クリックトラッキング

クリックトラッキングとは、ユーザーのクリック行動やナビゲーション行動を収集して、洞察を引き出し、ユーザーを指紋で特定することです。[ 1 ] [ 2 ]クリック行動は通常、クリックパスやクリックされたURL（Uniform Resource Locator）を含むサーバーログを使用して追跡されます。[ 2 ] [ 3 ]このログは、ホスト名、日付、ユーザー名などの情報を含む標準形式で提示されることがよくあります。 [ 2 ]しかし、技術の発展に伴い、新しいソフトウェアでは、ハイパービデオツールを使用してユーザーのクリック行動を詳細に分析できるようになりました。[ 1 ]インターネットは危険な環境と考えられるため、研究では、ユーザーが特定のリンクをクリックし、他のリンクをクリックしない理由を理解しようと努めています。[ 4 ]また、ユーザーの個人識別情報を個別に匿名化し、データ収集同意書の作成方法と構造を改善することで、プライバシーのユーザーエクスペリエンスを調査する研究も行われています。[ 5 ] [ 6 ]

クリックトラッキングは、ヒューマンコンピュータインタラクション（HCI）、ソフトウェアエンジニアリング、広告など、いくつかの業界で関連しています。[ 1 ] [ 7 ]電子メールトラッキング、リンクトラッキング、ウェブ分析、ユーザーリサーチもクリックトラッキングの関連概念およびアプリケーションです。[ 8 ]クリックトラッキングからのクリックデータの一般的な利用法は、検索エンジンの結果の順位を改善して、ユーザーのニーズにより関連した順序にすることです。[ 9 ]クリックトラッキングでは、機械学習やデータマイニングなどの多くの最新技術が採用されています。[ 9 ]

追跡および記録技術

追跡・記録技術（TRT）は、機関TRTとエンドユーザーTRTの2つのカテゴリーに分けられます。[ 10 ]機関TRTとエンドユーザーTRTは、データの収集と保存を行う主体によって異なり、それぞれ機関とユーザーを指します。TRTの例としては、無線周波数識別（RFID）、クレジットカード、店舗のビデオカメラなどが挙げられます。調査によると、個人はプライバシーを懸念していますが、TRTの日常的な使用方法についてはそれほど懸念していません。[ 10 ]この矛盾は、一般の人々が自分に関する情報がどのように収集されているかを理解していないことに起因しています。[ 10 ]

ユーザー入力を取得するもう1つの方法は、視線追跡です。視線追跡技術は、特に運動障害のある人にとって有益です。[ 11 ]視線追跡を採用したシステムは、カーソルやキーボードの動作を模倣しようとすることがよくあります。[ 11 ]このプロセスでは、視線追跡システムがシステムインターフェース内の独自のパネルに分離され、ユーザーがパネルと他のインターフェース機能を切り替える必要があるため、このシステムのユーザーエクスペリエンスが損なわれます。また、ユーザーは最初にキーボードとカーソル機能を使用してタスクを完了する方法を想像し、次に視線を使用する必要があるため、エクスペリエンスは困難です。これにより、タスクに追加の時間がかかります。[ 11 ]そのため、研究者はGazeTheWeb （GTW）と呼ばれる独自のWebブラウザーを作成し、ユーザーエクスペリエンスを研究の焦点にしました。彼らはインターフェースを改良して、視線をより適切に組み込むようにしました。[ 11 ]

視線追跡は、ウェブアプリケーション開発時のユーザビリティテストにも応用されています。 [ 12 ]しかし、ユーザーの視線追跡には、適切な機器を備えた実験室環境が必要となる場合が多いです。マウスとキーボードの操作はリモートで測定できるため、この特性をユーザビリティテストに活用できます。[ 12 ]アルゴリズムはマウスの動きからユーザーの視線を予測・追跡することができます。このようなリモート環境での追跡は、リモートロギング技術と呼ばれます。[ 12 ]

これは複数の参加者の視線追跡を記録した例です。

ブラウザフィンガープリンティングは、ユーザーを識別し追跡するもう一つの手段です。[ 13 ]このプロセスでは、ユーザーに関する情報がウェブブラウザから収集され、ブラウザフィンガープリントが作成されます。ブラウザフィンガープリントには、デバイス、オペレーティングシステム、ブラウザ、および設定に関する情報が含まれます。HTTPヘッダー、JavaScript、ブラウザプラグインは、フィンガープリントの作成に使用できます。[ 13 ]ブラウザフィンガープリントは、自動ソフトウェアアップデートやユーザーのブラウザ設定の変更によって時間の経過とともに変化する可能性があります。この領域におけるプライバシー強化策は、機能をブロックすることで機能性を低下させる可能性があります。[ 13 ]

