διάχυτης ψηφιακής παρακολούθησης είναι ορατή· το μεγαλύτερο μέρος της βρίσκεται στο παρασκήνιο και παραμένει αδιαφανές για τους περισσότερους από εμάς.

Η παρούσα έκθεση [1ΣτΜ: Η πλήρης έκθεση δημοσιεύτηκε το 2017, είναι περίπου 100 σελίδες και έχει πάρα πολλές αναφορές σε περαιτέρω βιβλιογραφία, ειδησεογραφία κλπ. Εδώ μεταφράζουμε την περίληψη, την οποία μπορείτε να βρείτε μαζί με ολόκληρη την έκθεση εδώ: https://crackedlabs.org/en/corporate-surveillance] από το Cracked Labs εξετάζει τις πραγματικές πρακτικές και την εσωτερική λειτουργία αυτής της βιομηχανίας προσωπικών δεδομένων. Βασισμένη σε χρόνια έρευνας και σε προηγούμενη έκθεση του 2016 [2Networks of Control (2016): http://crackedlabs.org/en/networksofcontrol], αυτή η έκθεση ρίχνει φως στις κρυφές ροές δεδομένων μεταξύ των εταιρειών. Χαρτογραφεί τη δομή και το εύρος των σημερινών οικοσυστημάτων ψηφιακής παρακολούθησης και δημιουργίας προφίλ και διερευνά σχετικές τεχνολογίες, πλατφόρμες και συσκευές, καθώς και τις βασικές πρόσφατες εξελίξεις.

Το 2007, η Apple παρουσίασε το smartphone, το Facebook έφτασε τα 30 εκ. χρήστες και οι εταιρείες διαδικτυακής διαφήμισης άρχισαν να στέλνουν στοχευμένες διαφημίσεις με βάση τα δεδομένα σχετικά με τις ατομικές προτιμήσεις και τα ενδιαφέροντά τους. Δέκα χρόνια αργότερα, αναδύθηκε ένα τεράστιο τοπίο εταιρειών δεδομένων που αποτελείται όχι μόνο από τους μεγάλους παίκτες όπως το Facebook και η Google αλλά και από χιλιάδες άλλες επιχειρήσεις από διάφορους κλάδους που μοιράζονται και ανταλλάσσουν συνεχώς τα ψηφιακά προφίλ μεταξύ τους. Οι εταιρείες έχουν αρχίσει να συνδυάζουν και να συνδέουν δεδομένα από το διαδίκτυο και τα smartphone με τα “offline” δεδομένα και τις πληροφορίες που συγκεντρώνουν εδώ και δεκαετίες.

Η διάχυτη μηχανική της παρακολούθησης πραγματικού χρόνου που έχει αναπτυχθεί για τη διαδικτυακή διαφήμιση επεκτείνεται με ταχείς ρυθμούς και σε άλλους τομείς, από την τιμολόγηση προϊόντων έως την πολιτική επικοινωνία, τη πιστοληπτική αξιολόγηση και την εκτίμηση ρίσκου. Μεγάλες διαδικτυακές πλατφόρμες, εταιρείες ψηφιακής διαφήμισης, μεσίτες δεδομένων και επιχειρήσεις σε πολλούς τομείς μπορούν πλέον να αναγνωρίζουν, να ταξινομούν, να κατηγοριοποιούν, να αξιολογούν, να βαθμολογούν και να κατατάσσουν τους καταναλωτές από διαφορετικές πλατφόρμες και συσκευές. Κάθε κλικ σε έναν ιστότοπο και κάθε άγγιγμα σε ένα smartphone μπορεί να ενεργοποιήσει μια μεγάλη ποικιλία κρυφών μηχανισμών κοινόχρηστων δεδομένων που μοιράζονται διάφορες εταιρείες και ως εκ τούτου να επηρεάσουν άμεσα τις διαθέσιμες επιλογές ενός ατόμου. Η ψηφιακή παρακολούθηση και η δημιουργία προφίλ (profiling), σε συνδυασμό με την εξατομίκευση, δεν χρησιμοποιούνται μόνο για την παρακολούθηση, αλλά και για να επηρεάσουν τη συμπεριφορά των ανθρώπων.

Επιστημονικές μελέτες δείχνουν ότι πολλές πτυχές της προσωπικότητας μπορούν να συναχθούν από τα δεδομένα αναζητήσεων στο διαδίκτυο, τα ιστορικά περιήγησης, τις συνήθειες στις προβολές βίντεο, τις δραστηριότητες στα μέσα κοινωνικής δικτύωσης ή τις αγορές. Για παράδειγμα, ευαίσθητα προσωπικά χαρακτηριστικά όπως η εθνικότητα, οι θρησκευτικές και πολιτικές απόψεις, η κατάσταση σχέσης, ο σεξουαλικός προσανατολισμός και η χρήση αλκοόλ, τσιγάρων και ναρκωτικών μπορούν να συναχθούν με ακρίβεια από τα likes κάποιου στο Facebook. Η ανάλυση των προφίλ των κοινωνικών δικτύων μπορεί επίσης να προβλέψει χαρακτηριστικά της προσωπικότητας όπως την συναισθηματική σταθερότητα, την ικανοποίηση από τη ζωή, την παρορμητικότητα, την κατάθλιψη κα.

Ομοίως, τα χαρακτηριστικά της προσωπικότητας μπορούν να συναχθούν από πληροφορίες σχετικά με τους ιστότοπους που έχει επισκεφτεί κάποιος, καθώς και από αρχεία τηλεφωνικών κλήσεων και δεδομένα από τη χρήση smartphone εφαρμογών. Το ιστορικό περιήγησης μπορεί να αποκαλύψει πληροφορίες σχετικά με το επάγγελμα και το μορφωτικό επίπεδο κάποιου. Καναδοί ερευνητές έχουν υπολογίσει με επιτυχία ακόμη και συναισθηματικές καταστάσεις όπως η αυτοπεποίθηση, η νευρικότητα, η λύπη και η κούραση, αναλύοντας τα διαφορετικά μοτίβα πληκτρολόγησης.

Τα αποτελέσματα των σημερινών μεθόδων εξόρυξης δεδομένων και ανάλυσης βασίζονται σε στατιστικές συσχετίσεις με περιορισμένα επίπεδα ακρίβειας. Ωστόσο, τέτοιες μέθοδοι χρησιμοποιούνται ήδη για την ταξινόμηση, την κατηγοριοποίηση και την αξιολόγηση των ατόμων όχι μόνο για σκοπούς μάρκετινγκ, αλλά και για τη λήψη αποφάσεων σε εξαιρετικά σημαντικούς τομείς όπως τα οικονομικά, η ασφάλιση και η υγειονομική περίθαλψη.

Εταιρείες όπως η Lenddo, η Kreditech, η Cignifi και η ZestFinance χρησιμοποιούν ήδη δεδομένα από τα μέσα κοινωνικής δικτύωσης, τις αναζητήσεις στο διαδίκτυο και τα κινητά τηλέφωνα για να υπολογίσουν την πιστοληπτική ικανότητα κάποιου χωρίς να χρησιμοποιούν πραγματικά δεδομένα που να σχετίζονται με οικονομικές συναλλαγές. Άλλες εταιρείες αντλούν επίσης πληροφορίες σχετικά με τον τρόπο με τον οποίο κάποιος συμπληρώνει μια ηλεκτρονική φόρμα ή πλοηγείται σε έναν ιστότοπο, τη γραμματική και τα σημεία στίξης των μηνυμάτων κάποιου και την κατάσταση της μπαταρίας στο τηλέφωνο του. Ορισμένες εταιρείες περιλαμβάνουν ακόμη και τα δεδομένα σχετικά με τους φίλους κάποιου σε ένα κοινωνικό δίκτυο για τον υπολογισμό της πιστοληπτικής ικανότητας.

Η Cignifi, η οποία υπολογίζει τα πιστοληπτικά αποτελέσματα από το χρόνο και τη συχνότητα των τηλεφωνικών κλήσεων, θεωρεί τον εαυτό της ως την «απόλυτη πλατφόρμα δημιουργίας εσόδων από δεδομένα, για τους φορείς δικτύων κινητής τηλεφωνίας».  Μεγάλες εταιρείες, συμπεριλαμβανομένης της MasterCard, του παρόχου δικτύου κινητής τηλεφωνίας Telefonica, των εταιρειών αναφοράς πιστώσεων Experian και Equifax, καθώς και του κινεζικού γίγαντα αναζήτησης Baidu, έχουν αρχίσει να συνεργάζονται με τέτοιες νεοφυείς επιχειρήσεις.

Αντίθετα, τα πιστοληπτικά δεδομένα ρέουν επίσης στο διαδικτυακό μάρκετινγκ. Στο Twitter, για παράδειγμα, οι επαγγελματίες του μάρκετινγκ μπορούν να στοχεύσουν τις διαφημίσεις βάσει της προβλεπόμενης πιστοληπτικής ικανότητας των χρηστών του, με βάση τα δεδομένα από τον μεσίτη δεδομένων Oracle. Προχωρώντας ένα βήμα παραπέρα, το Facebook κατοχύρωσε ένα δίπλωμα ευρεσιτεχνίας για αξιολόγηση πιστοληπτικής ικανότητας με βάση τις αξιολογήσεις πιστοληπτικής ικανότητας των φίλων κάποιου σε ένα κοινωνικό δίκτυο. Κανείς δεν ξέρει αν σκοπεύει να κάνει πραγματικότητα αυτή την πλήρη ενοποίηση της κοινωνικής δικτύωσης, του μάρκετινγκ και της αξιολόγησης ρίσκου.

Οι εταιρείες δεδομένων και οι ασφαλιστικές συνεργάζονται σε προγράμματα που χρησιμοποιούν πληροφορίες για την καθημερινή ζωή των καταναλωτών για να προβλέψουν τα ρίσκα σχετικά με την υγεία τους. Για παράδειγμα, η μεγάλη ασφαλιστική εταιρεία Aviva, σε συνεργασία με την εταιρεία συμβούλων Deloitte, έχει κάνει εκτίμηση ρίσκου υγείας, σε σχέση με τον διαβήτη, τον καρκίνο, την υψηλή αρτηριακή πίεση και την κατάθλιψη, για 60.000 αιτούντες ασφάλισης, με βάση τα δεδομένα που αγόρασε από έναν μεσίτη δεδομένων και προορίζονταν για σκοπούς μάρκετινγκ.

Η εταιρεία συμβούλων McKinsey βοήθησε στην πρόβλεψη του νοσοκομειακού κόστους των ασθενών με βάση τα δεδομένα καταναλωτών από έναν «μεγάλο επενδυτή» στην υγειονομική περίθαλψη στις ΗΠΑ. Χρησιμοποιώντας πληροφορίες σχετικά με τα δημογραφικά στοιχεία, τη δομή της οικογένειας, τις αγορές, την ιδιοκτησία αυτοκινήτου και άλλα δεδομένα, η McKinsey δήλωσε ότι «τέτοιες πληροφορίες μπορούν να βοηθήσουν στον εντοπισμό βασικών υποομάδων ασθενών πριν συμβούν επεισόδια υψηλού κόστους».

Η εταιρεία ανάλυσης δεδομένων υγείας GNS Healthcare υπολογίζει επίσης τα εξατομικευμένα ρίσκα για την υγεία των ασθενών από ένα ευρύ φάσμα δεδομένων, όπως το γονιδίωμα, τα ιατρικά αρχεία, τα εργαστηριακά δεδομένα, τις φορητές συσκευές υγείας και την καταναλωτική συμπεριφορά. Η εταιρεία συνεργάζεται με ασφαλιστικές εταιρείες όπως η Aetna και παρέχει βαθμολογίες που προσδιορίζουν «τα άτομα που είναι πιθανό να χρειαστούν επεμβάσεις» και προσφέρει την πρόβλεψη της εξέλιξης των ασθενειών και των αποτελεσμάτων της επέμβασης. Σύμφωνα με μια έκθεση του κλάδου, η εταιρεία «κατατάσσει τους ασθενείς με βάση την απόδοση της επένδυσης» που μπορεί να περιμένει ο ασφαλιστής εάν τους στοχεύει με συγκεκριμένες επεμβάσεις.

Η LexisNexis Risk Solutions, μια μεγάλη εταιρεία δεδομένων και ανάλυσης ρίσκου, παρέχει ένα προϊόν βαθμολόγησης της υγείας που υπολογίζει τα υγειονομικά ρίσκα καθώς και το αναμενόμενο κόστος υγειονομικής περίθαλψης, με βάση τεράστιες ποσότητες δεδομένων για τις καταναλωτικές συνήθειες των ατόμων.

