パーソナライズされた検索

パーソナライズ検索とは、特定のクエリを超えた個人に関する情報を組み込むことで、個人の興味に合わせて特別にカスタマイズされたウェブ検索です。検索結果をパーソナライズするには、ユーザーのクエリを変更することと、検索結果を再ランク付けすることの 2 つの一般的なアプローチがあります。 ^[1]

Googleは2004年にパーソナライズ検索を導入し、2005年にGoogle検索に実装しました。Googleは、Googleアカウントを持つユーザーだけでなく、すべてのユーザー向けにパーソナライズ検索を実装しています。Googleが検索をどのようにパーソナライズしているかについてはあまり情報がありませんが、ユーザーの言語、場所、ウェブ履歴を使用していると考えられています。^[2]

GoogleやAltaVistaなどの初期の検索エンジンは、キーワードのみに基づいて結果を検索していました。Google が先駆けとなったパーソナライズ検索は、「ユーザーが何を意味しているかを正確に理解し、ユーザーが望むものを正確に提供する」という目標を掲げ、はるかに複雑になっています。^[3]数学的アルゴリズムを使用することで、検索エンジンはサイト間のリンク数に基づいて結果を返すことができるようになりました。リンク数が多いサイトほど、ページの上位に表示されます。^[3]検索エンジンには、浅い専門家と深い専門家の 2 つの専門知識レベルがあります。浅い専門家レベルの専門家は、特定のイベントに関する特定の情報を知っている証人として機能します。一方、深い専門家は、理解可能な知識を持ち、個々の問い合わせ者に関連する独自の情報を提供する能力を備えています。^[4]ユーザーが自分の欲しいものを知っている場合、検索エンジンは浅い専門家として機能し、その情報を見つけるだけです。しかし、検索エンジンは、上位に近い結果が下位のものよりもユーザーの希望に関連が高いことを示すという点で、深い専門知識も備えています。^[4]

多くの検索エンジンは一般の人々や特定の人々のグループに関する情報を活用していますが、パーソナライズされた検索は個人に固有のユーザープロファイルに依存しています。検索結果をパーソナライズする研究システムは、さまざまな方法でユーザーをモデル化します。一部のシステムは、ユーザーが明示的に自分の興味を指定したり、人口統計/認知特性に依存しています。^{[5] [6]}ただし、ユーザーが提供する情報を収集して最新の状態に保つことは困難です。他のシステムは、ユーザーが読んだコンテンツやWebページでのやり取りの履歴に基づいて暗黙のユーザーモデルを構築しています。^{[7] [8] [9] [10] [11]}

ウェブ検索結果をパーソナライズするための公開システムはいくつかある（例えば、Google Personalized SearchやBingの検索結果パーソナライズ^[12]）。しかし、これらの商用システムの技術的な詳細や評価は独自のものである。Google がユーザーの検索をパーソナライズするために使用する手法の 1 つは、ログイン時間を追跡し、ユーザーがブラウザでウェブ履歴を有効にしているかどうかを調べることである。ユーザーが Google の検索結果から同じサイトに何度もアクセスすると、Google はそのページが気に入っていると判断する。そのため、ユーザーが特定の検索を行うと、Google のパーソナライズされた検索アルゴリズムがそのページを優先し、順位を上げる。ユーザーがログアウトしている場合でも、Google は特定のウェブブラウザで検索した内容を 180 日間記録し、そのブラウザの Cookie にリンクしているため、検索結果をパーソナライズできる。^[13]

FacebookやLinkedInのようなソーシャルネットワーキングプラットフォーム上の検索エンジンでは、検索者と結果の同質性を利用することでパーソナライゼーションを実現できます。 ^[14]たとえば、人物検索では、検索者は同じ社会的サークル、業界、または会社の人々に関心を持つことが多いです。求人検索では、検索者は通常、類似した会社の求人、近くの場所の求人、および自分と似た専門知識を必要とする求人に興味を持っています。

