Valuing User Data by Predictive Contribution: A Framework for Privacy Compensation under Heterogeneous Risk Preferences in Platform Markets

In de digitale economie vindt er bij elk gebruik van een platform een enorme en onzichtbare uitwisseling plaats. Gebruikers bieden hun persoonlijke informatie aan — wat ze kopen, waar ze wonen en hoe ze zich gedragen — in ruil voor diensten, van gerichte advertenties tot gepersonaliseerde aanbevelingen. Voor de bedrijven die deze platforms beheren, is deze data een krachtig bezit, een grondstof die wordt gebruikt om toekomstig gedrag te voorspellen en winst te drijven. Er heeft echter lang een fundamentele discrepantie bestaan in de manier waarop deze waarde wordt gemeten. Traditioneel is de prijs van data gekoppeld aan hoe "gevoelig" het wordt beschouwd; een medisch dossier of een woonadres wordt vaak als meer waard beschouwd dan een eenvoudige voorkeur voor een bepaald type muziek. Tegelijkertijd koppelen de bedrijven die de data gebruiken zelden het geld dat ze ervoor betalen aan de werkelijke economische waarde die dat specifieke stukje informatie genereert voor hun bedrijfsmodellen. Dit laat gebruikers het risico op privacyverlies dragen zonder een duidelijk mechanisme voor compensatie dat de werkelijke waarde weerspiegelt van wat zij opgeven.

Een nieuwe studie probeert dit onbalans op te lossen door een raamwerk voor te stellen dat de waarde van gebruikersdata baseert op wat de data daadwerkelijk doet voor een voorspelling, in plaats van alleen op wat de data is. De onderzoekers bouwden een systeem dat data niet behandelt als een statische grondstof, maar als een dynamische bijdrager aan besluitvorming. Ze stelden een eenvoudige maar diepzinnige vraag: als een stukje data een computermodel helpt om de volgende aankoop van een gebruiker te voorspellen, hoeveel is die bijdrage waard, en hoe zou de gebruiker ervoor betaald moeten worden? Om dit te beantwoorden, bewogen ze weg van het oude idee dat alle "gevoelige" data even waardevol is. In plaats daarvan maten ze de specifieke invloed van elk datapunt op de nauwkeurigheid van een machine learning-model. Op deze manier konden ze de compensatie die een gebruiker ontvangt direct koppelen aan de economische nuttigheid die hun data genereert, terwijl ze ook rekening hielden met het feit dat verschillende mensen verschillend over het delen van hun privacy denken.

De onderzoekers testten hun ideeën met behulp van een dataset uit een groot e-commerce-ecosysteem, die informatie bevat over duizend gebruikers. Ze vroegen computermodellen om twee taken uit te voeren: eerst voorspellen of een gebruiker een aankoop zou doen, en daarna voorspellen hoe vaak een gebruiker zou kopen. Ze trainden deze modellen met diverse algoritmen, waaronder complexe boomstructuur-gebaseerde systemen die complexe patronen in gedrag kunnen herkennen. De resultaten waren opmerkelijk. De modellen vonden dat de meest waardevolle datapunten niet de punten waren die traditioneel als zeer gevoelig werden bestempeld, zoals geslacht of locatie van een persoon. In plaats daarvan kwam de data die de voorspellingen het krachtigst aanstuurde van transactionele gedragingen, specifal het gemiddelde bedrag dat een gebruiker per bestelling uitgaf en de totale bestelgeschiedenis.

Toen de onderzoekers precies analyseerden hoeveel elk stukje informatie bijdroeg aan de uiteindelijke voorspellingen, kwam er een duidelijk patroon naar voren. De transactionele attributen, die misschien alledaags lijken, waren verantwoordelijk voor ongeveer eenentachtig procent van de totale voorspellende waarde gegenereerd door de gehele dataset. In contrast hiermee droegen demografische details zoals leeftijd, geslacht en locatie zeer weinig bij aan het vermogen van de modellen om gedrag te voorspellen. Dit resultaat daagt de algemene aanname uit dat privacygevoeligheid en economische waarde in dezelfde richting bewegen. De studie suggereert dat de winkelgewoonten van een gebruiker veel waardevoller zijn voor het voorspellende systeem van een platform dan hun persoonlijke demografie, ook al wordt de demografie vaak als het meest privaat en daarom als het duurst in aanschaf beschouwd.