Οι μεσίτες δεδομένων και το εμπόριο των προσωπικών δεδομένων

Οι κυρίαρχες διαδικτυακές πλατφόρμες σήμερα – κυρίως η Google και το Facebook – διαθέτουν εκτενείς πληροφορίες για την καθημερινή ζωή δισ. ανθρώπων σε όλο τον κόσμο. Είναι οι πιο ορατοί, οι πιο διάχυτοι και, εκτός από τους εργολάβους πληροφοριών, τους διαδικτυακούς διαφημιστές και τις υπηρεσίες ανίχνευσης ψηφιακής απάτης, ίσως οι πιο προηγμένοι παίκτες στον κλάδο των προσωπικών δεδομένων και των αναλυτικών στοιχείων. Πολλοί άλλοι όμως λειτουργούν στα παρασκήνια και πέρα από την προσοχή του κοινού.

Στον πυρήνα της, η διαδικτυακή διαφήμιση αποτελείται από ένα οικοσύστημα χιλιάδων εταιρειών που επικεντρώνονται στη διαρκή παρακολούθηση και δημιουργία προφίλ δισ. ανθρώπων. Κάθε φορά που μια διαφήμιση εμφανίζεται σε έναν ιστότοπο ή σε μια εφαρμογή για κινητά, το ψηφιακό προφίλ του χρήστη «πωλείται» στον πλειοδότη σε χιλιοστά του δευτερολέπτου πιο πριν. Σε αντίθεση με αυτές τις νέες πρακτικές, οι εταιρείες αναφοράς πιστώσεων και οι μεσίτες δεδομένων καταναλωτών έχουν ήδη περάσει δεκαετίες στον τομέα των προσωπικών δεδομένων. Τα τελευταία χρόνια, άρχισαν να συνδυάζουν τις εκτενείς πληροφορίες που έχουν για τη ζωή των ανθρώπων «εκτός σύνδεσης» με τις βάσεις δεδομένων χρηστών και πελατών που λειτουργούν από μεγάλες πλατφόρμες, εταιρείες διαδικτυακής διαφήμισης και μυριάδες άλλες επιχειρήσεις σε πολλούς κλάδους.

Το Facebook χρησιμοποιεί τουλάχιστον 52.000 προσωπικά χαρακτηριστικά για να ταξινομήσει και να κατηγοριοποιήσει τους 1,9 δις χρήστες του με βάση, για παράδειγμα, τις πολιτικές τους απόψεις, την εθνικότητα και το εισόδημά τους. Για να γίνει αυτό, η πλατφόρμα αναλύει τις αναρτήσεις, τα likes, τα shares, τους φίλους, τις φωτογραφίες, τις κινήσεις και πολλά άλλα είδη συμπεριφορών τους.

Επιπλέον, το Facebook αποκτά δεδομένα για τους χρήστες του από άλλες εταιρείες. Το 2013, η πλατφόρμα ξεκίνησε τη συνεργασία της με τους τέσσερις μεσίτες δεδομένων Acxiom, Epsilon, Datalogix και BlueKai, εκ των οποίων οι δύο τελευταίοι εξαγοράστηκαν στη συνέχεια από τον γίγαντα πληροφορικής Oracle. Αυτές οι εταιρείες βοηθούν το Facebook  να δημιουργεί το προφίλ των χρηστών του ακόμα καλύτερα από ό,τι κάνει ήδη, παρέχοντάς του δεδομένα που συλλέγονται εκτός της πλατφόρμας του.

Οι μεσίτες δεδομένων διαδραματίζουν βασικό ρόλο στη σημερινή βιομηχανία προσωπικών δεδομένων. Συγκεντρώνουν, συνδυάζουν και ανταλλάσσουν τεράστιες ποσότητες πληροφοριών που συλλέγονται από διάφορες διαδικτυακές και «εκτός σύνδεσης» πηγές σε ολόκληρους πληθυσμούς. Οι μεσίτες δεδομένων συλλέγουν πληροφορίες που είναι διαθέσιμες στο κοινό και αγοράζουν ή αδειοδοτούν δεδομένα καταναλωτών από άλλες εταιρείες. Γενικά, τα δεδομένα τους προέρχονται από πηγές που δεν είναι άμεσα συνδεδεμένες με τα ίδια τα άτομα και συλλέγονται σε μεγάλο βαθμό εν αγνοία των καταναλωτών. Αναλύουν δεδομένα, βγάζουν συμπεράσματα, ταξινομούν τους ανθρώπους σε κατηγορίες και παρέχουν χιλιάδες χαρακτηριστικά σε άτομα στους πελάτες τους.

Τα προφίλ που έχουν οι μεσίτες δεδομένων σε άτομα περιλαμβάνουν όχι μόνο πληροφορίες σχετικά με την εκπαίδευση, το επάγγελμα, τα παιδιά, τη θρησκεία, την εθνικότητα, τις πολιτικές απόψεις, τις δραστηριότητες, τα ενδιαφέροντα και τη χρήση των μέσων ενημέρωσης, αλλά και για τις διαδικτυακές συμπεριφορές κάποιου, όπως οι αναζητήσεις στον ιστό. Επιπλέον, συλλέγουν δεδομένα σχετικά με τις αγορές, τη χρήση πιστωτικών καρτών, το εισόδημα και τα δάνεια, τις τραπεζικές και ασφαλιστικές συμβάσεις, την ιδιοκτησία ακινήτων και οχημάτων και μια ποικιλία άλλων τύπων δεδομένων. Οι μεσίτες δεδομένων υπολογίζουν επίσης βαθμολογίες που προβλέπουν την πιθανή μελλοντική συμπεριφορά ενός ατόμου, σε σχέση, για παράδειγμα, με την οικονομική σταθερότητα κάποιου ή τα σχέδια να αποκτήσει μωρό ή να αλλάξει δουλειά.

Η Acxiom, που ιδρύθηκε το 1969, διαχειρίζεται μία από τις μεγαλύτερες εμπορικές βάσεις δεδομένων στον κόσμο. Η εταιρεία παρέχει έως και 3.000 στοιχεία δεδομένων για 700 εκ. ανθρώπους από χιλιάδες πηγές σε πολλές χώρες, συμπεριλαμβανομένων των ΗΠΑ, του Ηνωμένου Βασιλείου και της Γερμανίας. Αρχικά μια εταιρεία άμεσου μάρκετινγκ, η Acxiom ανέπτυξε την κεντρική της βάση δεδομένων για τους καταναλωτές στα τέλη της δεκαετίας του 1990.

Με το σύστημα Abilitec Link, η εταιρεία τρέχει ένα είδος ιδιωτικού μητρώου πληθυσμού στο οποίο κάθε άτομο, νοικοκυριό και κτίριο λαμβάνει μια μοναδική ταυτότητα. Η εταιρεία ενημερώνει συνεχώς τη βάση δεδομένων της με πληροφορίες για γεννήσεις και θανάτους, γάμους και διαζύγια, αλλαγές ονόματος και διεύθυνσης και κάθε είδους άλλα δεδομένα προφίλ. Αν ερωτηθεί για ένα άτομο, η Acxiom παρέχει, για παράδειγμα, μία από τις 13 θρησκευτικές πεποιθήσεις, συμπεριλαμβανομένων των «Καθολικών», «Εβραίων» και «Μουσουλμάνων» και έναν από τους σχεδόν 200 εθνοτικούς κώδικες.

Η Acxiom πουλάει πρόσβαση στα εκτεταμένα προφίλ καταναλωτών και βοηθά τους πελάτες της να βρίσκουν, να στοχεύουν, να αναγνωρίζουν, να αναλύουν, να ταξινομούν και να βαθμολογούν άτομα. Η εταιρεία διαχειρίζεται επίσης 15.000 βάσεις δεδομένων πελατών με δισ. προφίλ καταναλωτών για τους πελάτες της, συμπεριλαμβανομένων μεγάλων τραπεζών, ασφαλιστικών εταιρειών, οργανισμών υγειονομικής περίθαλψης και κρατικών υπηρεσιών. Εκτός από υπηρεσίες μάρκετινγκ δεδομένων, η Acxiom παρέχει επίσης υπηρεσίες επαλήθευσης ταυτότητας, διαχείρισης κινδύνου και ανίχνευσης απάτης.

Με την εξαγορά της εταιρείας διαδικτυακών δεδομένων LiveRamp το 2014, η Acxiom έχει καταβάλει σημαντικές προσπάθειες για να συνδέσει τα «offline» δεδομένα που συλλέγει για δεκαετίες με τον ψηφιακό κόσμο. Η Acxiom ήταν, για παράδειγμα, μεταξύ των πρώτων μεσιτών δεδομένων που παρείχαν πρόσθετες πληροφορίες στο Facebook, την Google και το Twitter, προκειμένου να βοηθήσουν τις πλατφόρμες να παρακολουθούν ή να κατηγοριοποιούν καλύτερα τους χρήστες με βάση τις αγορές και άλλες συμπεριφορές που οι πλατφόρμες δεν μπορούσαν ακόμη να παρακολουθήσουν.

Το LiveRamp της Acxiom συνδέει και συνδυάζει ψηφιακά προφίλ σε εκατοντάδες εταιρείες δεδομένων και διαφημίσεων. Στον πυρήνα του βρίσκεται το σύστημά IdentityLink, το οποίο βοηθά στην αναγνώριση ατόμων και στη σύνδεση πληροφοριών σχετικά με αυτά σε βάσεις δεδομένων, πλατφόρμες και συσκευές με βάση διευθύνσεις email, αριθμούς τηλεφώνου, αναγνωριστικά smartphone και άλλα αναγνωριστικά. Ενώ η εταιρεία υπόσχεται ότι η σύνδεση και η αντιστοίχιση γίνονται με «ανωνυμοποιημένους» και «απο-ταυτοποιημένους» τρόπους, δηλώνει επίσης ότι είναι σε θέση να «συνδέει δεδομένα εκτός σύνδεσης και ηλεκτρονικά δεδομένα σε ένα μόνο αναγνωριστικό».

Αρκετές εταιρείες εξελίχθηκαν πρόσφατα σε πάροχους δεδομένων μεσω του LiveRamp, μεταξύ άλλων και οι γίγαντες παροχής πιστωτικών αναφορών Equifax, Experian και TransUnion. Επιπλέον, πολλές υπηρεσίες ψηφιακής παρακολούθησης που συλλέγουν δεδομένα από το διαδίκτυο, τις εφαρμογές για κινητά, ακόμη και αισθητήρες που τοποθετούνται σε ολόκληρο τον φυσικό κόσμο παρέχουν στο LiveRamp δεδομένα. Κάποιες εταιρείες χρησιμοποιούν το «κατάστημα δεδομένων» του LiveRamp, το οποίο τους επιτρέπει να «αγοράζουν και να πουλούν πολύτιμα δεδομένα πελατών», ενώ άλλες παρέχουν τα δεδομένα που ήδη έχουν στην Acxiom και το LiveRamp, ώστε να αναγνωριστούν τα άτομα και να συνδεθούν οι καταγεγραμμένες πληροφορίες με τα ψηφιακά προφίλ τους από άλλες πηγές. Ίσως το πιο ανησυχητικό είναι η συνεργασία της Acxiom με την Crossix, μια εταιρεία με εκτενή δεδομένα υγείας για 250 εκ. καταναλωτές στις ΗΠΑ, η οποία περιλαμβάνεται ως ένας από τους παρόχους δεδομένων του LiveRamp.

Με την εξαγορά πολλών εταιρειών δεδομένων όπως η Datalogix, η BlueKai, η AddThis και η CrossWise, η Oracle, ένας από τους μεγαλύτερους προμηθευτές επιχειρηματικού λογισμικού και βάσεων δεδομένων στον κόσμο, έγινε πρόσφατα και ένας από τους μεγαλύτερους διαμεσολαβητές καταναλωτικών δεδομένων. Στις βάσεις δεδομένων της, η Oracle συγκεντρώνει 3 δισ. προφίλ χρηστών από 15 εκ. διαφορετικούς ιστότοπους, δεδομένα από 1 δισ. χρήστες κινητών τηλεφώνων, δισ. αγορές από αλυσίδες σουπερ μάρκετ και 1.500 μεγάλους λιανοπωλητές, καθώς και 700 εκ. μηνύματα από δίκτυα κοινωνικών μέσων, ιστολόγια και κριτικές καταναλωτών ανά ημέρα.

Η Oracle απαριθμεί σχεδόν 100 παρόχους δεδομένων στον κατάλογο δεδομένων της, όπως η Acxiom και οι εταιρείες πιστοληπτικών αναφορών Experian και η TransUnion, καθώς και εταιρείες που παρακολουθούν επισκέψεις σε ιστότοπους, την χρήση εφαρμογών για κινητά, τις μετακινήσεις ή συλλέγουν δεδομένα από διαδικτυακά κουίζ. Η Visa και η MasterCard αναφέρονται επίσης ως πάροχοι δεδομένων. Μαζί με τους συνεργάτες της, η Oracle παρέχει περισσότερες από 30.000 διαφορετικές κατηγορίες δεδομένων που μπορούν να εκχωρηθούν στους καταναλωτές. Αντίθετα, η εταιρεία μοιράζεται δεδομένα με το Facebook και βοηθά το Twitter να υπολογίσει την πιστοληπτική ικανότητα των χρηστών του.