クリックトラッキングの方法

ユーザーのブラウジング行動は、クリックされたURL、クエリ、パスのパターンを含むサーバーアクセスログを使用して追跡されることがよくあります。[ 1 ]しかし、より現代的な追跡ソフトウェアは、カーソルの行動を追跡するためにJavaScriptを利用しています。収集されたマウスデータを使用してビデオを作成し、ユーザー行動を再生して簡単に分析することができます。ハイパーメディアは、ハイライト、ためらう、選択などの行動を監視できる視覚化を作成するために使用されます。[ 1 ]このような行動を記録するために使用される技術は、その行動を予測するためにも使用できます。これらの監視ツールの1つであるSMT2єは、15個のカーソル特徴を収集し、残りの14個を使用して最後の特徴の結果を予測します。[ 1 ]このソフトウェアは、ユーザーのカーソルアクティビティを要約したログ分析も生成します。[ 1 ]

検索セッションでは、クッキー、identdプロトコル、またはIPアドレスを使用してユーザーを識別できます。この情報はデータベースに保存され、ユーザーがWebページに再度アクセスするたびに、クリック動作がデータベースに追加されます。DoubleClick Inc は、このようなデータベースを持ち、他の企業と提携してWebマイニングを支援している企業の一例です。[ 2 ]クッキーはHTTP （ハイパーテキスト転送プロトコル）に追加され、ユーザーがリンクをクリックすると、関連するWebサーバーに接続されます。[ 3 ]ユーザーがリンクをクリックするこのアクションはリクエストと見なされ、サーバーはユーザーの情報を送信することで「応答」しますが、この情報がクッキーです。 [ 3 ]クッキーは、Webサイト上のユーザーのセッションの「ブックマーク」を提供し、ユーザーのログイン情報とユーザーがWebサイトで訪問したページを保存します。[ 3 ]これは、セッションの状態を保持するのに役立ちます。このようなサーバーが複数ある場合は、すべてのサーバー間で情報が一致している必要があるため、情報が転送されます。クッキーを通じて収集されたデータは、すべてのユーザーのウェブサイトを改善するために使用され、広告のためのユーザープロファイリングにも役立ちます。[ 3 ]

データマイニング技術と統計手法を用いてウェブログデータを理解するプロセスは、ログ分析またはウェブ利用状況マイニングと呼ばれます。これは、ユーザーのナビゲーション行動のパターンを特定するのに役立ちます。[ 2 ]観察できる特徴としては、ユーザーがページを閲覧した時間、クリックパスの長さ、クリック数などがあります。[ 2 ]ウェブ利用状況マイニングには3つの段階があります。まず、ログデータを「前処理」して、ユーザーと検索セッションのコンテンツを確認します。次に、相関分析やクラスタリングなどのツールを適用してパターンを探し、最後に、これらのパターンを保存してさらに分析します。[ 2 ]相関ルールマイニングというツールは、ユーザーが検索セッションで訪問するページ間の「パターン、関連性、相関関係」を見つけるのに役立ちます。シーケンシャルパターン検出は相関ルールマイニングですが、割り当てられた期間内のページビューなどの時間も考慮に入れます。[ 2 ]分類は、特定の類似した特性を表すグループにページを追加するためのツールです。[ 2 ]

クリック分析を行う際に個人が使用できるツールの例としては、Google AnalyticsのIn-Page Analytics、ClickHeat、Crazy Eggなどが挙げられます。[ 14 ]これらのツールは、ウェブページ上のユーザーのクリックデータを視覚的に表示します。[ 14 ] ClickHeatとCrazy Eggは、ユーザーのクリック密度を特定の色で表示します。また、これらのツールはすべて、ウェブページ訪問者をモバイルユーザーや特定のブラウザを使用しているなどの特性に基づいてグループに分類できます。特定のグループのデータは、さらなる洞察を得るために分析されます。[ 14 ]