パーソナライズされた検索結果がユーザーにどのように表示されるかをよりよく理解するために、ノースイースタン大学の研究者グループは、ログインしたユーザーの検索の集計セットをコントロールグループと比較しました。研究チームは、11.7%の結果にパーソナライズによる違いが見られることを発見しましたが、これは検索クエリと結果のランキング位置によって大きく異なります。^[15]テストされたさまざまな要素のうち、測定可能な影響があった2つは、Googleアカウントでログインしていることと、検索しているユーザーのIPアドレスでした。また、パーソナライズ度の高い結果には、企業と政治が含まれていることにも注意してください。パーソナライズを促進する要因の1つは結果のローカライズであり、企業のクエリでは、ユーザーの場所に関連する店舗の場所が表示されます。したがって、たとえば、ユーザーが「中古車販売」を検索した場合、Googleはユーザーの地域の地元の自動車販売店の結果を表示する場合があります。一方、パーソナライズ度が最も低いクエリには、事実に関するクエリ（「what is」）と健康があります。^[15]

パーソナライゼーションを測定する際には、バックグラウンドノイズを排除することが重要です。この文脈では、バックグラウンドノイズの 1 つにキャリーオーバー効果があります。キャリーオーバー効果は次のように定義できます。ユーザーが検索を実行し、それに続いて検索を実行すると、2 番目の検索の結果は最初の検索の影響を受けます。注目すべき点は、上位のURL がパーソナライゼーションに基づいて変更される可能性が低く、ほとんどのパーソナライゼーションは下位のランクで発生することです。これは最近の検索履歴に基づくパーソナライゼーションのスタイルですが、研究者によると、この現象は 10 分後にタイムアウトするため、一貫したパーソナライゼーションの要素ではありません。^[15]

パーソナライズ検索に関して、いくつかの懸念が提起されている。パーソナライズ検索では、ユーザーがすでに見つけたものに検索結果が偏向するため、新しい情報を見つける可能性が低くなる。また、ユーザーが検索結果が自分向けにパーソナライズされていることに気づかず、自分の興味のあるものがなぜそれほど関連性があるのか​​疑問に思うという潜在的なプライバシー問題も生じる。このような問題は、作家のEli Pariserによって「フィルター バブル」と名付けられている。彼は、人々が大手 Web サイトに運命を委ね、個人について収集した膨大なデータに基づいて決定を下していると主張している。これにより、ユーザーは自分の世界、つまり「フィルター バブル」に孤立し、自分が見たい情報だけを見ることになり、「フレンドリー ワールド シンドローム」の結果となる。その結果、人々は発展途上国の問題についてあまり情報を得なくなり、北 (先進国) と南 (発展途上国) の格差がさらに広がる可能性がある。^[16]

パーソナライゼーションの方法、そして同じコミュニティ内の似たような考えを持つ個人による検索で定期的に表示される特定の結果を「宣伝」することがいかに有用であるか。パーソナライゼーションの方法により、フィルター バブルがどのように作成されるかが非常に簡単に理解できます。特定の結果が押し上げられ、個人によってより多く表示されるようになると、それらの個人が好まない他の結果は目立たなくなります。これがコミュニティ全体のレベルで発生すると、意識的であるかどうかにかかわらず、コミュニティは出来事に対する偏った見方を共有することになります。^[17]フィルター バブルは検索結果でより頻繁に発生し、オンライン、特にソーシャル メディアでの情報の流れを混乱させると考えられています。^[18]

世界の一部の地域で特に懸念されているのは、検索を利用する人々に特定の情報のみを提供することで（選択的露出）、パーソナライズ検索をコントロールする手段として利用することです。これは、銃規制などの話題性の高いトピックに特定の影響力を与えたり、さまざまな国の特定の政治体制に人々を味方につけるために利用することができます。^[16]パーソナライズ検索だけで特定の政府による完全なコントロールは無理があるかもしれませんが、検索から簡単に入手できる情報のコントロールは、最も裕福な企業によって簡単にコントロールできます。企業が情報をコントロールする最大の例は、Googleです。Googleは、彼らが望む情報を提供しているだけでなく、パーソナライズ検索を使用して、自社の企業や関連会社にユーザーを誘導することもあります。これにより、Webのさまざまな部分が完全にコントロールされ、競合他社が追い出されました。たとえば、Google Mapsはオンラインマップとルート案内業界を大きくコントロールし、MapQuestやその他の企業は後れをとらざるを得なくなりました。^[19]