Η υπηρεσία ID Graph της Oracle προσδιορίζει και συνδυάζει τα προφίλ χρηστών από όλες τις εταιρείες. Ενώνει όλες τις αλληλεπιδράσεις μεταξύ των βάσεων δεδομένων, των υπηρεσιών και των συσκευών για να «δημιουργήσει ένα εξατομικευμένο προφίλ καταναλωτή» και «να εντοπίσει πελάτες και υποψήφιους πελάτες παντού». Άλλες εταιρείες μπορούν να στείλουν κλειδιά αντιστοίχισης με βάση τις διευθύνσεις email, τους αριθμούς τηλεφώνου, τις ταχυδρομικές διευθύνσεις και άλλα αναγνωριστικά στην Oracle, η οποία στη συνέχεια θα τα συγχρονίσει με το «δίκτυο των χρηστών και στατιστικών που διασυνδέονται στο Oracle ID Graph». Παρόλο που η εταιρεία υπόσχεται να χρησιμοποιεί μόνο ανώνυμα αναγνωριστικά χρήστη και ανώνυμα προφίλ χρηστών, αυτά εξακολουθούν να αναφέρονται σε συγκεκριμένα άτομα και μπορούν να χρησιμοποιηθούν για την αναγνώριση και την «απομόνωσή» τους μέσα στα διάφορα περιβάλλοντα.

Γενικά, οι πελάτες μπορούν να ανεβάσουν τα δικά τους δεδομένα σχετικά με τους δικούς πελάτες, τους επισκέπτες των websites τους ή τους χρήστες των εφαρμογών τους, στις βάσεις δεδομένων της Oracle, να τα συνδυάσουν με δεδομένα από πολλές άλλες εταιρείες και στη συνέχεια να τα μεταφέρουν και να τα χρησιμοποιήσουν σε εκατοντάδες άλλες πλατφόρμες τεχνολογίας μάρκετινγκ και διαφήμισης σε πραγματικό χρόνο. Μπορούν να το χρησιμοποιήσουν, για παράδειγμα, για να βρουν και να στοχεύσουν άτομα σε συγκεκριμένες συσκευές και πλατφόρμες, να εξατομικεύσουν τις αλληλεπιδράσεις και, τελικά, να μετρήσουν το πώς ανταποκρίνονται οι καταναλωτές αφού έχουν απευθυνθεί και επηρεαστεί σε ατομικό επίπεδο.

Παρακολούθηση των καθημερινών συμπεριφορών σε πραγματικό χρόνο

Οι διαδικτυακές πλατφόρμες, οι πάροχοι τεχνολογίας διαφήμισης, οι μεσίτες δεδομένων και οι επιχειρήσεις σε όλους τους κλάδους μπορούν πλέον να παρακολουθούν, να αναγνωρίζουν και να αναλύουν άτομα σε πολλές καταστάσεις. Μπορούν να μάθουν για το τί ενδιαφέρονται οι άνθρωποι, τί έκαναν σήμερα, τί είναι πιθανό να κάνουν αύριο και πόσο μπορεί να αξίζουν ως πελάτες.

Ένα ευρύ φάσμα εταιρειών συλλέγει πληροφορίες για ανθρώπους εδώ και δεκαετίες. Πριν από το διαδίκτυο, τόσο τα γραφεία πιστοληπτικής αξιολόγησης όσο και τα πρακτορεία μάρκετινγκ αποτελούσαν τα κύρια σημεία ενοποίησης μεταξύ δεδομένων που ρέουν από διαφορετικές πηγές. Ένα πρώτο μεγάλο βήμα στη συστηματική επιτήρηση των καταναλωτών έγινε τη δεκαετία του 1990 μέσω των βάσεων δεδομένων για μάρκετινγκ, προγράμματα επιβράβευσης και αναφορών πιστοληπτικής αξιολόγησης. Μετά την άνοδο του διαδικτύου και της διαδικτυακής διαφήμισης στις αρχές της δεκαετίας του 2000 και την άνοδο των κοινωνικών δικτύων και των smartphone στα τέλη της δεκαετίας του 2000, βλέπουμε τώρα την παραδοσιακή βιομηχανία δεδομένων καταναλωτών να ενσωματώνεται στο νέο οικοσύστημα ψηφιακής παρακολούθησης και δημιουργίας προφίλ.

Οι μεσίτες δεδομένων καταναλωτών και άλλες εταιρείες αποκτούν εδώ και καιρό πληροφορίες για συνδρομητές εφημερίδων και περιοδικών, για μέλη λεσχών βιβλίων και κινηματογράφους, από κατάλογους και ταχυδρομικές παραγγελίες, ταξιδιωτικών πρακτορεία, συμμετέχοντες σε σεμινάρια και συνέδρια και φόρμες εγγυήσεων προϊόντων. Η συλλογή δεδομένων αγορών από τα προγράμματα επιβράβευσης είναι επίσης μια καθιερωμένη πρακτική.

Εκτός από τα δεδομένα που συλλέγονται απευθείας από τα άτομα, συλλέγουν επίσης πληροφορίες σχετικά με τους τύπους των γειτονιών και των κτιρίων στα οποία ζουν οι άνθρωποι για την ταξινόμηση και την κατηγοριοποίηση. Παρομοίως, οι εταιρείες πλέον δημιουργούν τα προφίλ των καταναλωτών με βάση τα μεταδεδομένα σχετικά με τα είδη των ιστοτόπων που επισκέπτονται, τα βίντεο που παρακολουθούν, τις εφαρμογές που χρησιμοποιούν και τις γεωγραφικές τοποθεσίες που επισκέπτονται. Τα τελευταία χρόνια, η κλίμακα και το βάθος των ροών δεδομένων συμπεριφοράς που δημιουργούνται από κάθε είδους καθημερινές δραστηριότητες, όπως το διαδίκτυο, τα μέσα κοινωνικής δικτύωσης και η χρήση ηλεκτρονικών συσκευών, έχουν αυξηθεί ραγδαία.

Ένας σημαντικός λόγος που η εταιρική παρακολούθηση και η δημιουργία προφίλ έχει γίνει τόσο διάχυτη έγκειται στο γεγονός ότι σχεδόν όλοι οι ιστότοποι, οι πάροχοι εφαρμογών για κινητά και πολλοί προμηθευτές ηλεκτρονικών συσκευών μοιράζονται τα δεδομένα συμπεριφοράς με άλλες εταιρείες.

Πριν από μερικά χρόνια οι περισσότεροι ιστότοποι άρχισαν να ενσωματώνουν υπηρεσίες παρακολούθησης που μεταδίδουν τα δεδομένα του χρήστη σε τρίτους φορείς. Ορισμένες από αυτές τις υπηρεσίες παρέχουν κάποια λειτουργικότητα που είναι ορατή στους χρήστες. Όταν ένας ιστότοπος περιλαμβάνει, για παράδειγμα, ένα κουμπί like του Facebook ή ένα ενσωματωμένο βίντεο του YouTube, τα δεδομένα του χρήστη μεταδίδονται αυτόματα στην Facebook ή στην Google. Ωστόσο, πολλές άλλες υπηρεσίες που σχετίζονται με τη διαδικτυακή διαφήμιση παραμένουν κρυφές και εξυπηρετούν σε μεγάλο βαθμό μόνο έναν σκοπό, δηλαδή τη συλλογή δεδομένων των χρηστών. Είναι ευρέως άγνωστο ποια ακριβώς είδη δεδομένων μοιράζονται και πώς οι τρίτοι φορείς χρησιμοποιούν αυτά τα δεδομένα. Τουλάχιστον ένα μέρος αυτών των δραστηριοτήτων παρακολούθησης μπορεί να εξεταστεί από όλους, εγκαθιστώντας την επέκταση Lightbeam, για παράδειγμα, μπορεί κανείς να οπτικοποιήσει τους κρυφούς ιχνηλάτες (trackers) των τρίτων φορέων.

Μια πρόσφατη μελέτη εξέτασε ένα εκ. διαφορετικούς ιστότοπους και βρήκε περισσότερες από 80.000 υπηρεσίες τρίτων φορέων που λαμβάνουν δεδομένα σχετικά με τους επισκέπτες αυτών των ιστότοπων. Περίπου 120 από αυτές τις υπηρεσίες παρακολούθησης βρέθηκαν σε περισσότερους από 10.000 ιστότοπους και έξι εταιρείες παρακολουθούν τους χρήστες σε περισσότερους από 100.000 ιστότοπους, συμπεριλαμβανομένων των Google, Facebook, Twitter και Oracle's BlueKai. Μια μελέτη σε 200.000 χρήστες από τη Γερμανία που επισκέφθηκαν 21 εκ. ιστοσελίδες έδειξε ότι οι ανιχνευτές τρίτων φορέων ήταν παρόντες στο 95% των σελίδων που επισκέφθηκαν. Ομοίως, οι περισσότερες εφαρμογές για κινητά μοιράζονται πληροφορίες για τους χρήστες τους με άλλες εταιρείες. Μια μελέτη του 2015 για δημοφιλείς εφαρμογές στην Αυστραλία, τη Βραζιλία, τη Γερμανία και τις ΗΠΑ διαπίστωσε ότι μεταξύ 85% και 95% των δωρεάν εφαρμογών και ακόμη και το 60% των εφαρμογών επί πληρωμή συνδέονται με τρίτους φορείς που συλλέγουν προσωπικά δεδομένα.

Όσον αφορά τις συσκευές, τα smartphones είναι ίσως οι μεγαλύτεροι συνεισφέροντες στη σημερινή πανταχού παρούσα συλλογή δεδομένων. Οι πληροφορίες που καταγράφονται από τα κινητά τηλέφωνα παρέχουν λεπτομερείς πληροφορίες για την προσωπικότητα και την καθημερινή ζωή ενός χρήστη. Δεδομένου ότι οι καταναλωτές γενικά πρέπει να έχουν λογαριασμό Google, Apple ή Microsoft για να τα χρησιμοποιήσουν, πολλές από τις πληροφορίες είναι ήδη συνδεδεμένες με το αναγνωριστικό μιας κύριας πλατφόρμας.

Η πώληση δεδομένων χρήστη δεν περιορίζεται στους εκδότες των ιστότοπων και των εφαρμογών για κινητά. Η εταιρεία πληροφοριών μάρκετινγκ SimilarWeb, για παράδειγμα, λαμβάνει δεδομένα όχι μόνο από εκατοντάδες χιλιάδες πηγές άμεσων μετρήσεων από ιστότοπους και εφαρμογές, αλλά και από λογισμικό επιτραπέζιου υπολογιστή και επεκτάσεις προγράμματος περιήγησης. Τα τελευταία χρόνια, πολλά άλλα είδη συσκευών με αισθητήρες και συνδέσεις δικτύου έχουν εισέλθει στην καθημερινή ζωή, από ηλεκτρονικούς αναγνώστες και φορητές συσκευές έως έξυπνες τηλεοράσεις, μετρητές, θερμοστάτες, συναγερμοί καπνού, εκτυπωτές, ψυγεία, οδοντόβουρτσες, παιχνίδια και αυτοκίνητα. Όπως και τα smartphone, αυτές οι συσκευές παρέχουν στις εταιρείες άνευ προηγουμένου πρόσβαση στη συμπεριφορά των καταναλωτών σε πολλά πεδία της καθημερινής ζωής.

Το μεγαλύτερο μέρος της σημερινής ψηφιακής διαφήμισης λαμβάνει χώρα με τη μορφή εξαιρετικά αυτοματοποιημένων διαδικασιών σε πραγματικό χρόνο μεταξύ των εκδοτών (ψηφιακού περιεχομένου) και των διαφημιστών. Αυτό αναφέρεται συχνά ως «προγραμματισμένη διαφήμιση». Όταν ένα άτομο επισκέπτεται έναν ιστότοπο, στέλνει δεδομένα σε διάφορες υπηρεσίες τρίτων, οι οποίες στη συνέχεια προσπαθούν να αναγνωρίσουν το άτομο και να ανακτήσουν τις διαθέσιμες πληροφορίες του προφίλ του. Οι διαφημιστές που ενδιαφέρονται να προβάλουν μια διαφήμιση σε αυτό το συγκεκριμένο άτομο λόγω συγκεκριμένων χαρακτηριστικών και συμπεριφορών υποβάλλουν προσφορά. Μέσα σε χιλιοστά του δευτερολέπτου, ο διαφημιστής με την υψηλότερη προσφορά κερδίζει και τοποθετεί τη διαφήμιση. Οι διαφημιστές μπορούν παρομοίως να υποβάλλουν προσφορές για προφίλ χρηστών και τοποθετήσεις διαφημίσεων εντός των εφαρμογών για κινητά.