クリック動作

ユーザーがリンクをクリックする際に考慮する主な要素の一つは、検索結果リストにおけるリンクの位置です。リンクが上位に近いほど、ユーザーに選択される可能性が高くなります。[ 15 ]ユーザーが特定のテーマに個人的なつながりを持っている場合、その記事をより頻繁にクリックする傾向があります。ニュースコンテンツ内の写真、位置、特定の人物も、ユーザーの意思決定に大きな影響を与えます。ニュースのソースはそれほど重要ではないと判断されました。[ 15 ]

クリック態度とクリック意図は、ユーザーのクリック行動に大きな役割を果たします。[ 8 ]ある研究では、被験者に肯定的な保険広告写真と否定的な保険広告写真を提示したところ、感情とクリック意図およびクリック態度の間に正の相関関係が見られました。研究者らはまた、クリック態度がクリック意図に影響を与え、肯定的な感情は否定的な感情よりもクリック態度に大きな影響を与えることも観察しました。[ 8 ]

インターネットは、発生する可能性のあるサイバーセキュリティ攻撃の多さとマルウェアの蔓延により、危険な環境であると考えられます。したがって、個人がインターネットを使用するときはいつでも、さまざまなリンクをクリックするかどうかを判断する必要があります。[ 4 ] 2018年の調査によると、ユーザーは使い慣れたウェブサイトのURLをより多くクリックする傾向があり、このユーザー特性がサイバー犯罪者に悪用され、個人情報が侵害される可能性があります。したがって、信頼はクリックスルー意図も高めると考えられています。[ 4 ] Google Chromeの警告が表示されると、70%の確率でクリックスルーします。また、このプロセスでコンピューターのデフォルト設定を調整する傾向があります。[ 4 ]また、個人情報が漏洩する可能性が高い場合、ユーザーはマルウェアのリスクをよりよく認識することがわかっています。[ 4 ]

検索結果の関連性

特定の検索セッション中にユーザーが閲覧したページはクリックデータとなります。[ 9 ]このようなデータは、明示的フィードバックと暗黙的フィードバックという2つの方法で検索結果の改善に活用できます。明示的フィードバックとは、ユーザーが検索クエリに関連するページを示すことです。一方、暗黙的フィードバックとは、ユーザーの行動を解釈して結果の関連性を判断することです。解釈プロセスの一部として使用できるウェブページ上のユーザー行動には、特定のウェブページのブックマーク、保存、印刷などがあります。[ 9 ]少数のユーザーからクリックデータを収集することで、特定のクエリに対するすべてのユーザーに対する結果の関連性を向上させることができます。検索セッションでは、ユーザーはクリックすることで、どの文書に関心があるかを示し、これが検索に関連するものを示します。結果の関連性を判断する上で最も関連性の高いクリックデータは、多くの場合、検索セッションでクリックされたすべてのページではなく、最後に閲覧したウェブページです。検索セッション外のクリックデータも、ユーザーにとって関連性の高い結果の精度を向上させるために活用できます。[ 9 ]

特定のクエリに対する検索結果は、通常、位置バイアスの影響を受けます。[ 16 ]これは、ユーザーが結果リストの上位にあるリンクを選択する傾向があるためです。しかし、関連性は時間の経過とともに変化する可能性があるため、この位置が結果の関連性の高さを意味するわけではありません。結果の順序を改善するための機械学習アプローチの一環として、人間の編集者はまず、各結果の元の順位をアルゴリズムに提供します。次に、検索セッションで追跡されたクリックスルー率（CTR）という形でユーザーからのリアルタイムのクリックフィードバックを使用して、データに基づいて結果を再ランク付けします。[ 9 ]これにより、ユーザーからリアルタイムで示された関連性に基づいて、結果の順序が改善されます。[ 16 ]

クリック滞在時間とクリックシーケンス情報も、検索結果の関連性を向上させるために使用できます。[ 17 ]クリック滞在時間とは、ユーザーが特定の結果をクリックした後、検索エンジンの結果ページ（SERP）に戻るまでにかかる時間であり、これはユーザーが特定の結果にどれだけ満足しているかを示すことができます。[ 17 ]アイトラッキング調査によると、ユーザーは検索結果を見るときに、非連続的な視聴活動を豊富に示しています。[ 17 ]「トップダウン」のユーザークリック行動に従うクリックモデルでは、ユーザーがページを再訪問するプロセスを解釈できません。[ 17 ]