多くの検索エンジンは、ユーザーが関心の高いトピックのみを導き出す概念ベースのユーザープロファイリング戦略を使用していますが、研究者のワイティンとディク・ルンによると、最良の結果を得るには、肯定的な好みと否定的な好みの両方を考慮する必要があります。否定的な好みと肯定的な好みを適用するこのようなプロファイルは、類似したクエリを類似しないクエリから分離することで、最高品質で最も関連性の高い結果をもたらします。たとえば、「リンゴ」と入力すると、果物またはマッキントッシュコンピューターのいずれかを指す可能性があり、両方の好みを提供することで、検索エンジンはクリックされたリンクに基づいてユーザーが実際に探しているリンゴを学習できます。研究者がパーソナライズされた検索を改善し、肯定的な好みと否定的な好みの両方を生み出すために考案した概念戦略の 1 つは、クリックベースの方法です。この方法は、結果リストでユーザーがクリックしたリンクに基づいてユーザーの関心を捉え、クリックされなかったリンクをダウングレードします。^[20]

この機能は、検索結果がすべてのユーザーに対して同じようにランク付けされなくなるため、検索エンジン最適化業界にも大きな影響を及ぼします。 ^[21]この例は、Eli Pariser の The Filter Bubble にあります。この中で、彼は 2 人の友人に Google の検索バーに「BP」と入力させました。友人の 1 人はメキシコ湾での BP 原油流出に関する情報を見つけ、もう 1 人は投資情報を取得しました。^[16]情報過多の側面は、検索エンジン最適化を使用する場合にも一般的です。ただし、情報過多を管理する方法の 1 つは、付加価値情報、つまり、何らかの方法で各ユーザー向けに収集、処理、フィルタリング、パーソナライズされた情報にアクセスすることです。^[22]たとえば、Google は、場所、以前の検索キーワード、ユーザーのソーシャル ネットワークでの最近の連絡先など、さまざまな「シグナル」を使用して検索をパーソナライズしますが、一方で Facebook は、ユーザーと他のユーザーとのやり取り、いわゆる「ソーシャル ジェスチャー」を記録します。^[22]この場合のソーシャルジェスチャーには、いいね、シェア、購読、コメントなどが含まれます。ユーザーが情報セットを消費してシステムとやり取りすると、システムはユーザーのやり取りと履歴を記録します。後日、このやり取りの履歴に基づいて、いくつかの重要な情報がフィルタリングされます。これには、一部の友人が作成したコンテンツがユーザーから隠される場合があります。これは、ユーザーが除外された友人と一定期間やり取りしなかったためです。ソーシャルジェスチャーでは、写真やビデオが通常のステータス投稿やその他の関連投稿よりも高いランク付けを受けることにも注意が必要です。^[22]

フィルターバブルは健康に関する情報の検索に大きな影響を与えています。検索履歴、ソーシャルネットワーク、個人の好みなどに基づく検索結果の影響により、誤った情報がワクチン接種率の低下に大きく貢献しています。2014/15年にアメリカで麻疹が流行し、その期間に644件の症例が報告されました。この流行の主な原因は、当時ワクチンに対する恐怖を広めていた反ワクチン団体と著名人でした。^[23]

パーソナライズされた検索結果は、ユーザーの検索結果をカスタマイズするだけでなく、広告もカスタマイズするのに役立つと指摘する人もいます。^{[引用が必要]これは}プライバシーの侵害であると批判されています。^{[引用が必要]}

検索パーソナライゼーションの重要な例はGoogleです。Googleアプリケーションは数多くあり、それらはすべてGoogleアカウントを使ってパーソナライズおよび統合できます。検索のパーソナライズにはアカウントは必要ありません。しかし、多くの便利なGoogle製品にはGoogleアカウントがないとアクセスできないため、選択肢がほとんどありません。2009年に導入されたGoogleダッシュボードは、Gmail、カレンダー、ドキュメント、YouTubeなど20を超える製品とサービスをカバーしています。^{[24]これは、自分の名前の直下にあるすべての情報を追跡します。無料のGoogleカスタム検索は、個人と大企業の両方が利用でき、個々のWebサイトに検索機能を提供するほか、}ニューヨークタイムズなどの企業サイトにも使用されています。Googleで利用可能だった高度なパーソナライゼーションは、Googleが世界で最も人気のある検索エンジンであり続ける上で重要な役割を果たしました。

