Loading article…
略奪的広告、または略奪的マーケティングは、子供や認知障害のある成人などの脆弱な人々を、その脆弱性を隠蔽して不利な市場取引に誘導する行為として広く理解できます。個人や集団の脆弱性は、特に状況によって異なり、あらゆる状況で存在するとは限らないため、特定するのが難しい場合があります。[ 1 ]一般的に悪用される脆弱性には、身体的、感情的、社会的、認知的、年齢、および経済的特性が含まれます。
悪質なマーケティングキャンペーンは、虚偽または誤解を招くメッセージを利用して、個人を不当な取引に誘導することもある。こうした手法の歴史は一般的な広告の歴史と同じくらい古いが、特に悪質な形態は情報技術の爆発的な発展に伴って出現した。大規模なデータ分析産業の発展により、マーケターはこれまで入手困難だった個人情報にアクセスできるようになり、高度なアルゴリズムを用いてそれを活用・最適化している。
一般的な例としては、営利目的の大学業界、いわゆる「ニッチな」金融機関、政治的なマイクロターゲティング、高齢者や児童の搾取などが挙げられる。こうした行為を抑制するため、様々なレベルの政府機関で多くの法的措置が講じられてきたが、その成果はまちまちである。
略奪的な広告は、特定の特性、生活環境、または特定のグループへの所属に基づいて個人を意図的に搾取することに大きく依存しています。これらの特性によって生じる「脆弱性」は文脈依存的であり、市場や取引によって異なります。言い換えれば、これらの特性の一部または全部を持つ個人が、市場において普遍的に脆弱になるわけではありません。[ 1 ]さらに、これらの特性をターゲットとするすべてのマーケティングや広告が必ずしも「略奪的」であるとは限りません。なぜなら、その行為の条件は主に広告主の意図に依存するからです。マーケティングは、倫理的な範囲内であっても、潜在的な消費者の「痛みのポイント」を特定しようとする自然な傾向があるため、この区別は特に不明瞭になる可能性があります。それでも、最も一般的な脆弱性の形態を明確にすることは役立ちます。最も一般的な搾取の経路のいくつかは次のとおりです。[ 2 ]
多くの悪質な広告主は、明らかに虚偽または欺瞞的な主張を利用して消費者を市場取引に誘導します。これらの主張は、表面上は真実であっても、情報の意図的な省略や個人の状況に基づいて誤った推論を導き出すため、分類や規制が非常に困難です。これらの戦術の多くは、広告業界全体ではある程度自然で受け入れられているかもしれませんが、特定の状況で使用されると悪質なものになり得ます。研究者たちは、マーケティングの現場でこれらの戦術がどのように使用されているかをよりよく理解するために、これらの戦術の一般的な分類をまとめています。[ 4 ]
これには、統計データやその他の経験的データなど、明らかに虚偽である主張やプレゼンテーションが含まれます。例えば、営利目的の大学が「卒業生の98%が卒業後1ヶ月以内に就職しています！」と主張する場合、これは事実ではありません。
製品やサービスに関する主張において、その主張に関連する重要な情報が含まれていない記述。例えば、あるコマーシャルで「臨床試験により製品の有効性が証明された」と謳っているが、実際にはその臨床試験は、広告で用いられているものとは異なる文脈や指標で製品の有効性を測定したものである場合などが挙げられる。
真実である可能性はあるものの、消費者を誤った推論に導くことを意図した発言。これらは、製品やサービスに関する情報不足、あるいは消費者を取り巻く状況的環境を利用する可能性がある。これらはさらに以下のように分類できる。
21世紀を通じて情報技術が爆発的に発展したことで、特に個人データの収集と使用に関して、まったく新しいプライバシー上の懸念が生じています。現代生活への参加にデジタルプラットフォームへの依存がほぼ不可欠になったため、個人は直接提出するか、ユーザーの関与から推測されるかのいずれかで、大量の個人情報を放棄するよう求められています。[ 5 ]エンドユーザー許可契約に概説されているように、個人情報へのアクセスは一般的に参加者によって合意されていますが、インフォームドコンセントの問題は、同意書の明確性を高める提案や、データ使用の明確な境界を確立する取り組みなど、数多くの立法努力を引き起こしています。
多くの分野で高く評価されているこのデータの商品化は、「データブローカー」産業の急激な成長を促しました。医療、金融、その他の同様に保護されている分野など、確立された業界規範や規制（デジタル時代には適用が難しいものもある）を除けば、次のような個々の組織によって収集されたデータは、
FacebookやAcxiomなどの第三者仲介業者によって収集されたデータは、幅広い用途に利用できる。[ 6 ]これらのデータの多くは比較的無害、あるいは肯定的であり、パーソナライズされたユーザーエクスペリエンスのカスタマイズに利用されることが多いが、こうしたデータが非倫理的なマーケターに利用可能になったことで、略奪的な広告の問題が悪化している。[ 7 ]