Om dit te vertalen naar een eerlijk betalingssysteem, introduceerden de onderzoekers een methode om de specifieke waarde van elk data-attribuut te berekenen. Ze gebruikten een techniek die meet hoeveel de voorspelling verandert wanneer een specifiek stukje informatie wordt toegevoegd of verwijderd. Dit stelde hen in staat om een monetaire waarde aan elk attribuut toe te wijzen op basis van de werkelijke bijdrage aan het succes van het model. Ze combineerden dit vervolgens met een maatstaf voor privacygevoeligheid, variërend van publieke informatie zoals een bijnaam tot zeer gevoelige data zoals gezondheidsomstandigheden. Cruciaal was dat ze ook erkenden dat mensen niet allemaal hetzelfde zijn als het gaat om risico. Sommige gebruikers zijn bereid informatie te delen voor een kleine beloning, terwijl anderen extreem voorzichtig zijn en een hoge prijs eisen voor dezelfde openbaarmaking. Het raamwerk houdt rekening met deze verschillen door drie verschillende compensatiepaden te creëren voor risicozoekende, risiconeutrale en risicomijdende gebruikers.

De studie onderzocht ook hoe de waarde van data verandert naarmate de hoeveelheid data groeit. Ze testten de modellen met een toenemend aantal gebruikersrecords om te zien of het verzamelen van meer data altijd leidt tot betere voorspellingen. Ze ontdekten dat hoewel het toevoegen van data de prestaties aanvankelijk aanzienlijk verbetert, de voordelen uiteindelijk afvlakken. Zodra een model heeft geleerd van ongeveer veertig tot zestig procent van de beschikbare data, levert het toevoegen van meer records zeer weinig extra waarde op. Dit suggereert dat de strategie van platforms om eindeloze hoeveelheden data te verzamelen inefficiënt is. Voorbij een bepaald punt wegen de kosten voor het compenseren van gebruikers voor hun extra data niet op tegen de minimale winst in voorspellende nauwkeurigheid.

Door deze elementen samen te brengen, construeerden de onderzoekers één enkele formule voor het waarderen van gebruikersdata. Deze formule begint met een basiskost, die de kosten omvat voor het betalen van gebruikers voor hun privacy en de operationele kosten van het opslaan en verwerken van de informatie. Vervolgens voegt het een premie toe op basis van hoe nuttig de data is voor het doen van voorspellingen. Als de data zeer effectief is bij het sturen van zakelijke beslissingen, stijgt de waarde van het dataproduct aanzienlijk boven de kosten van de verwerving uit. Als de data slecht is in het voorspellen van uitkomsten, blijft de waarde dicht bij de basiskost. Deze benadering zorgt ervoor dat de prijs van data zowel de kosten van de privacy van de gebruiker als het werkelijke economische voordeel dat de data biedt, weerspiegelt.

De implicaties van dit werk zijn aanzienlijk voor de manier waarop datamarkten in de toekomst zouden kunnen functioneren. Het biedt een manier om weg te bewegen van algemene regels die alle persoonlijke informatie als even waardevol of even riskant behandelen. In plaats daarvan suggereert het een genuanceerder systeem waarbij gebruikers worden gecompenseerd op basis van de specifieke bruikbaarheid van de gedeelde informatie. Een gebruiker die gedetailleerde bestedingspatronen verstrekt, kan een hogere betaling ontvangen dan iemand die alleen een postcode verstrekt, niet omdat de bestedingspatronen privater zijn, maar omdat ze nuttiger zijn voor de doelen van het platform. Deze afstemming van waarde en compensatie kan leiden tot een transparantere en rechtvaardigere data-economie, waarbij de informatiestroom wordt beheerst door duidelijke, meetbare bijdragen in plaats van vage aannames over privacy.

Uiteindelijk demonstreert de studie dat de waarde van gebruikersdata geen vaste eigenschap is van de informatie zelf, maar een resultaat van hoe die informatie wordt gebruikt. Door te focussen op voorspellende bijdrage, hebben de onderzoekers een instrument geboden om de economische waarde van data te scheiden van het emotionele gewicht van privacy. Dit onderscheid maakt een meer rationele aanpak van datagovernance mogelijk, waarbij platforms geïnformeerde beslissingen kunnen nemen over welke data ze verzamelen en waarvoor ze betalen, en gebruikers de werkelijke waarde van de informatie die zij delen kunnen begrijpen. Het raamwerk lost niet elk probleem in de digitale economie op, maar biedt een gestructureerd pad vooruit, waarbij het abstracte concept van de waarde van data wordt gegrond in de concrete realiteit van hoe machines leren en hoe mensen keuzes maken.