Google の検索をパーソナライズする能力の一例は、Google ニュースの使用です。Google は、興味深いと思われる類似記事を全員に表示するようにニュースを調整していますが、ユーザーが下にスクロールすると、ニュース記事が異なっていることがわかります。Google は、ユーザーの過去の検索と場所を考慮して、ローカル ニュースを最初にユーザーに表示します。これにより、検索がはるかに簡単になり、必要な情報を見つけるためにすべてのニュースを調べる時間が短縮されます。ただし、プログラムが特定のユーザーに対して設定した基準に一致しないため、非常に重要な情報が表示されない可能性があるという懸念があります。これにより、前述の「フィルター バブル」が発生する可能性があります。 ^[16]

パーソナライゼーションに関して見落とされがちな興味深い点は、プライバシーとパーソナライゼーションの戦いです。この 2 つは必ずしも相互に排他的である必要はありませんが、一方が目立つようになると、他方が犠牲になることがよくあります。Google は多数のサービスを人々に提供しており、これらのサービスの多くは、カスタマイズするために個人に関する情報を収集する必要はありません。これらのサービスにはプライバシー侵害の脅威がないため、検索に関しても、プライバシーよりもパーソナライゼーションが優先される傾向にあります。人々は他の Google サービスをカスタマイズすることで利便性の恩恵を受けるため、たとえ個人情報が犠牲になっても、より良い検索結果を望みます。情報と検索結果のトレードオフの境界線をどこに引くかは新しい領域であり、Google がその決定を下します。人々が自分について収集される情報を制御する権限を得るまで、Google はプライバシーを真に保護しているとは言えません。検索エンジンおよびインターネット ブラウザとしての Google の人気により、Google は大きな力を得ることができました。その人気により、何百万ものユーザー名が作成され、個人に関する膨大な量の情報を収集するために使用されました。 Googleは、従来型、ソーシャル、地理、IPアドレス、ブラウザ、Cookie、時間帯、年、行動、クエリ履歴、ブックマークなど、複数のパーソナライゼーション方法を使用できます。ユーザーが以前に検索した内容に基づいてGoogleが検索結果をパーソナライズすることには利点があるかもしれませんが、それにはマイナス面もあります。^{[25] [26]} この情報の力を利用して、Googleはビデオ、ドキュメント共有、ショッピング、地図など、自社が所有する他の分野に参入することを選択しました。Googleは、MapQuestなどの他社ではなく、自社のサービスに検索者を誘導することでこれを実現しました。

Google は検索パーソナライゼーションを利用して、ビデオ市場シェアを 2 倍の 80% にまで拡大しました。独占の法的定義は、企業が市場の 70% から 80% を掌握することです。Google は、検索結果を操作して自社のサービスを表示するなど、参入障壁を大きく設けることで、この独占を強化してきました。ほとんどの検索で Google マップが最初に表示されることから、このことがはっきりとわかります。

分析会社エクスペリアン・ヒットワイズによると、2007年以降、マップクエストのトラフィックはこれが原因で半減したという。同時期のその他の統計では、フォトバケットの市場シェアが20%からわずか3%に、マイスペースの市場シェアが12%から1%未満に、ESPNの市場シェアが8%から4%に減少している。画像に関しては、フォトバケットは2007年の31%から2010年の10%に、ヤフー画像は12%から7%に減少している。^[27]これらの企業の衰退は、グーグルの市場シェアが2007年の43%から2009年の約55%に増加したためであることが明らかになっている。^[27]

Google の方が優位に立っているのは、より優れたサービスを提供しているからだと言えます。しかし、Experian Hitwise は、約 15 社の市場シェアを一度に表示するグラフも作成しました。これは、画像、ビデオ、製品検索などの市場シェアについて、すべてのカテゴリで作成されています。製品検索のグラフは、Google の影響力を十分に証明しています。なぜなら、1 か月でユニーク ビジター数が 130 万人から 11.9 万人に増加したからです。このような成長は、プロセスの変更によってのみ実現できます。

結局のところ、これらすべてのグラフには 2 つの共通点があります。1 つ目は、Google の市場シェアが主要な競合他社の市場シェアと正反対の関係にあることです。2 つ目は、この正反対の関係が 2007 年頃に始まったことです。これは、Google が「ユニバーサル サーチ」方式を使い始めた頃です。^[28]