データ抽出と集約は、プラットフォームとビジネスの広範なネットワークで行われます。情報の多くは、ソーシャルメディアのエンゲージメント、オンライン小売業者からのロイヤルティプログラムと購入履歴、ウェブブラウザのクエリ、政府の記録、モバイルアプリケーションの使用と嗜好など、個別のソースから発生します。[ 8 ] [ 9 ]収集される情報は、利用可能な支払い方法から健康状態まで、多くの個人データポイントで構成されています。[ 5 ]特に収益の大部分が広告販売で構成されている大規模なテクノロジー プラットフォームの場合、この情報は、広告主に直接、または第三者の仲介会社に販売されることがよくあります。これらの会社は、多数のソースからのデータの集約と分類を専門としており、その後、広告主やその他の関係者に市場で販売されます。[ 5 ]
分類のプロセスは、包括的なデータ集約によって可能になった搾取の経路を理解する上で特に重要です。連邦取引委員会による2013年の報告書では、データ仲介会社が個人を「移動ゼロ」、「信用危機：都市部の家族」、「地方でかろうじて生活している」、「苦難に耐えている」、「厳しいスタート：若いシングルペアレント」などのラベルが付いたグループに分類していたことが判明しました。[ 5 ]
消費者の脆弱性に関する情報は、特定のテレビ視聴率に基づく特定の人口統計をターゲットにするなど、以前から代理指標を通じて推測されてきたが、個人に関する情報への直接アクセスが劇的に増加したこと、特に消費者への直接的なパーソナライズ広告の手法と相まって、悪質な広告キャンペーンの精度と効力が高まっている。[ 10 ]
この情報により、広告主はオンライン行動ターゲティングを行うことができるようになり、さまざまなソースから以前に抽出された個人情報に基づいて個人に広告が配信されます。[ 11 ]複雑なアルゴリズムと、以前は個別のデータであったデータの集約により、広告主はますます正確な個人特性をターゲットにするだけでなく、膨大なデータセットを必要とする統計的推論に基づいて個人について推論を行うことも可能になりました。この結果の1つは、健康状態、人種、個人の財務履歴など、従来保護されていた情報が、問題の特定の項目に関するデータを収集することなく、より高い確実性で推測できるようになったことです。[ 6 ]
データが収集、集約、分類されると、広告主と消費者のつながりが生まれます。こうしたつながりは、Google傘下のDoubleClickのような仲介業者によって促進されることが多く、DoubleClickはマーケターに広告を表示するための幅広いウェブサイトを提供しています。[ 12 ]これらの仲介業者を利用することで、ウェブサイトは個別の広告スペースを販売する必要がなくなり、代わりにアルゴリズムが望ましい指標の複雑な組み合わせに基づいてユーザーにパーソナライズされた広告を表示できるようになります。[ 12 ]この手法は「マイクロターゲティング」と呼ばれることもあります。[ 9 ]このプロセスはユーザーに個別化された体験を提供する能力を最適化しますが、従来広告収入に依存するプラットフォームに課せられていた広告配置の監視責任の多くを軽減します。さらに、前のセクションで挙げたようなグループ化ラベル（例：「借金に苦しむ独身者」）を使用してアルゴリズムを構築すると、特定の特性をターゲットにして利用しようとする広告主は、最も脆弱な層に容易にリーチできます。
アルゴリズムの使用は、悪意なく構築された場合でも、このようなターゲット広告につながる可能性があることに注意することが重要です。機械学習を利用するシステムは、過去のインタラクションに基づいてユーザーのエンゲージメントを高める広告を表示するように「学習」するため、脆弱な人々がその脆弱性に「訴えかける」広告を受け取る頻度が強化され、増加する可能性があります。
営利目的の大学業界は過去 10 年間に数多くの訴訟に直面しており、その多くは欺瞞的なマーケティング キャンペーンへの関与に関するものでした。米国政府会計検査院の調査では、選定された 15 の機関のうち 4 機関が明白な詐欺行為を行っており、15 機関すべてが入学、就職の見込み、または授業料について欺瞞的な発言をしていたことが判明しました。[ 13 ]広告は一般的に低所得者を対象としていましたが、マーケティング活動の大部分はGI 法の給付金を受けられる退役軍人に焦点を当てていました。オバマ政権時代に発表された大統領令では、9.11 テロ後の法案の復活により退役軍人の高等教育に資金が再配分された後、営利目的の機関が退役軍人とその家族を積極的にターゲットにし始め、一部の機関は外傷性脳損傷やその他の深刻な精神的脆弱性を抱える人々を勧誘していたことが判明しました。[ 14 ]これらの機関のリード ジェネレーションの多くは、上記で概説したデータ駆動型のツールを使用して行われています。[ 15 ]他の研究では、営利目的の教育機関が、就職斡旋を約束することで社会的流動性の低下を利用した広告手法によって、不均衡に多くの低所得マイノリティを引き付けていることが示されています。研究によると、入学した学生の大部分は、学位取得のために借金をしたにもかかわらず、学位を取得していません。[ 16 ]