Ως επί το πλείστον, ωστόσο, αυτή η διαδικασία δεν πραγματοποιείται άμεσα μεταξύ των εκδοτών και των διαφημιστών. Το οικοσύστημα αποτελείται από μια πληθώρα διαφορετικών ειδών παρόχων δεδομένων και τεχνολογίας που αλληλεπιδρούν μεταξύ τους, συμπεριλαμβανομένων των δικτύων διαφημίσεων, ανταλλαγών διαφημίσεων, πλατφορμών από πλευράς πωλήσεων και πλατφορμών από την πλευρά της ζήτησης. Ορισμένες από αυτές ειδικεύονται στην παρακολούθηση και τη διαφήμιση παράλληλα με τα αποτελέσματα αναζήτησης, τις γενικές διαφημίσεις στο διαδίκτυο, τις διαφημίσεις για τα κινητά, τις διαφημίσεις στα βίντεο, τις διαφημίσεις στα κοινωνικά δίκτυα ή τις διαφημίσεις στα παιχνίδια. Άλλοι εστιάζουν στην παροχή δεδομένων, αναλυτικών στοιχείων ή υπηρεσιών εξατομίκευσης.

Για την δημιουργία προφίλ των χρηστών, όλα τα εμπλεκόμενα μέρη έχουν αναπτύξει εξελιγμένες μεθόδους για τη συγκέντρωση, τη συλλογή και τη σύνδεση όλων των πληροφοριών από διαφορετικές εταιρείες, προκειμένου να παρακολουθούν τα άτομα σε όλο το φάσμα της καθημερινής ζωής τους.

Οι περισσότεροι λιανοπωλητές πωλούν περισσότερο ή λιγότερο συγκεντρωτικές μορφές δεδομένων αγοράς σε εταιρείες έρευνας αγοράς και σε μεσίτες δεδομένων καταναλωτών. Η εταιρεία δεδομένων IRI, για παράδειγμα, έχει πρόσβαση σε δεδομένα από περισσότερα από 85.000 καταστήματα παντοπωλείου, μαζικών εμπορευμάτων, φαρμάκων, ψιλικών, ποτών και κατοικίδιων ζώων. Η Nielsen δηλώνει ότι συλλέγει πληροφορίες πωλήσεων από 900.000 καταστήματα παγκοσμίως σε περισσότερες από 100 χώρες. Ο μεγάλος βρετανικός λιανοπωλητής Tesco έχει αναθέσει τις δραστηριότητες για προγράμματα επιβράβευσης σε μια θυγατρική εταιρεία, την Dunnhumby, της οποίας το σλόγκαν είναι «μετατρέποντας τα δεδομένα των πελατών σε απόλαυση των πελατών». Όταν η Dunnhumby εξαγόρασε τη γερμανική εταιρεία τεχνολογίας διαφημίσεων Sociomantic, ανακοίνωσε ότι θα «συνδυάσει τις εκτενείς γνώσεις της για τις προτιμήσεις αγορών 400 εκ. καταναλωτών» με τα «δεδομένα πραγματικού χρόνου από περισσότερους από 700 εκ. διαδικτυακούς καταναλωτές» της Sociomantic για να εξατομικεύσει και να αξιολογήσει τη διαφήμιση.

Οι μεγάλοι όμιλοι μέσων ενημέρωσης είναι επίσης βαθιά ενσωματωμένοι στα σημερινά οικοσυστήματα παρακολούθησης και δημιουργίας προφίλ. Για παράδειγμα, η Time Inc. εξαγόρασε την Adelphic, μια μεγάλη εταιρεία παρακολούθησης και τεχνολογίας διαφημίσεων, καθώς και τη Viant, μια εταιρεία που ισχυρίζεται ότι έχει πρόσβαση σε πάνω από 1,2 δισ. εγγεγραμμένους χρήστες. Ένα εξέχον παράδειγμα εκδότη ψηφιακού περιεχομένου που πουλά τα δεδομένα των χρηστών του είναι η πλατφόρμα Spotify. Από το 2016, μοιράζεται πληροφορίες για τη διάθεση, την συμπεριφορά ακρόασης και των playlist, την δραστηριότητα και την τοποθεσία των χρηστών, με το τμήμα δεδομένων του διαφημιστικού κολοσσού WPP, το οποίο έχει πλέον πρόσβαση σε «μοναδικές προτιμήσεις ακρόασης και συμπεριφορές των 100 εκ. χρηστών του Spotify».

Πολλές μεγάλες εταιρείες τηλεπικοινωνιών και πάροχοι υπηρεσιών διαδικτύου έχουν αποκτήσει εταιρείες τεχνολογίας διαφημίσεων και δεδομένων. Για παράδειγμα, η Millennial Media, θυγατρική της AOL της Verizon, είναι μια πλατφόρμα διαφημίσεων για κινητά που συλλέγει δεδομένα από περισσότερες από 65.000 εφαρμογές κινητών και ισχυρίζεται ότι έχει πρόσβαση σε περίπου 1 δισ. ενεργούς μοναδικούς χρήστες παγκοσμίως. Η εταιρεία τηλεπικοινωνιών Singtel με έδρα τη Σιγκαπούρη απέκτησε την Turn, μια πλατφόρμα τεχνολογίας διαφημίσεων που παρέχει στους εμπόρους πρόσβαση σε 4,3 δισ. αναγνωριστικά συσκευών και προγραμμάτων περιήγησης και 90.000 δημογραφικά, συμπεριφορικά και ψυχογραφικά χαρακτηριστικά.

Όπως οι αεροπορικές εταιρείες, τα ξενοδοχεία, οι έμποροι λιανικής και οι εταιρείες σε πολλούς άλλους κλάδους, ο τομέας των χρηματοοικονομικών υπηρεσιών άρχισε να συγκεντρώνει και να χρησιμοποιεί πρόσθετα δεδομένα πελατών με προγράμματα πιστοληπτικής αξιολόγησης στη δεκαετία του ‘80 και του ‘90. Οι εταιρείες με συναφείς, συμπληρωματικές ομάδες-στόχους μοιράζονται από καιρό ορισμένα δεδομένα πελατών μεταξύ τους, μια διαδικασία που συχνά διαχειρίζονται μεσάζοντες. Σήμερα, ένας από αυτούς τους μεσάζοντες είναι η Cardlytics, μια εταιρεία που εκτελεί προγράμματα επιβράβευσης με 1.500 χρηματοπιστωτικά ιδρύματα όπως η Bank of America και η MasterCard. Η Cardlytics υπόσχεται στα χρηματοπιστωτικά ιδρύματα ότι θα «δημιουργήσει νέες ροές εσόδων χρησιμοποιώντας τη δύναμη των δεδομένων της αγοράς [τους]». Η εταιρεία συνεργάζεται επίσης με τη LiveRamp, τη θυγατρική της Acxiom που συνδυάζει online και offline δεδομένα καταναλωτών.

Για τη MasterCard, η πώληση προϊόντων και υπηρεσιών που δημιουργούνται από αναλύσεις δεδομένων μπορεί ακόμη και να γίνει η βασική της δραστηριότητα, δεδομένου ότι τα προϊόντα πληροφοριών, συμπεριλαμβανομένων των πωλήσεων δεδομένων αντιπροσωπεύουν ήδη ένα σημαντικό και αυξανόμενο μερίδιο των εσόδων της. Η Google δήλωσε πρόσφατα ότι καταγράφει περίπου το 70% των συναλλαγών με πιστωτικές και χρεωστικές κάρτες στις Ηνωμένες Πολιτείες μέσω «συνεργασιών με τρίτους φορείς» προκειμένου να παρακολουθεί τις αγορές, αλλά δεν αποκάλυψε τις πηγές της.

Σύνδεση, αντιστοίχιση και συνδυασμός των ψηφιακών προφίλ

Μέχρι πρόσφατα, οι διαφημιστές που χρησιμοποιούσαν το Facebook, το Google ή άλλα διαδικτυακά δίκτυα διαφημίσεων μπορούσαν να στοχεύσουν άτομα με βάση μόνο τη συμπεριφορά τους στο διαδίκτυο. Ωστόσο, πριν από μερικά χρόνια, οι εταιρείες δεδομένων άρχισαν να παρέχουν τρόπους συνδυασμού και σύνδεσης των ψηφιακών προφίλ ανάμεσα στις διάφορες πλατφόρμες, τις βάσεις δεδομένων πελατών και τον κόσμο της διαδικτυακής διαφήμισης.

Το 2012, η Facebook άρχισε να επιτρέπει στις εταιρείες να ανεβάζουν τις δικές τους λίστες με διευθύνσεις email και αριθμούς τηλεφώνου στην πλατφόρμα. Αν και αυτές οι διευθύνσεις και οι αριθμοί μετατρέπονται σε «ψευδώνυμους κωδικούς», η Facebook μπορεί να συνδέσει απευθείας αυτά τα δεδομένα πελατών από άλλες εταιρείες με τους λογαριασμούς των χρηστών της. Με αυτόν τον τρόπο, οι εταιρείες μπορούν, για παράδειγμα, να βρουν και να στοχεύσουν ακριβώς εκείνα τα άτομα στο Facebook στα οποία έχουν διευθύνσεις email ή αριθμούς τηλεφώνου. Θα μπορούσαν επίσης να τους αποκλείσουν επιλεκτικά από τη στόχευση ή να αφήσουν την πλατφόρμα να βρει άτομα με παρόμοια χαρακτηριστικά, ενδιαφέροντα και συμπεριφορές.

Αυτό είναι ένα δυνατό «χαρτί», ίσως πιο δυνατό από ό,τι φαίνεται με την πρώτη ματιά. Επιτρέπει στις εταιρείες να συνδέουν συστηματικά τα δικά τους δεδομένα πελατών με τα δεδομένα της Facebook. Επιπλέον, επιτρέπει επίσης σε άλλους προμηθευτές διαφημίσεων και δεδομένων να συγχρονίζονται με τις βάσεις δεδομένων της πλατφόρμας και να αξιοποιούν τις δυνατότητές της, παρέχοντας ουσιαστικά ένα είδος διαχείρισης σε πραγματικό χρόνο του σύμπαντος δεδομένων της Facebook. Οι εταιρείες μπορούν πλέον να καταγράφουν πολύ συγκεκριμένα δεδομένα συμπεριφοράς, όπως ένα κλικ σε έναν ιστότοπο, μια δραστηριότητα σε μια εφαρμογή ή μια αγορά σε ένα κατάστημα, σε πραγματικό χρόνο, και να λένε στην Facebook να βρει και να στοχεύσει αμέσως τα άτομα που πραγματοποίησαν αυτές τις δραστηριότητες. Η Google και το Twitter παρουσίασαν παρόμοιες λειτουργίες το 2015.

Σήμερα, οι περισσότερες εταιρείες τεχνολογίας διαφήμισης μοιράζονται συνεχώς διάφορες μορφές κωδικών που αναφέρονται σε άτομα. Οι πλατφόρμες διαχείρισης δεδομένων επιτρέπουν σε επιχειρήσεις σε όλους τους κλάδους να συνδυάζουν και να συνδέουν τα δικά τους δεδομένα για τους καταναλωτές, συμπεριλαμβανομένων των πληροφοριών σε πραγματικό χρόνο για αγορές, επισκέψεις σε ιστότοπους, χρήση εφαρμογών και απαντήσεις μέσω email, με τα ψηφιακά προφίλ που παρέχονται από μυριάδες τρίτους παρόχους δεδομένων. Τα συνδυασμένα δεδομένα μπορούν στη συνέχεια να αναλυθούν, να ταξινομηθούν και να κατηγοριοποιηθούν και να χρησιμοποιηθούν για να απευθυνθούν σε συγκεκριμένα άτομα με συγκεκριμένα μηνύματα σε συγκεκριμένα κανάλια ή συσκευές. Μια εταιρεία θα μπορούσε, για παράδειγμα, να στοχεύσει μια ομάδα υπαρχόντων πελατών που επισκέφτηκαν μια συγκεκριμένη σελίδα στον ιστότοπό της και προβλέπεται ότι θα γίνουν πολύτιμοι πελάτες, με εξατομικευμένο περιεχόμενο ή έκπτωση - είτε στο Facebook, σε μια εφαρμογή για κινητά ή στην δική της εταιρική ιστοσελίδα.

Η εμφάνιση των πλατφορμών διαχείρισης δεδομένων σηματοδοτεί μια καθοριστική στιγμή στην ανάπτυξη της διάχυτης εμπορικής παρακολούθησης της συμπεριφοράς. Με τη βοήθειά τους, οι επιχειρήσεις σε όλους τους κλάδους σε όλο τον κόσμο είναι σε θέση να συνδυάζουν και να συνδέουν απρόσκοπτα τα δεδομένα που έχουν συλλέξει για τους πελάτες τους και τις προοπτικές τους εδώ και χρόνια με δισ. προφίλ που συλλέγονται στον κόσμο της ψηφιακής παρακολούθησης. Οι εταιρείες που προσφέρουν τέτοιες πλατφόρμες περιλαμβάνουν τις Oracle, Adobe, Salesforce (Krux), Wunderman (KBM Group/Zipline), Neustar, Lotame και Cxense.