拡張機能

広告

需要と供給のミスマッチコストは、クリックトラッキングによって削減できる。[ 18 ] Huangらは、戦略的顧客を「将来を見据えた」個人と定義している。彼らは、自分のクリックがトラッキングされていることを認識しており、企業が適切なビジネス活動を行うことを期待している。この研究では、研究者は顧客のクリックストリームデータを用いて、顧客の嗜好や希望する商品数量を観察した。ノイジークリックとは、顧客がクリックしたものの実際には商品を購入しないことを指す。これは、不完全な事前需要情報（ADI）につながる。[ 18 ]

クリックトラッキングは広告の分野で活用できますが、悪用される可能性もあります。パブリッシャーは自社のウェブサイトに広告を掲載し、広告主のウェブサイトに送られたクリック数で測定されるトラフィック量に応じて報酬を受け取ります。[ 7 ]クリック詐欺とは、パブリッシャーが収益を得るためにクリックを偽装することです。2012年のモバイル広告詐欺検出（FDMA）カンファレンスでは、競技チームにデータマイニングと機械学習の技術を用いて、与えられたデータセットから「詐欺的なパブリッシャー」を特定する課題が与えられました。[ 7 ]優れたアルゴリズムは、朝と夜のクリックトラフィックパターンを観察し、利用することができます。これらの主要パターンの間にクリックの密度がある場合、それは多くの場合、詐欺的なパブリッシャーの指標となります。[ 7 ]

ウェブサイトのコンテンツは、「ユーザーのナビゲーション行動」とユーザーの興味関心に基づいて、ユーザーに合わせて調整することができます。このプロセスはウェブパーソナライゼーションと呼ばれます。[ 2 ]ウェブパーソナライゼーションはeコマースの分野で有用です。ウェブパーソナライゼーションのプロセスには独自のステップがあり、最初のステップは「ユーザープロファイリング」と呼ばれます。[ 2 ]このステップでは、ユーザーのクリック行動、好み、特性に基づいてユーザーを理解し、構成します。ユーザープロファイリングに続いて、「ログ分析とウェブ利用状況マイニング」が行われます。[ 2 ]

メール

フィッシングは通常、電子メールを通じて行われ、ユーザーがフィッシング詐欺のメールをクリックすると、そのユーザーの情報が特定のウェブサイトに漏洩します。[ 19 ]スピアフィッシングは、ユーザー情報を使用して電子メールをパーソナライズし、ユーザーにクリックを促します。[ 19 ]一部のフィッシングメールには、他のリンクや添付ファイルも含まれています。これらがクリックまたはダウンロードされると、ユーザーのプライバシーが侵害される可能性があります。Linらは、フィッシング詐欺においてユーザーに最も影響を与える心理的な「影響力の武器」と「生活領域」を調べる研究を実施し、希少性が影響力の武器として最も影響力のある要因であり、法的領域が生活領域として最も影響力があることを発見しました。[ 19 ]年齢も、フィッシング詐欺をクリックしやすい人を決定する上で重要な要因です。[ 19 ]

ウイルスがコンピュータに感染すると、メールアドレスを探し出し、それらのメールを通じて自身のコピーを送信します。これらのメールには通常、添付ファイルが含まれており、複数の個人に送信されます。[ 20 ]これはユーザーのメールアカウントの行動とは異なります。なぜなら、ユーザーは特定のネットワークと定期的に通信する傾向があるからです。[ 20 ]研究者たちは、このようなユーザーのメールアカウントの行動を研究することで、メールマイニングツールキット（EMT）を用いてウイルスを検出する方法を研究し、緩やかで段階的なウイルスの拡散よりも、急速で広範囲に拡散するウイルスの拡散の方が解読しやすいことを発見しました。[ 20 ]

ユーザーがどのメールを開いたかを知るために、メール送信者はメールトラッキングを行っています。[ 21 ]メールを開いただけで、ユーザーのメールアドレスが第三者に漏洩する可能性があります。また、ユーザーがメール内のリンクをクリックすると、そのメールアドレスがより多くの第三者に漏洩する可能性があります。[ 21 ]また、ユーザーが送信されたメールを開くたびに、そのアドレスがすでに漏洩している第三者の中から新たな第三者に情報が送信される可能性があります。多くのサードパーティのメールトラッカーはウェブトラッキングにも関与しており、さらなるユーザープロファイリングにつながっています。[ 21 ]