略奪的融資とは、経済的に困窮している個人に不利な条件で高金利の融資を行うプロセスです。データ環境により、これらの個人を見つけることがはるかに容易になりました。前述のように、この情報は、相関関係のある多くのオンライン行動を通じて確認できます。たとえば、検索ブラウザでクーポン、「非主流」の金融機関、または低賃金の仕事について定期的に検索する人は、これらの融資の広告のターゲットに不均衡に多くなります。[ 15 ]調査によると、小切手換金所（CCO）、ペイデイローン業者、質屋などの「非主流」の金融機関は、特に同じ地域における主流の金融機関の相対的な少なさと比較すると、低所得者層の地域に不均衡に多く存在しています。一部の研究者は、この現象を「略奪的包摂」と呼んでおり、非主流の機関が「代替」サービスを提供する必要性は、より大きな構造的な社会経済的ダイナミクスによってのみ可能になることを示しています。[ 17 ]代替資源の不足と巧妙なターゲット設定方法の組み合わせにより、特に大不況以降、こうした融資の普及率が大幅に増加した。[ 18 ]
データ駆動型マイクロターゲティングの使用により、政治家は特定の個人に合わせてメッセージをカスタマイズし、オンライン活動を通じて示された可能性のある好み、懸念、関心、恐怖に直接語りかけることができるようになった。[ 9 ]これらの慣行は、個人名を使用したり、個人に関連する問題でキャンペーンを行ったりすることで政治家の関与を高めることができるため、概ね無害であるかもしれないが、批評家は民主主義プロセスにいくつかの壊滅的な影響があると指摘している。最も注目すべき例の1つはケンブリッジ・アナリティカのスキャンダルであり、このコンサルティング会社は大量の個人データを使用して非常に扇動的なターゲット資料を作成し、多数の国際選挙に影響を与えたとされている。[ 19 ]
長年にわたり、葬儀社が最近愛する人を亡くした人々の感情的な弱みにつけ込み、不必要なサービスを売りつけたり、従来の葬儀プランの価格を吊り上げたりしているという報告が数多くありました。この行為があまりにも蔓延していたため、連邦取引委員会は「葬儀規則」として知られる規制を制定し、消費者が問い合わせをしなくても簡単に価格を比較できるように、「一般価格表」を用意するなど、葬儀社に対する複数の規定を定めました。[ 20 ]
研究によると、子供は広告メッセージに特に影響されやすく、ほとんどの子供はコンテンツの説得力が商業的な動機によるものであることを認識できない。[ 21 ]テレビで子供にマーケティングを行う方法を規定する規制が設けられてきたが、インターネット上の子供をターゲットにした広告活動は分類や規制が難しくなっている。一般的な例としては、「アドバゲーム」、つまりブランドコンテンツを利用して潜在意識にブランドへの好感を植え付けるオンラインゲームがある。[ 22 ]これらは大手食品業界のコングロマリットによってよく使われており、多くの懸念を引き起こしている。多くの場合、これらのゲームでは、ブランド認知度を高めるために、企業の「スポークスキャラクター」（例えばトニー・ザ・タイガー）をゲームの主要キャラクターとして使用する。もう1つの一般的な戦術は、アドバゲームを、製品の入手が望ましい目標となるように構成することである（例えば、キャンディーバーやそれに相当するものを手に入れると、プレイヤーにポイントや賞品が与えられる）。研究者らは、仮想製品の入手に関連する報酬メカニズムがしばしば市場にも持ち込まれ、最終的に子供の消費パターンに影響を与えることを示している。研究では、そのような広告への接触と、栄養価の低い食品の摂取による健康状態の悪化との間に直接的な相関関係があることが示されている。[ 23 ]
米国では、特に個人データの利用を伴う略奪的な広告慣行に対応して行われた規制努力の多くは、連邦取引委員会が主導してきた。[ 24 ]議会もまた、現代のデータ収集と広告における情報非対称性とプライバシーの懸念に対処するために、数多くの立法措置を講じてきた。規制措置の支持者は、データ規制は多くの理由から非常に難しいと説明している。データ収集の取り組みにおける透明性の向上を求める声が多い一方で、批判者は、データはしばしば再パッケージ化され、多くの仲介業者を通じて販売されるため、透明性だけでは不十分であり、元の目的や意図として明確に示されていない多くの用途につながると主張している。[ 6 ]これらの批判者は、データの運用上の利用全般に直接的なパラメータを設ける方が良いと示唆している。規制改革の反対者は、これはおそらく意図せずして、企業がデータを肯定的な目的で利用する能力を大幅に阻害するだろうと述べている。さらに、単一のデータポイントが幅広い産業分野で使用される可能性があるため、分野別の法制化は効果がないかもしれない。現在までに、議会はいくつかの注目すべき法案を提出したが、そのほとんどは可決されなかった。