Για να παρακολουθούν τους ανθρώπους στις διάφορες καταστάσεις της ζωής τους, να συνδυάζουν τα προφίλ τους και να τους αναγνωρίζουν πάντα ως τα ίδια άτομα ξανά, οι εταιρείες συλλέγουν ένα ευρύ φάσμα χαρακτηριστικών που τους προσδιορίζουν με κάποιο τρόπο.

Λόγω της ασάφειάς του, το νομικό όνομα ενός ατόμου ήταν πάντα ένα κακό αναγνωριστικό για τη συλλογή δεδομένων. Η ταχυδρομική διεύθυνση, αντίθετα, ήταν από καιρό, και εξακολουθεί να είναι, ένα βασικό χαρακτηριστικό που επιτρέπει τον συνδυασμό και τη σύνδεση των δεδομένων σχετικά με τους καταναλωτές και τις οικογένειές τους από διαφορετικές πηγές. Στον ψηφιακό κόσμο, τα πιο σχετικά αναγνωριστικά που χρησιμοποιούνται για τη σύνδεση προφίλ και δεδομένων συμπεριφοράς σε διαφορετικές βάσεις δεδομένων, πλατφόρμες και συσκευές είναι οι διευθύνσεις email, οι αριθμοί τηλεφώνου και οι μοναδικοί κωδικοί που αναφέρονται σε smartphone ή άλλες συσκευές.

Τα αναγνωριστικά λογαριασμών στις μεγάλες πλατφόρμες όπως η Google, η Facebook, η Apple και η Microsoft παίζουν επίσης σημαντικό ρόλο στην παρακολούθηση ατόμων στο διαδίκτυο. Η Google, η Apple, η Microsoft και η Roku εκχωρούν «αναγνωριστικά διαφήμισης» σε άτομα, τα οποία χρησιμοποιούνται πλέον ευρέως για την αντιστοίχιση και τη σύνδεση δεδομένων από συσκευές όπως τα smartphone με άλλες πληροφορίες από όλο τον ψηφιακό κόσμο. Η Verizon χρησιμοποιεί το δικό της αναγνωριστικό για να παρακολουθεί τους χρήστες σε ιστότοπους και συσκευές. Ορισμένες μεγάλες εταιρείες δεδομένων όπως η Acxiom, η Experian και η Oracle έχουν εισαγάγει παγκοσμίως μοναδικά αναγνωριστικά στα άτομα, τα οποία χρησιμοποιούν για να συνδέσουν τις βάσεις δεδομένων που ανανεώνουν για δεκαετίες  με τις άλλες πληροφορίες από διαφορετικές πηγές στον ψηφιακό κόσμο. Αυτά τα εταιρικά αναγνωριστικά (ID) αποτελούνται κυρίως από δύο ή περισσότερα αναγνωριστικά που αναφέρονται σε διαφορετικές πτυχές της διαδικτυακής και «εκτός σύνδεσης» ζωής κάποιου και μπορούν να συνδυαστούν μεταξύ τους με διάφορους τρόπους.

Οι εταιρείες παρακολούθησης χρησιμοποιούν επίσης και κάποια σχετικά προσωρινά αναγνωριστικά, όπως τα αναγνωριστικά cookies που συνδέονται με χρήστες που περιηγούνται στον ιστό. Δεδομένου ότι οι χρήστες ενδέχεται να μπλοκάρουν ή να διαγράψουν τα cookies στο πρόγραμμα περιήγησής τους, έχουν αναπτύξει εξελιγμένες μεθόδους για τον υπολογισμό ξεχωριστών ψηφιακών «δακτυλικών αποτυπωμάτων» με βάση διάφορα τεχνικά χαρακτηριστικά του προγράμματος περιήγησης και του υπολογιστή κάποιου χρήστη. Ομοίως, οι εταιρείες συγκεντρώνουν «δακτυλικά αποτυπώματα» για συσκευές όπως τα smartphone. Τα αναγνωριστικά cookie και τα ψηφιακά «δακτυλικά αποτυπώματα» συγχρονίζονται συνεχώς μεταξύ των διαφορετικών υπηρεσιών παρακολούθησης και στη συνέχεια συνδέονται με άλλα, πιο μόνιμα αναγνωριστικά.

Άλλες εταιρείες παρέχουν υπηρεσίες παρακολούθησης των διαφορετικών συσκευών, με την χρήση μηχανικής εκμάθησης (machine learning) για την ανάλυση μεγάλων ποσοτήτων δεδομένων. Για παράδειγμα, το Tapad, το οποίο εξαγοράστηκε από τον νορβηγικό γίγαντα τηλεπικοινωνιών Telenor, αναλύει δεδομένα για 2 δισ. συσκευές σε όλο τον κόσμο και χρησιμοποιεί μοτίβα συμπεριφοράς και σχέσης για να βρει τη στατιστική πιθανότητα ότι ορισμένοι υπολογιστές, tablet, τηλέφωνα και άλλες συσκευές ανήκουν στο ίδιο άτομο.

Οι εταιρείες δεδομένων συχνά αφαιρούν τα ονόματα από τα εκτεταμένα προφίλ τους και χρησιμοποιούν μεθόδους κωδικοποίησης για να μετατρέψουν τις διευθύνσεις email και τους αριθμούς τηλεφώνου σε αλφαριθμητικούς κωδικούς όπως πχ. «e907c95ef289». Αυτό τους επιτρέπει να ισχυρίζονται στους ιστότοπούς τους και στις πολιτικές απορρήτου τους ότι συλλέγουν, μοιράζονται και χρησιμοποιούν μόνο «ανώνυμα» ή «απο-ταυτοποιημένα» δεδομένα καταναλωτών.

Ωστόσο, επειδή οι περισσότερες εταιρείες χρησιμοποιούν τις ίδιες ντετερμινιστικές διαδικασίες για τον υπολογισμό αυτών των μοναδικών κωδικών, θα πρέπει να θεωρούνται ψευδώνυμα τα οποία είναι, στην πραγματικότητα, πολύ πιο κατάλληλα για την αναγνώριση των χρηστών σε όλο τον ψηφιακό κόσμο, απ’ ότι τα πραγματικά ονόματα. Ακόμα κι αν τα προφίλ που μοιράζονται μεταξύ τους οι εταιρείες περιέχουν μόνο «κωδικοποιημένες» ή «κρυπτογραφημένες» διευθύνσεις email και αριθμούς τηλεφώνου, ένα άτομο μπορεί να αναγνωριστεί ξανά μόλις χρησιμοποιήσει μια άλλη υπηρεσία που συνδέεται με την ίδια διεύθυνση email ή τηλεφωνικό νούμερο. Με αυτόν τον τρόπο, παρόλο που καθεμία από τις εμπλεκόμενες υπηρεσίες παρακολούθησης μπορεί να γνωρίζει μόνο ένα μέρος των πληροφοριών προφίλ κάποιου, οι εταιρείες μπορούν να παρ-ακολουθούν και να αλληλεπιδρούν με τα άτομα σε εξατομικευμένο επίπεδο στις διάφορες υπηρεσίες, πλατφόρμες και συσκευές.

Διαχείριση των καταναλωτών και των συμπεριφορών: εξατομίκευση και πειράματα

Με βάση τις εξελιγμένες μεθόδους σύνδεσης και συνδυασμού των δεδομένων μεταξύ των διαφορετικών υπηρεσιών, οι επιχειρήσεις σε όλους τους κλάδους μπορούν να χρησιμοποιήσουν τις σημερινές πανταχού παρούσες ροές δεδομένων συμπεριφοράς για να παρακολουθούν και να αναλύουν ένα ευρύ φάσμα δραστηριοτήτων και συμπεριφορών των καταναλωτών που μπορεί να σχετίζονται με τα επιχειρηματικά τους συμφέροντα.

Με τη βοήθεια των προμηθευτών δεδομένων, οι εταιρείες προσπαθούν να εντοπίσουν όσο το δυνατόν περισσότερα σημεία επαφής σε ολόκληρη τη διαδρομή των πελατών, από τα ψηφιακά έως τις αγορές εντός καταστημάτων, την αλληλογραφία, τις τηλεοπτικές διαφημίσεις και τις κλήσεις από τηλεφωνικά κέντρα. Προσπαθούν να καταγράψουν και να μετρήσουν κάθε αλληλεπίδραση με έναν καταναλωτή, συμπεριλαμβανομένων των ιστοτόπων, των πλατφορμών και των συσκευών που δεν ελέγχουν οι ίδιοι. Μπορούν να συλλέγουν απρόσκοπτα πλούσια δεδομένα για τους πελάτες τους και για άλλους σε πραγματικό χρόνο, να τα βελτιώνουν με πληροφορίες από τρίτους φορείς και να χρησιμοποιούν τα εμπλουτισμένα προφίλ στο οικοσύστημα του μάρκετινγκ και της τεχνολογίας διαφημίσεων. Οι σημερινές πλατφόρμες διαχείρισης δεδομένων επιτρέπουν τον ορισμό πολύπλοκων κανόνων που υπαγορεύουν τον τρόπο της αυτόματης αντίδρασης σε ορισμένα κριτήρια, όπως συγκεκριμένες δραστηριότητες, συγκεκριμένα άτομα ή κάποιον συνδυασμό τους.

Κατά συνέπεια, τα άτομα δεν γνωρίζουν ποτέ εάν η συμπεριφορά τους προκάλεσε την αντίδραση από κάποιο από αυτά τα συνεχώς ενημερωμένα, διασυνδεδεμένα, αδιαφανή δίκτυα παρακολούθησης και δημιουργίας προφίλ και, αν ναι, πώς αυτό επηρεάζει τις επιλογές που έχουν στα κανάλια επικοινωνίας και στις καθημερινές καταστάσεις που βρίσκονται.

Οι ροές δεδομένων που μοιράζονται μεταξύ των διαδικτυακών διαφημιστών, των μεσιτών δεδομένων και άλλων εταιρειών δεν χρησιμοποιούνται μόνο για την προβολή στοχευμένων διαφημίσεων σε ιστότοπους ή εντός των εφαρμογών για κινητά. Χρησιμοποιούνται όλο και περισσότερο για τη δυναμική εξατομίκευση των διαθέσιμων περιεχομένων και επιλογών που προσφέρονται στους καταναλωτές. Η εταιρεία τεχνολογίας δεδομένων Optimizely, για παράδειγμα, προσφέρει εξατομίκευση του περιεχομένου ενός ιστότοπου, για όσους τον επισκέπτονται πρώτη φορά, με βάση τα ψηφιακά προφίλ αυτών των επισκεπτών που παρέχονται από την Oracle.

Τα ηλεκτρονικά καταστήματα ενδέχεται, για παράδειγμα, να εξατομικεύουν τον τρόπο με τον οποίο αντιμετωπίζεται κάποιος, ποιά προϊόντα εμφανίζονται ευδιάκριτα, ποιες εκπτώσεις προσφέρονται, ακόμη και οι τιμές των προϊόντων ή των υπηρεσιών μπορεί να διαφέρουν ανάλογα με το ποιος επισκέπτεται έναν ιστότοπο. Οι διαδικτυακές υπηρεσίες εντοπισμού απάτης αξιολογούν τους χρήστες σε πραγματικό χρόνο και αποφασίζουν σε ποιες μεθόδους πληρωμής και αποστολής μπορεί κάποιος να έχει πρόσβαση.

Οι εταιρείες έχουν αναπτύξει τεχνολογίες για να υπολογίζουν και να αξιολογούν συνεχώς την πιθανή μακροπρόθεσμη αξία κάποιου, με βάση πληροφορίες σχετικά με το ιστορικό περιήγησης, αναζήτησης και τοποθεσίας ενός ατόμου, καθώς και τη χρήση εφαρμογών, τις αγορές προϊόντων ή τους φίλους σε ένα κοινωνικό δίκτυο. Κάθε κλικ, άγγιγμα σε οθόνη αφής, «like», ανάρτηση ή αγορά μπορεί να επηρεάσει αυτόματα τον τρόπο με τον οποίο αντιμετωπίζεται κάποιος ως πελάτης, πόσο καιρό κάποιος πρέπει να περιμένει όταν καλεί μια τηλεφωνική γραμμή επικοινωνίας ή εάν κάποιος αποκλείεται από τις προσπάθειες ή τις υπηρεσίες μάρκετινγκ.