パーソナライズされた検索がもたらす最も重要な利点の 1 つは、消費者の意思決定の質を向上させることです。インターネットにより、情報取得にかかる取引コストはかつてないほど大幅に低下しました。しかし、人間の情報処理能力はあまり向上していません。^[29]圧倒的な量の情報に直面した消費者は、質の高い意思決定を行うのに役立つ洗練されたツールを必要とします。2 つの研究では、パーソナライズされたスクリーニングおよび注文ツールの効果を調査し、その結果、パーソナライズされた検索と消費者の意思決定の質の間には正の相関関係があることが示されました。

最初の研究はサウスカロライナ大学のクリスティン・ディールが実施した。彼女の研究では、検索コストの削減は選択の質の低下につながることがわかった。この発見の理由は、「検索コストが低下すると消費者は劣った選択肢を検討するため、消費者はより悪い選択をする」というものである。また、消費者が特定の目標を念頭に置いている場合、彼らはさらに検索を進め、さらに悪い決定につながることも示された。^[29]アルバータ大学のジェラルド・ハウブルとマーストリヒト大学のベネディクト・GC・デラートによる研究は、主に推奨システムに焦点を当てた。両方の研究とも、パーソナライズされた検索および推奨システムは消費者の決定の質を大幅に向上させ、検査される製品の数を減らすという結論に達した。^[29]

同様に、パーソナライズされた検索におけるフィルターバブルの使用は、ユーザーにとっていくつかの利点ももたらしました。たとえば、フィルターバブルは、同じ考えを持つ市民が集まり、信念を強化することを可能にすることで、意見の多様性を高める可能性があります。また、信頼性が高く検証可能な情報のバブルにユーザーを囲むことで、偽のコンテンツや過激なコンテンツからユーザーを保護するのにも役立ちます。^[30] フィルターバブルは、ユーザーにより多くの選択肢を提供することで、情報の自由の重要な要素になり得ます。^[30]

パーソナライズ検索は、情報検索結果を改善するという意味で、ユーザーの利益にもつながることが証明されています。パーソナライズ検索は、過去の検索履歴とユーザーの希望を一致させるという意味で、ユーザーのニーズに合わせて検索結果を調整します。^[31]これにより、無関係な情報の量を減らし、ユーザーが情報の検索に費やす時間も短縮されます。たとえば、Googleでは、ユーザーの検索履歴が保存され、ユーザーの次の検索でユーザークエリと一致されます。Googleは、3つの重要な技術を通じてこれを実現しています。3つの技術には、(i)追加知識を使用したクエリの再定式化、つまりクエリの拡張または改良、(ii)取得したドキュメントの事後フィルタリングまたは再ランク付け（ユーザープロファイルまたはコンテキストに基づく）、(iii)IRモデルの改善が含まれます。^[31]

パーソナライズ検索は、より関連性の高い情報を求める声と、ほとんどの人がパーソナライズ検索などの個人情報を実際に利用できるという事実から人気が高まっています。調査によると、主要な検索エンジンでは関連性の高い結果を提供する成功率が低いことが示されています。20,000件のクエリのうち52%で、検索者はGoogleが返したドキュメント内に関連する結果を見つけることができませんでした。^[32]パーソナライズ検索は検索品質を大幅に向上させることができ、この目標を達成するには主に2つの方法があります。

最初に利用できるモデルは、ユーザーの過去の検索と検索場所に基づいています。現在の場所と以前の検索を反映した結果が見つかることが多いため、このモデルはおそらくよく知られているでしょう。

検索結果をパーソナライズする方法は他にもあります。Bracha Shapira と Boaz Zabar の「パーソナライズされた検索: コラボレーションとソーシャル ネットワークの統合」では、Shapira と Zabar は推奨システムを利用するモデルに焦点を当てました。^[33]このモデルは、類似のキーワードを検索した他のユーザーの結果を表示します。著者は、キーワード検索、推奨システム、ソーシャル ネットワークを使用した推奨システムを個別に検証し、検索品質の観点から結果を比較しました。結果は、推奨システムを備えたパーソナライズされた検索エンジンは、標準的な検索エンジンよりも高品質の結果を生成し、ソーシャル ネットワークを使用した推奨システムではさらに品質が向上することを示しています。

最近の論文「埋め込みによる検索パーソナライゼーション」では、ユーザーがトピックの関心領域に埋め込まれる検索パーソナライゼーションの新しい埋め込みモデルが、強力なランク付け学習モデルよりも優れた検索結果を生み出すことが示されています。

検索パーソナライゼーションの実装には文書化された利点がある一方で、その使用に反対する議論もあります。その使用に反対する議論の根拠は、インターネット ユーザーの検索エンジンの結果が、ユーザーの興味や履歴に一致する資料に限定されることです。検索クエリに関連する資料にユーザーが触れる機会が制限されますが、この資料の一部はユーザーの興味や履歴と異なるため、ユーザーには表示されません。検索パーソナライゼーションは、検索エンジンから客観性を奪い、エンジンを弱体化させます。「探しているものがわかっている場合、客観性はあまり重要ではありませんが、探していない場合は客観性の欠如が問題になります。」^[34]検索パーソナライゼーションに対する別の批判は、Web のコア機能である情報の収集と共有を制限することです。検索パーソナライゼーションにより、ユーザーは特定の検索クエリで利用可能なすべての情報に簡単にアクセスできなくなります。検索パーソナライゼーションは、ユーザーの検索クエリに偏りを加えます。ユーザーが特定の興味やインターネット履歴を持ち、議論を呼ぶ問題について調べるためにウェブを使用する場合、ユーザーの検索結果にはそれが反映されます。ユーザーの興味がどちらか一方に偏っている場合、問題の両側面がユーザーに表示されず、潜在的に重要な情報を見逃す可能性があります。検索パーソナライゼーションと Google ニュースの検索結果への影響について行われた調査では、各ユーザーが同じ検索クエリを入力したにもかかわらず、ユーザーによってニュース記事の順序が異なるという結果が出ました。ベイツ氏によると、「検索者のわずか 12% だけが、同じ 3 つの記事を同じ順序で表示しました。これは、フィルタリングが行われていることを示す一見したところの証拠です」。^[35]検索パーソナライゼーションがアクティブでない場合、理論上はすべての結果が同じ記事で同じ順序になっているはずです。

検索パーソナライゼーションのもう 1 つの欠点は、Google などのインターネット企業がユーザーのインターネット上の興味や履歴を収集し、他の企業に販売する可能性があることです。これにより、企業がユーザーの同意や認識なしにインターネット情報を収集して販売することに人々が満足するかどうかというプライバシーの問題が生じます。多くの Web ユーザーは検索パーソナライゼーションの使用に気づいておらず、ユーザー データがインターネット企業にとって貴重な商品であることを知っているユーザーはさらに少ないです。

『フィルターバブル』の著者であるE. パリサー氏は、 FacebookとGoogleの両方における検索パーソナライゼーションの違いについて説明しています。Facebookは、ユーザーが共有する情報の量やユーザーが「いいね！」するページに関してパーソナライゼーションを実装しています。個人のソーシャルインタラクション、最も頻繁に訪れるプロフィール、メッセージやチャットの相手は、Facebookがパーソナライゼーションを使用する際に使用される指標です。ユーザーが共有するものがフィルタリングされるものの指標になるのではなく、Googleはユーザーが「クリック」するものを考慮して、検索に表示されるものをフィルタリングします。さらに、Facebookの検索は必ずしもGoogleの検索ほどプライベートではありません。Facebookはより公的な自己を利用し、ユーザーは他の人が見たいものを共有します。写真にタグを付ける際も、Facebookはパーソナライゼーションと顔認識を使用して、顔に自動的に名前を割り当てます。Facebookの「いいね！」ボタンは、ユーザーを利用してWebサイトを独自にパーソナライゼーションします。ユーザーがコメントまたは「いいね！」した投稿は、今後ユーザーが興味を持つ投稿の種類をFacebookに伝えます。これに加えて、ユーザーが「将来的にコメントしたり、共有したり、スパムしたりする」投稿の種類を予測するのにも役立ちます。^[36]これらの予測を組み合わせて1つの関連性スコアが生成され、Facebookがユーザーに何を表示し、何をフィルタリングするかを決定するのに役立ちます。^[36]