Τρεις τύποι τεχνολογικών πλατφορμών παίζουν σημαντικό ρόλο για αυτό το είδος άμεσης εξατομίκευσης. Πρώτον, οι εταιρείες χρησιμοποιούν προηγμένα συστήματα «διαχείρισης των σχέσεων πελατών» για τη διαχείριση των δεδομένων τους σχετικά με τους πελάτες και τους υποψήφιους πελάτες. Δεύτερον, χρησιμοποιούν «πλατφόρμες διαχείρισης δεδομένων» για να συνδέσουν τα δικά τους δεδομένα με το ψηφιακό διαφημιστικό οικοσύστημα και να αποκτήσουν πρόσθετες πληροφορίες προφίλ για τους πελάτες τους. Τρίτον, μπορούν να χρησιμοποιήσουν «πλατφόρμες πρόβλεψης μάρκετινγκ», οι οποίες τους βοηθούν να συντάξουν το σωστό μήνυμα στο σωστό άτομο τη σωστή στιγμή, υπολογίζοντας πώς να πείσουν κάποιον, εκμεταλλευόμενοι τις προσωπικές προκαταλήψεις και αδυναμίες.

Η εταιρεία δεδομένων RocketFuel, για παράδειγμα, υπόσχεται στους πελάτες της «να συγκεντρώσει τρισ. ψηφιακά και “offline” σήματα για να δημιουργήσει ατομικά προφίλ και να προσφέρει εξατομικευμένες, συνεχώς ενεργές, συνεχώς σχετικές εμπειρίες στον καταναλωτή», με βάση 2,7 δισ. μοναδικά προφίλ που βρίσκονται στο data center της. Η RocketFuel αναφέρει ότι «βαθμολογεί κάθε εντύπωση, στην προσπάθειά της να επηρεάζει τον καταναλωτή».

Η πλατφόρμα πρόβλεψης μάρκετινγκ TellApart, η οποία ανήκει στο Twitter, δημιουργεί μια βαθμολογία πελάτη για κάθε συνδυασμό αγοραστή και προϊόντος, μια «σύνταξη πιθανοτήτων αγοράς, προβλεπόμενου μεγέθους παραγγελίας και γενικότερης αξίας», με βάση «εκατοντάδες online και εντός καταστήματος σήματα για έναν συγκεκριμένο ανώνυμο πελάτη». Στη συνέχεια, το TellApart βοηθά στην αυτόματη συγκέντρωση περιεχομένου όπως «εικόνες προϊόντων, λογότυπα, προσφορές και άλλα μεταδεδομένα» για τις εξατομικευμένες διαφημίσεις, τα email, τους ιστότοπους και τις προσφορές.

Παρόμοιες μέθοδοι μπορούν να χρησιμοποιηθούν για την εξατομίκευση των τιμών στα ηλεκτρονικά καταστήματα, για παράδειγμα, προβλέποντας πόσο πολύτιμος μπορεί να είναι κάποιος ως πελάτης μακροπρόθεσμα ή πόσα είναι πιθανώς διατεθειμένος να πληρώσει εκείνη την στιγμή. Ισχυρά στοιχεία δείχνουν ότι τα ηλεκτρονικά καταστήματα εμφανίζουν ήδη προϊόντα σε διαφορετικές τιμές σε διαφορετικούς καταναλωτές ή ακόμη και διαφορετικές τιμές για τα ίδια προϊόντα, με βάση τα ατομικά χαρακτηριστικά και τις συμπεριφορές τους. Ένα παρόμοιο πεδίο είναι η χρήση της εξατομίκευσης κατά τη διάρκεια των προεκλογικών εκστρατειών. Η στόχευση ψηφοφόρων με εξατομικευμένα μηνύματα που είναι προσαρμοσμένα στην προσωπικότητά τους και στις πολιτικές τους απόψεις για ορισμένα ζητήματα έχει ήδη εγείρει μαζικές συζητήσεις σχετικά με το ενδεχόμενο πολιτικής χειραγώγησης.

Η εξατομίκευση που βασίζεται σε πλούσιες πληροφορίες προφίλ και στη διάχυτη παρακολούθηση σε πραγματικό χρόνο έχει γίνει ένα ισχυρό εργαλείο για την επιρροή της συμπεριφοράς των καταναλωτών, όπως την επίσκεψη σε έναν ιστότοπο, το κλικ σε μια διαφήμιση, την εγγραφή σε μια υπηρεσία ή σε ένα ενημερωτικό δελτίο, την λήψη μιας εφαρμογής ή την αγορά ενός προϊόν.

Για να βελτιωθεί περαιτέρω αυτό, οι εταιρείες έχουν αρχίσει να πειραματίζονται συνεχώς με τους ανθρώπους. Διεξάγουν δοκιμές με διαφορετικές παραλλαγές λειτουργιών, σχέδια ιστότοπων, στοιχεία διεπαφής, τίτλους, κείμενα κουμπιών, εικόνες ή ακόμα και διαφορετικές εκπτώσεις και τιμές και, στη συνέχεια, παρακολουθούν προσεκτικά και μετρούν πώς αλληλεπιδρούν διαφορετικές ομάδες χρηστών με αυτές τις παραλλαγές. Με αυτόν τον τρόπο, οι εταιρείες βελτιστοποιούν συστηματικά την ικανότητά τους να παροτρύνουν τους ανθρώπους να ενεργήσουν όπως θέλουν να ενεργήσουν.

Οι ειδησεογραφικοί οργανισμοί, συμπεριλαμβανομένων των μεγάλων οργανισμών όπως η Washington Post, χρησιμοποιούν διαφορετικές εκδόσεις των τίτλων των άρθρων, για να ελέγξουν ποια παραλλαγή έχει καλύτερη απόδοση. Η Optimizely, ένας από τους σημαντικότερους παρόχους τεχνολογίας για τέτοιες δοκιμές, προσφέρει στους πελάτες της τη δυνατότητα «να πειραματιστούν ευρέως σε ολόκληρη την εμπειρία του πελάτη, σε οποιοδήποτε κανάλι, σε οποιαδήποτε συσκευή και σε οποιαδήποτε εφαρμογή». Ο πειραματισμός σε χρήστες που δεν το γνωρίζουν έχει γίνει η νέα κανονικότητα.

Το Facebook δήλωσε το 2014 ότι εκτελεί «πάνω από χίλια πειράματα κάθε μέρα» προκειμένου να «βελτιστοποιήσει συγκεκριμένα αποτελέσματα» ή «να ενημερωθεί για μακροπρόθεσμες αποφάσεις σχεδιασμού». Το 2010 και το 2012, η πλατφόρμα πραγματοποίησε πειράματα σε εκ. χρήστες και έβγαλε το συμπέρασμα ότι η διαμόρφωση της διεπαφής, των λειτουργιών και του εμφανιζόμενου περιεχομένου μπορεί να αυξήσει σημαντικά τη συμμετοχή των ψηφοφόρων για κάποιες ομάδες ανθρώπων. Το περιβόητο «πείραμα διάθεσης» 3 της πλατφόρμας σε σχεδόν 700.000 χρήστες περιλάμβανε κρυφή χειραγώγηση του όγκου των συναισθηματικά θετικών και αρνητικών αναρτήσεων στις ειδήσεις των χρηστών, οι οποίες κατέληξαν να επηρεάσουν το πόσα θετικά και αρνητικά μηνύματα δημοσίευσαν οι ίδιοι οι χρήστες στην συνέχεια.

Μετά από μαζική δημόσια κριτική για τα πειράματα του Facebook, η διαδικτυακή πλατφόρμα γνωριμιών OkCupid δημοσίευσε μια προκλητική ανάρτηση υπερασπιζόμενη τέτοιες πρακτικές, δηλώνοντας ότι «πειραματιζόμαστε με ανθρώπους» και «το ίδιο κάνουν όλοι οι άλλοι». Η OkCupid αναφέρθηκε σε ένα πείραμα στο οποίο είχε χειραγωγήσει τα ποσοστά που εμφανίζονταν σε διάφορα ζεύγη χρηστών, για το πόσο αυτοι «ταίριαζαν». Όταν παρουσίαζαν ένα ποσοστό 90% σε ζεύγη που δεν «ταίριαζαν» στην πραγματικότητα, αυτοί οι χρήστες αντάλλαζαν πολύ περισσότερα μηνύματα μεταξύ τους. Η OkCupid ισχυρίστηκε ότι όταν «λένε στους ανθρώπους» ότι ταιριάζουν «πολύ», «φέρονται σαν όντως να ταιριάζουν».
Όλα αυτά τα εξαιρετικά αμφισβητήσιμης ηθικής πειράματα καταδεικνύουν ξεκάθαρα την δύναμη της εξατομίκευσης μέσω data να επηρεάζει τη συμπεριφορά.

Dragnet – καθημερινή ζωή, δεδομένα μάρκετινγκ και ανάλυση κινδύνου

Τα data σχετικά με τις συμπεριφορές των ανθρώπων, τις κοινωνικές τους σχέσεις και τις πιο ιδιωτικές τους στιγμές εφαρμόζονται όλο και περισσότερο σε περιβάλλοντα ή για σκοπούς εντελώς διαφορετικούς από αυτούς για τους οποίους καταγράφηκαν. Συγκεκριμένα, χρησιμοποιούνται όλο και περισσότερο για τη λήψη αυτοματοποιημένων αποφάσεων σχετικά με τα άτομα σε κρίσιμους τομείς της ζωής τους, όπως τα οικονομικά, η ασφάλιση και η υγειονομική περίθαλψη.

Οι εταιρείες παροχής πιστοληπτικής αξιολόγησης και άλλοι βασικοί παράγοντες στην αξιολόγηση ρίσκου σε τομείς όπως η επαλήθευση ταυτότητας, η πρόληψη της απάτης, η υγειονομική περίθαλψη και η ανάλυση ασφάλισης παρέχουν κυρίως λύσεις μάρκετινγκ. Επιπλέον, οι περισσότεροι μεσίτες δεδομένων εμπορεύονται πολλά είδη ευαίσθητων πληροφοριών - π.χ. σχετικά με την οικονομική κατάσταση ενός ατόμου - για σκοπούς μάρκετινγκ. Η χρήση των πιστοληπιτκών βαθμολογιών για σκοπούς μάρκετινγκ, είτε για την συμπερίληψη είτε για τον αποκλεισμό ευάλωτων ομάδων πληθυσμού, έχει εξελιχθεί σε προϊόν που ενοποιεί το μάρκετινγκ και τη διαχείριση ρίσκου.

Η εταιρεία παροχής πιστοληπτικών αναφορών TransUnion παρέχει, για παράδειγμα, μια υπηρεσία για την λήψη αποφάσεων βασισμένες στα data, σε εταιρείες λιανικής και χρηματοοικονομικές υπηρεσίες που επιτρέπει στους πελάτες να «εφαρμόζουν στρατηγικές μάρκετινγκ και διαχείρισης ρίσκου, προσαρμοσμένες στους πελάτες, τα κανάλια και τους επιχειρηματικούς στόχους», συμπεριλαμβανομένων των δεδομένων πίστωσης και τις πολλά υποσχόμενες «μοναδικές πληροφορίες για την συμπεριφορά, τις προτιμήσεις και το ενδεχόμενο ρίσκο των καταναλωτών». Οι εταιρείες μπορούν να επιτρέπουν στους καταναλωτές να «επιλέγουν από μια σειρά προσφορών που είναι προσαρμοσμένες στις ανάγκες, τις προτιμήσεις και το προφίλ ρίσκου τους» και «να αξιολογούν έναν πελάτη για πολλά προϊόντα σε όλα τα κανάλια και στη συνέχεια να παρουσιάζουν μόνο τις προσφορές που είναι πιο σχετικές με αυτούς, και κερδοφόρες για την εταιρεία».

Εκτός από την μηχανή παρακολούθησης σε πραγματικό χρόνο που έχει αναπτυχθεί στο πλαίσιο της διαδικτυακής διαφήμισης, έχουν εμφανιστεί και άλλες μορφές διάχυτης παρακολούθησης και δημιουργίας προφίλ στους τομείς της ανάλυσης ρίσκου, της ανίχνευσης απάτης και της ασφάλειας στον κυβερνοχώρο.

Οι σημερινές διαδικτυακές υπηρεσίες ανίχνευσης απάτης χρησιμοποιούν εξαιρετικά επεμβατικές τεχνολογίες για την αξιολόγηση δισ. ψηφιακών συναλλαγών και τη συλλογή τεράστιων ποσοτήτων πληροφοριών σχετικά με τις συσκευές, τα άτομα και τις συμπεριφορές. Οι παραδοσιακοί πάροχοι στον τομέα της πιστοληπτικής αξιολόγησης, της ταυτοποίησης και της πρόληψης της απάτης έχουν αρχίσει να παρακολουθούν και να αξιολογούν τον τρόπο με τον οποίο οι άνθρωποι χρησιμοποιούν το διαδίκτυο και τις συσκευές τους. Επιπλέον, έχουν αρχίσει να συνδέουν τα ψηφιακά δεδομένα συμπεριφοράς με τις τεράστιες ποσότητες «offline» πληροφοριών ταυτοποίησης που συλλέγουν εδώ και δεκαετίες.