Google の場合、ユーザーは最初にクリックしたものに基づいて、類似の Web サイトやリソースを提供されます。フィルター戦略を使用してユーザーの好みをよりよく順守する他の Web サイトもあります。たとえば、Netflixもユーザーの検索履歴から判断して、将来興味を持ちそうな映画を提案します。Amazonや個人ショッピング サイトなどのサイトも、ユーザーの興味をよりよく満たすために他の人の履歴を使用します。Twitterも、フォローする他の人を「提案」することでパーソナライズを使用しています。さらに、Twitter は、ユーザーが「フォロー」、「ツイート」、「リツイート」した相手に基づいて、ユーザーに最も関連性の高い提案をフィルターします。LinkedInは、検索結果を 2 つのレベルでパーソナライズします。^[14] LinkedInのフェデレーション検索は、ユーザーの意図を利用して垂直順序をパーソナライズします。たとえば、「ソフトウェア エンジニア」などの同じクエリでは、検索者が採用または求職の意図を持っているかどうかに応じて、主要な垂直として人または仕事が提供されます。各垂直内 (たとえば、人検索) では、検索者と結果の類似性と社会的関係を考慮して、結果のランキングもパーソナライズされます。 Facebookの創設者マーク・ザッカーバーグは、人は1つのアイデンティティしか持たないと信じていた。E・パリサーは、それは完全に誤りであり、検索のパーソナライゼーションはそれが真実ではないことを証明するもう一つの方法に過ぎないと主張している。パーソナライズされた検索は役立つように見えるかもしれないが、それは特定の人物について正確に表現するものではない。また、自分を良く見せるために検索したり共有したりする人もいる。例えば、政治記事やその他の知的記事を検索したり共有したりする人がいるかもしれない。さまざまな目的で使用されている多くのサイトは、個人のアイデンティティをまったく構成せず、代わりに誤った表現を提供している。^[16]

GoogleやYahoo!などの検索エンジンは、パーソナライズされた検索を利用して、潜在的な顧客を彼らの推定される欲求に合う製品に引き付けます。個人のウェブクリックから集約された大量の収集データに基づいて、検索エンジンはパーソナライズされた検索を使用して、個人の興味をそそる可能性のある広告を掲載できます。パーソナライズされた検索を使用すると、消費者は欲しいものをより早く見つけられるだけでなく、より専門的またはニッチな市場内の個人に製品やサービスをマッチさせるのに役立ちます。パーソナライズされたオンライン結果を通じて販売されるこれらの製品やサービスの多くは、実店舗での販売に苦労します。これらのタイプの製品やサービスはロングテールアイテムと呼ばれます。^[37]パーソナライズされた検索を使用すると、消費者はより早く製品やサービスを発見でき、それらの消費者にリーチするために必要な広告費を削減できます。さらに、パーソナライズされた検索を使用すると、企業はどの個人に自社の製品やサービスのオンラインクーポンコードを提供すべきかを判断するのに役立ちます。個人が自社の Web サイトを閲覧したか、商品の購入を検討したか、または以前に購入したことがあるかを追跡することにより、企業は他の Web サイトに広告を掲載してその特定の消費者にリーチし、購入を促すことができます。

消費者と企業がお互いを見つけるのを助けること以外にも、パーソナライズされた検索を提供する検索エンジンは大きなメリットがあります。個人に関するデータが収集されるほど、パーソナライズされた結果が高まります。その結果、検索エンジンはより多くの広告を販売できます。なぜなら、企業は、中程度および低い割合の一致の個人よりも、高い割合の一致の個人に販売する方がよいことを理解しているからです。パーソナライズされた検索のこの側面は、ウィリアム・バドケやイーライ・パリサーなど多くの学者を怒らせます。なぜなら、彼らはパーソナライズされた検索は広告収入を増やしたいという欲求によって動かされていると考えているからです。さらに、彼らは、パーソナライズされた検索結果は、特定の検索エンジン会社またはそれらと提携している他の会社が提供する製品やサービスを使用するように個人を誘導するために頻繁に利用されていると考えています。たとえば、少なくとも 1 つの実店舗がある会社を Google で検索すると、クエリの最初の結果として、Google マップ サービスを使用して最も近い会社の場所を示す地図が表示されます。^[38] MapQuest などの他のマッピング サービスを使用するには、ユーザーは結果をさらに深く調べる必要があります。もう 1 つの例は、より漠然としたクエリに関するものです。 Google 検索エンジンを使用して「靴」という単語を検索すると、消費者のクエリに対して最初の結果として自社の Web サイトをリンクするために Google に料金を支払っている靴会社の広告がいくつか表示されます。