Με την άνοδο των υπηρεσιών που διαμεσολαβούνται από την τεχνολογία, η επαλήθευση της ταυτότητας των καταναλωτών και η πρόληψη της απάτης έχουν γίνει ολοένα και πιο σημαντικά και προκλητικά ζητήματα, ιδίως υπό το φως του εγκλήματος στον κυβερνοχώρο και της αυτοματοποιημένης απάτης. Ταυτόχρονα, τα σημερινά συστήματα ανάλυσης κινδύνου έχουν συγκεντρώσει γιγαντιαίες βάσεις δεδομένων με ευαίσθητες πληροφορίες για ολόκληρους πληθυσμούς. Πολλά από αυτά τα συστήματα καλύπτουν ένα ευρύ φάσμα σεναρίων, μεταξύ άλλων της απόδειξης ταυτότητας για χρηματοπιστωτικές υπηρεσίες, της αξιολόγησης αξιώσεων ασφάλισης και παροχών, της ανάλυσης και της αξιολόγησης συναλλαγών.

Τέτοια συστήματα ανάλυσης κινδύνου μπορεί να πρέπει να αποφασίσουν εάν μια αίτηση ή συναλλαγή γίνεται αποδεκτή ή όχι ή ποιες επιλογές πληρωμής και αποστολής είναι διαθέσιμες για κάποιον κατά τη διάρκεια μιας διαδικτυακής συναλλαγής. Οι εμπορικές υπηρεσίες για την επαλήθευση ταυτότητας και οι αναλύσεις απάτης χρησιμοποιούνται επίσης σε τομείς όπως η επιβολή του νόμου και η εθνική ασφάλεια. Η γραμμή μεταξύ των εμπορικών εφαρμογών ανάλυσης ταυτότητας και απάτης και εκείνων που χρησιμοποιούνται από τις κυβερνητικές υπηρεσίες πληροφοριών θολώνει όλο και περισσότερο.

Τέτοια αδιαφανή συστήματα φιλτράρουν τα άτομα, τα οποία μπορεί να επισημανθούν ως ύποπτα και να δικαιολογηθεί μια ειδική μεταχείριση ή έρευνα - ή μπορεί να απορριφθούν χωρίς εξήγηση. Μπορεί να λάβουν ένα email, ένα τηλεφώνημα, μια ειδοποίηση ή το σύστημα μπορεί απλώς να αποκρύψει μια επιλογή χωρίς ο χρήστης να γνωρίζει ποτέ την ύπαρξή της. Οι ανακριβείς εκτιμήσεις μπορεί να εξαπλωθούν από το ένα σύστημα στο άλλο. Συχνά είναι δύσκολο ή αδύνατο να αντιταχθείς σε τέτοιες αρνητικές αξιολογήσεις που αποκλείουν ή αρνούνται, ειδικά λόγω του πόσο δύσκολο είναι να αντιταχθείς σε μηχανισμούς ή αποφάσεις για τις οποίες δεν γνωρίζεις καθόλου.

Η εταιρεία ασφάλειας στον κυβερνοχώρο ThreatMetrix επεξεργάζεται δεδομένα για 1,4 δισ. «μοναδικούς λογαριασμούς χρηστών» σε «χιλιάδες παγκόσμιους ιστότοπους». Το «δίκτυο ψηφιακής ταυτότητάς» του καταγράφει «εκ. καθημερινές συναλλαγές καταναλωτών, μεταξύ των οποίων τα login, τις πληρωμές και τις δημιουργίες νέων λογαριασμών» και χαρτογραφεί τις «διαρκώς μεταβαλλόμενες συσχετίσεις μεταξύ των ανθρώπων και των συσκευών, των τοποθεσιών, των διαπιστευτηρίων λογαριασμού και της συμπεριφοράς τους» για σκοπούς επαλήθευσης ταυτότητας και πρόληψης απάτης . Η εταιρεία συνεργάζεται με την Equifax και την TransUnion. Οι πελάτες της περιλαμβάνουν την Netflix, την Visa και εταιρείες σε τομείς όπως τα τυχερά παιχνίδια, οι κρατικές υπηρεσίες και η υγειονομική περίθαλψη.

Ομοίως, η εταιρεία δεδομένων ID Analytics, η οποία εξαγοράστηκε πρόσφατα από τη Symantec, διαχειρίζεται ένα «δίκτυο ταυτοτήτων» με «100 εκ. στοιχεία ταυτότητας να συλλέγονται κάθε μέρα από κορυφαίους διακλαδικούς οργανισμούς». Η εταιρεία συγκεντρώνει δεδομένα για 300 εκ. καταναλωτές, μεταξύ άλλων για τα δάνειά τους, τις ηλεκτρονικές αγορές, τις πιστωτικές κάρτες και τις εφαρμογές smartphone. Με το ID Score αξιολογεί τις ψηφιακές συσκευές, καθώς και τα ονόματα, τους αριθμούς κοινωνικής ασφάλισης και τις ταχυδρομικές και email διευθύνσεις.

Η Trustev, μια διαδικτυακή εταιρεία ανίχνευσης απάτης με έδρα την Ιρλανδία, η οποία εξαγοράστηκε από την εταιρεία πιστοληπτικής αξιολόγησης TransUnion το 2015, αξιολογεί τις διαδικτυακές συναλλαγές για πελάτες σε χρηματοοικονομικές υπηρεσίες, την κυβέρνηση, την υγειονομική περίθαλψη και την ασφάλιση, με βάση την ανάλυση των ψηφιακών συμπεριφορών, των ταυτοτήτων και των συσκευών όπως τα τηλέφωνα, τα tablet, τους φορητούς υπολογιστές, τις κονσόλες παιχνιδιών, τις τηλεοράσεις, ακόμη και τα ψυγεία. Η εταιρεία προσφέρει στους πελάτες τη δυνατότητα να αναλύουν τον τρόπο με τον οποίο οι επισκέπτες κάνουν κλικ και αλληλεπιδρούν με τους ιστοτόπους και τις εφαρμογές και χρησιμοποιεί δεδομένα από ένα ευρύ φάσμα για την αξιολόγηση των χρηστών, όπως τους αριθμούς τηλεφώνου, τα email και τις ταχυδρομικές διευθύνσεις, τα «δακτυλικά αποτυπώματα» του προγράμματος περιήγησης και της συσκευής, τους πιστωτικούς ελέγχους, τα ιστορικά συναλλαγών, τις διευθύνσεις IP, τα στοιχεία κινητής τηλεφωνίας και τις τοποθεσίες. Η Trustev προσφέρει επίσης μια τεχνολογία δημιουργίας του «κοινωνικού δακτυλικού αποτυπώματος» ενός ατόμου, που αναλύει το περιεχόμενο των μέσων κοινωνικής δικτύωσης, συμπεριλαμβανομένης της ανάλυσης της λίστας των φίλων και της αναγνώρισης μοτίβων συμπεριφοράς. Η TransUnion έχει ενσωματώσει την τεχνολογία Trustev στις δικές της λύσεις ταυτοποίησης και πρόληψης της απάτης.

Ομοίως, η εταιρεία παροχής πιστοληπτικών αξιολογήσεων Equifax δηλώνει ότι διαθέτει δεδομένα για σχεδόν 1 δισ. συσκευές και μπορεί να επικυρώσει «πού βρίσκεται πραγματικά μια συσκευή και εάν σχετίζεται με άλλες συσκευές που χρησιμοποιήθηκαν σε γνωστή απάτη». Συνδυάζοντας αυτά τα δεδομένα με δισ. συμβάντα ταυτοποίησης και πίστωσης για την εύρεση ύποπτης δραστηριότητας σε διάφορες βιομηχανίες και με πληροφορίες σχετικά με την εργασία και τις διαπροσωπικές σχέσεις μεταξύ των οικογενειών και των συνεργατών, η Equifax ισχυρίζεται ότι μπορεί να «ταυτοποιήσει συσκευές καθώς και άτομα».

Το προϊόν reCaptcha της Google παρέχει στην πραγματικότητα παρόμοια λειτουργικότητα, τουλάχιστον εν μέρει. Είναι ενσωματωμένο σε εκ. ιστότοπους και βοηθά τους παρόχους ιστοτόπων να αποφασίσουν εάν ένας επισκέπτης είναι νόμιμος άνθρωπος ή όχι. Μέχρι πρόσφατα, οι χρήστες έπρεπε να λύσουν διάφορα είδη γρήγορων προκλήσεων, όπως η αποκρυπτογράφηση γραμμάτων σε μια εικόνα, η επιλογή αντικειμένων σε ένα πλέγμα εικόνων ή απλά κάνοντας κλικ σε ένα πλαίσιο ελέγχου με τίτλο «Δεν είμαι ρομπότ». Το 2017, η Google παρουσίασε μια αόρατη έκδοση του reCaptcha, εξηγώντας ότι από εδώ και στο εξής οι άνθρωποι θα επιτρέπεται να περάσουν χωρίς καμία σχετική αλληλεπίδραση, σε αντίθεση με τους «ύποπτους και τα bots».

Η εταιρεία δεν αποκαλύπτει ποια είδη δεδομένων και συμπεριφορών χρησιμοποιεί για την αναγνώριση ανθρώπων. Οι έρευνες υποδεικνύουν ότι η Google δεν χρησιμοποιεί μόνο διευθύνσεις IP, «δαχτυλικά αποτυπώματα» προγράμματος περιήγησης, τον τρόπο που πληκτρολογεί ο χρήστης ή μετακινεί το ποντίκι του ή χρησιμοποιεί την οθόνη αφής «πριν, κατά τη διάρκεια και μετά» από μια αλληλεπίδραση με το reCaptcha, αλλά και αρκετά από τα cookies της Google.  Δεν είναι σαφές εάν τα άτομα χωρίς λογαριασμούς αντιμετωπίζουν μειονεκτήματα, εάν η Google είναι σε θέση να αναγνωρίσει συγκεκριμένα άτομα και όχι μόνο «ανθρώπους» ή εάν η Google χρησιμοποιεί επίσης τα δεδομένα που καταγράφονται στο reCaptcha για σκοπούς άλλους από τον εντοπισμό bot.

Οι πανταχού παρούσες ροές δεδομένων συμπεριφοράς που καταγράφονται για τη διαδικτυακή διαφήμιση ρέουν όλο και περισσότερο στα συστήματα ανίχνευσης απάτης. Η πλατφόρμα δεδομένων μάρκετινγκ Segment, για παράδειγμα, προσφέρει στους πελάτες της εύκολους τρόπους αποστολής δεδομένων των δικών τους πελατών από πολλές διαφορετικές υπηρεσίες τεχνολογίας μάρκετινγκ σε εταιρείες εντοπισμού απάτης. Μία από αυτές είναι η Castle, η οποία χρησιμοποιεί «δεδομένα συμπεριφοράς πελατών για να προβλέψει ποιοι χρήστες αποτελούν πιθανό κίνδυνο ασφάλειας ή απάτης». Μία άλλη, η Smyte, βοηθά στην «αποτροπή της απάτης, της ανεπιθύμητης αλληλογραφίας, της παρενόχλησης και της απάτης πιστωτικών καρτών».

Η Experian επίσης προσφέρει μια υπηρεσία παρακολούθησης μεταξύ διαφορετικών συσκευών που παρέχει καθολική αναγνώριση των συσκευών από τα κινητά, το διαδίκτυο και τις εφαρμογές για ψηφιακό μάρκετινγκ. Η εταιρεία υπόσχεται να συμβιβάσει και να συσχετίσει τα «υπάρχοντα ψηφιακά αναγνωριστικά» των πελατών της, συμπεριλαμβανομένων των «cookies, αναγνωριστικών συσκευών, διευθύνσεων IP και πολλά άλλα», παρέχοντας στους εμπόρους έναν «πανταχού παρόν, συνεπή και σταθερό σύνδεσμο για όλα τα κανάλια».

Η τεχνολογία αναγνώρισης συσκευών της Experian προέρχεται από την 41st Parameter, μια διαδικτυακή εταιρεία ανίχνευσης απάτης που εξαγόρασε η Experian το 2013. Με βάση την τεχνολογία αυτή, η Experian προσφέρει επίσης μια λύση «έξυπνης συσκευής» για τον εντοπισμό απάτης κατά τις διαδικτυακές πληρωμές, η οποία «ορίζει ένα αξιόπιστο αναγνωριστικό για τη συσκευή και συλλέγει εμπλουτισμένα δεδομένα συσκευής», «προσδιορίζει κάθε συσκευή σε κάθε επίσκεψη σε χιλιοστά του δευτερολέπτου» και «δίνει απαράμιλλη ορατότητα στο άτομο πίσω από την πληρωμή». Δεν είναι σαφές εάν η Experian χρησιμοποιεί τα ίδια δεδομένα για τις υπηρεσίες αναγνώρισης συσκευών στον εντοπισμό απάτης και στο μάρκετινγκ.

Χαρτογράφηση του εμπορικού τοπίου παρακολούθησης και δημιουργίας προφίλ

Τα τελευταία χρόνια, οι προϋπάρχουσες πρακτικές εμπορικής επιτήρησης έχουν εξελιχθεί γρήγορα σε ένα τεράστιο τοπίο εταιρικών παικτών που παρακολουθούν συνεχώς ολόκληρους πληθυσμούς. Ορισμένοι παράγοντες στο σημερινό διάχυτο οικοσύστημα παρακολούθησης και δημιουργίας προφίλ, όπως οι μεγάλες πλατφόρμες και άλλες εταιρείες με μεγάλο αριθμό πελατών, κατέχουν μοναδική θέση όσον αφορά την κλίμακα και το βάθος των καταναλωτικών προφίλ τους. Ωστόσο, τα δεδομένα που χρησιμοποιούνται για τη λήψη αποφάσεων σχετικά με τους ανθρώπους σε πολλούς τομείς της ζωής, ως επί το πλείστον δεν συγκεντρώνονται σε ένα μέρος, αλλά συγκεντρώνονται από πολλές πηγές σε πραγματικό χρόνο, ανάλογα με τις ανάγκες.

Ένα ευρύ φάσμα εταιρειών δεδομένων και αναλύσεων στον τομέα του μάρκετινγκ, της διαχείρισης πελατών και της ανάλυσης ρίσκου συγκεντρώνει, αναλύει, μοιράζεται και εμπορεύεται δεδομένα καταναλωτών απρόσκοπτα και τα συνδυάζει με περαιτέρω πληροφορίες από χιλιάδες άλλες εταιρείες. Ενώ η βιομηχανία δεδομένων και αναλυτικών στοιχείων παρέχει τα μέσα για την ανάπτυξη αυτών των ισχυρών τεχνολογιών, οι επιχειρήσεις σε πολλούς κλάδους συμβάλλουν εξίσου τόσο στην ενίσχυση του όγκου και της λεπτομέρειας των συλλεγόμενων δεδομένων όσο και στην ικανότητα αξιοποίησής τους.

Η Google και η Facebook, ακολουθούμενες από άλλες μεγάλες πλατφόρμες όπως η Apple, η Microsoft, η Amazon και η Alibaba έχουν άνευ προηγουμένου πρόσβαση σε δεδομένα για τη ζωή δισ. ανθρώπων. Αν και έχουν διαφορετικά επιχειρηματικά μοντέλα και επομένως διαδραματίζουν διαφορετικούς ρόλους στη βιομηχανία προσωπικών δεδομένων, έχουν τη δύναμη να υπαγορεύουν ευρέως τις βασικές παραμέτρους των συνολικών ψηφιακών αγορών. Οι μεγάλες πλατφόρμες περιορίζουν ως επί το πλείστον τον τρόπο με τον οποίο άλλες εταιρείες μπορούν να αποκτήσουν πρόσβαση στα δεδομένα τους. Με αυτόν τον τρόπο, τις αναγκάζουν να χρησιμοποιούν τα δεδομένα για τους χρήστες μέσα στα δικά τους οικοσυστήματα και έτσι συλλέγουν πρόσθετα δεδομένα πέρα από την εμβέλεια των πλατφορμών.

Αν και οι μεγάλες πολυεθνικές σε διαφορετικούς τομείς που έχουν συχνές αλληλεπιδράσεις με εκ. καταναλωτές βρίσκονται σε κάπως παρόμοια θέση, όχι μόνο συλλέγουν δεδομένα καταναλωτών που συλλέγονται από άλλους, αλλά συχνά παρέχουν και δεδομένα. Ενώ τμήματα των χρηματοοικονομικών υπηρεσιών και των τηλεπικοινωνιών, καθώς και κρίσιμοι κοινωνικοί τομείς όπως η υγειονομική περίθαλψη, η εκπαίδευση και η απασχόληση, υπόκεινται σε αυστηρότερους κανονισμούς για την προστασία της ιδιωτικής ζωής στις περισσότερες δικαιοδοσίες, ένα ευρύ φάσμα εταιρειών έχει αρχίσει να χρησιμοποιεί ή να συνεισφέρει δεδομένα στα σημερινά δίκτυα της εμπορικής επιτήρησης.

Οι έμποροι λιανικής και άλλες εταιρείες που πωλούν προϊόντα και υπηρεσίες σε καταναλωτές, πωλούν κυρίως επίσης τα δεδομένα σχετικά με τις αγορές των πελατών τους. Οι όμιλοι πολυμέσων και οι ψηφιακοί εκδότες πωλούν δεδομένα σχετικά με το κοινό τους, τα οποία στη συνέχεια χρησιμοποιούνται από εταιρείες στους άλλους τομείς. Οι πάροχοι τηλεπικοινωνιών και ευρυζωνικών επικοινωνιών έχουν αρχίσει να παρακολουθούν τους πελάτες τους μέσω του διαδικτύου. Μεγάλες εταιρείες λιανικής, μέσων ενημέρωσης και τηλεπικοινωνιών έχουν εξαγοράσει ή εξαγοράζουν εταιρείες τεχνολογίας δεδομένων, παρακολούθησης και διαφήμισης. Με την Comcast να εξαγοράζει την NBC Universal και την AT&T πιθανότατα να εξαγοράζει την Time Warner, οι μεγάλες τηλεπικοινωνίες στις ΗΠΑ γίνονται επίσης γιγάντιοι εκδότες, δημιουργώντας ισχυρά χαρτοφυλάκια περιεχομένου, δεδομένων και δυνατοτήτων στόχευσης. Με την εξαγορά της AOL και της Yahoo, η Verizon έγινε επίσης «πλατφόρμα».

Τα χρηματοπιστωτικά ιδρύματα χρησιμοποιούν εδώ και καιρό δεδομένα για τους καταναλωτές για τη διαχείριση ρίσκου, όπως η αξιολόγηση πιστοληπτικής ικανότητας και ο εντοπισμός απάτης, καθώς και για το μάρκετινγκ, την απόκτηση πελατών και τη διατήρηση των υπαρχόντων. Συμπληρώνουν τα δικά τους δεδομένα με εξωτερικά δεδομένα από γραφεία πιστωτικών αναφορών, μεσίτες δεδομένων και εταιρείες δεδομένων μάρκετινγκ. Το PayPal, το μεγαλύτερο όνομα στις ηλεκτρονικές πληρωμές, μοιράζεται προσωπικές πληροφορίες με περισσότερους από 600 τρίτους φορείς, συμπεριλαμβανομένων άλλων παρόχων πληρωμών, γραφείων αναφοράς πιστώσεων, εταιρειών επαλήθευσης ταυτότητας και εντοπισμού απάτης, καθώς και με τους πιο προηγμένους παίκτες στα οικοσυστήματα ψηφιακής παρακολούθησης. Ενώ τα δίκτυα πιστωτικών καρτών και οι τράπεζες μοιράζονταν τα οικονομικά δεδομένα για τους πελάτες τους με παρόχους αξιολόγησης ρίσκου για δεκαετίες, τώρα έχουν αρχίσει να πωλούν τα δεδομένα συναλλαγών για σκοπούς μάρκετινγκ.

Μια μυριάδα μικρότερων και μεγαλύτερων εταιρειών που παρέχουν ιστότοπους, εφαρμογές για κινητά, παιχνίδια και άλλες εφαρμογές είναι στενά συνδεδεμένες με το οικοσύστημα δεδομένων μάρκετινγκ. Χρησιμοποιούν υπηρεσίες που τους επιτρέπουν να μεταδίδουν εύκολα τα δεδομένα σχετικά με τους χρήστες τους σε εκατοντάδες υπηρεσίες τρίτων φορέων. Πολλοί από αυτούς πωλούν τις ροές δεδομένων συμπεριφοράς των χρηστών τους ως βασικό μέρος του επιχειρηματικού τους μοντέλου. Ακόμη πιο ανησυχητικό είναι ότι οι εταιρείες που παρέχουν νέα είδη συσκευών, όπως τα fitness trackers, ενσωματώνουν επίσης υπηρεσίες που μεταφέρουν τα δεδομένα του χρήστη σε τρίτους φορείς.

Η διάχυτη μηχανή παρακολούθησης σε πραγματικό χρόνο που έχει αναπτυχθεί για τη διαδικτυακή διαφήμιση επεκτείνεται ταχέως σε άλλους τομείς, όπως η πολιτική, η τιμολόγηση, η πιστοληπτική αξιολόγηση και η διαχείριση ρίσκου. Οι ασφαλιστές σε όλο τον κόσμο έχουν αρχίσει να προσφέρουν στους πελάτες τους προγράμματα που περιλαμβάνουν παρακολούθηση των συμπεριφορών σε πραγματικό χρόνο όπως η οδήγηση αυτοκινήτου, οι δραστηριότητες υγείας, οι αγορές τροφίμων ή οι επισκέψεις στο γυμναστήριο. Οι νέοι παίκτες στην ασφαλιστική ανάλυση και την χρηματοοικονομική τεχνολογία προβλέπουν εξατομικευμένα ρίσκα για την υγεία με βάση τα δεδομένα των καταναλωτών, καθώς και την πιστοληπτική ικανότητα των ατόμων με βάση τα δεδομένα συμπεριφοράς σε τηλεφωνικές κλήσεις ή αναζητήσεις στο διαδίκτυο.

Οι μεσίτες δεδομένων, οι εταιρείες διαχείρισης πελατών και οι διαφημιστικές εταιρείες όπως η Acxiom, η Epsilon, η Merkle και η Wunderman/WPP διαδραματίζουν σημαντικό ρόλο στο συνδυασμό και τη διασύνδεση δεδομένων μεταξύ των πλατφορμών, των πολυεθνικών και του κόσμου της διαφημιστικής τεχνολογίας. Οι εταιρείες πιστοληπτικής αξιολόγησης, όπως η Experian, που παρέχουν πολλές υπηρεσίες σε πολύ ευαίσθητους τομείς, όπως η αναφορά πιστώσεων, η επαλήθευση ταυτότητας και ο εντοπισμός απάτης, διαδραματίζουν επίσης σημαντικό ρόλο στο σημερινό διάχυτο οικοσύστημα δεδομένων μάρκετινγκ.

Συγκεκριμένες μεγάλες εταιρείες που παρέχουν υπηρεσίες δεδομένων, αναλυτικών στοιχείων και λογισμικού έχουν επίσης ονομαστεί ως «πλατφόρμες». Η Oracle, μια μεγάλη βάση δεδομένων και πάροχος επιχειρηματικού λογισμικού, έχει γίνει μεσίτης καταναλωτικών δεδομένων τα τελευταία χρόνια. Η Salesforce, ο ηγέτης της αγοράς στη διαχείριση πελατειακών σχέσεων που διαχειρίζεται τις βάσεις δεδομένων εκ. πελατών εξαγόρασε την Krux, μια μεγάλη εταιρεία δεδομένων που συνδέει και συνδυάζει δεδομένα σε όλο τον ψηφιακό κόσμο. Η εταιρεία λογισμικού Adobe διαδραματίζει επίσης σημαντικό ρόλο στην τεχνολογία προφίλ και διαφήμισης.

Επιπλέον, οι περισσότερες μεγάλες εταιρείες επιχειρηματικού λογισμικού, ανάλυσης και συμβουλευτικής, όπως η IBM, η Informatica, η SAS, η FICO, η Accenture, η Capgemini, η Deloitte και η McKinsey, ή ακόμα και εταιρείες πληροφοριών και αμυντικών υπηρεσιών όπως η Palantir, διαδραματίζουν επίσης σημαντικό ρόλο στην διαχείριση και ανάλυση προσωπικών δεδομένων, από τη διαχείριση πελατειακών σχέσεων έως τη διαχείριση ταυτοποίησης, το μάρκετινγκ και την ανάλυση ρίσκου για ασφαλιστές, τράπεζες και κυβερνήσεις.

Wintermute

Σημειώσεις

1 - ΣτΜ: Η πλήρης έκθεση δημοσιεύτηκε το 2017, είναι περίπου 100 σελίδες και έχει πάρα πολλές αναφορές σε περαιτέρω βιβλιογραφία, ειδησεογραφία κλπ. Εδώ μεταφράζουμε την περίληψη, την οποία μπορείτε να βρείτε μαζί με ολόκληρη την έκθεση εδώ: https://crackedlabs.org/en/corporate-surveillance
[ επιστροφή]

2 - Networks of Control (2016): http://crackedlabs.org/en/networksofcontrol
[ επιστροφή]

3 - Experimental evidence of massive-scale emotional contagion through social networks: https://www.pnas.org/doi/full/10.1073/pnas.1320040111
[ επιστροφή]