プライバシー

プライバシー保護モデルでは、データがサーバーに送信され、データベースに保存された後に匿名化されます。 [ 6 ]そのため、ユーザーの個人識別情報は依然として収集され、この収集プロセスはユーザーがそのようなサーバーを信頼していることを前提としています。研究者たちは、モバイルデバイスから送信される情報をユーザーが制御できるようにすることを研究しています。また、軌跡データの分野において、ユーザーがデータベース内でその情報がどのように表現されるかを制御できるようにする方法も観察し、このアプローチを可能にするシステムを開発しました。このアプローチは、ユーザーのプライバシーを向上させる可能性を提供します。[ 6 ]

ユーザーのプライバシーが侵害される可能性がある場合、同意書は配布されることが多い。これらのフォームで求められるユーザー行動の種類は、ユーザーがフォームからどれだけの情報を保持するかに影響を与える可能性がある。[ 5 ] Karegarらは、単純な同意/不同意形式と、チェックボックス、ドラッグ＆ドロップ（DAD）、スワイプ機能を備えたフォームを比較した。各同意書形式でユーザーがどのような情報を開示することに同意するかをテストしたところ、DAD形式のフォームを提示されたユーザーは、提示された同意書に視線を集中させる回数が多いことが観察された。[ 5 ]

サードパーティがファーストパーティのウェブサイトまたはモバイルアプリケーションに関連付けられている場合、ユーザーがファーストパーティのウェブサイトまたはモバイルアプリケーションにアクセスするたびに、そのユーザーの情報がサードパーティに送信されます。 [ 22 ]サードパーティトラッキングは、特定のユーザーに関する多くのウェブサイトまたはアプリケーションの記録を統合し、より優れたユーザープロファイルを生成するため、ファーストパーティトラッキングよりもプライバシーに関する懸念が高まります。[ 22 ] Binnsらは、 5000の人気ウェブサイトのうち、上位2つのウェブサイトだけで2000個のトラッカーが存在していることを発見しました。埋め込まれた2000個のトラッカーのうち、253個は他の25のウェブサイトで使用されていました。[ 22 ]研究者は、サードパーティトラッカーの範囲をウェブサイトではなくユーザーとの接触に基づいて評価したため、より「人気のある」トラッカーは、最も多くのファーストパーティに埋め込まれたコードではなく、最も多くの人々に関する情報を受け取ったトラッカーでした。[ 22 ] GoogleとFacebookは、ウェブトラッカーの1位と2位、モバイルトラッカーの1位と2位とされました。[ 22 ]

参照

参考文献

  1. ^ a b c d e f g Leiva, Luis (2013年11月). 「Web閲覧行動分析とインタラクティブハイパービデオ」. ACM Transactions on the Web . 7 (4): 1– 28. doi : 10.1145/2529995.2529996 . hdl : 10251/39081 . S2CID  14720910 .
  2. ^ a b c d e f g h i j k l Eirinaki, Magdalini (2003). 「WebマイニングによるWebパーソナライゼーション」 . ACM Transactions on Internet Technology . 3 : 1– 27. doi : 10.1145/643477.643478 . S2CID 2880491 . 
  3. ^ a b c d e Kristol, David (2001). 「HTTP Cookies: Standards, privacy, and politics」. ACM Transactions on Internet Technology . 1 : 151–198 . arXiv : cs/0105018 . Bibcode : 2001cs......5018K . doi : 10.1145/502152.502153 . S2CID 1848140 . 
  4. ^ a b c d e Ogbanufe, Obi (2018). "「一体どれほどリスクがあるのだろうか？」リスク認識と信頼がクリックスルー意思に与える影響」。情報システム管理35 ( 3): 182– 200. doi : 10.1080/10580530.2018.1477292 . S2CID  49411483 .
  5. ^ a b c Karegar, Farzaneh (2020). 「プライバシー通知におけるユーザーエンゲージメントのジレンマ」 . ACM Transactions on Privacy and Security . 23 : 1– 38. doi : 10.1145/3372296 . S2CID 211263964 . 
  6. ^ a b c Romero-Tris, Cristina (2018). 「ユーザー中心のアプローチによる軌跡のプライバシー保護」ACM Transactions on Knowledge Discovery from Data . 12 (6): 1– 27. doi : 10.1145/3233185 . S2CID 52182075 . 
  7. ^ a b c d Oentaryo, Richard (2014). 「オンライン広告におけるクリック詐欺の検出：データマイニングによるアプローチ」 . The Journal of Machine Learning Research . 15 : 99–140 – ACM経由.
  8. ^ a b c Wu, ChienHsing (2018). 「画像広告のクリック意図における感情誘導：フィールド実験」. Journal of Internet Commerce . 17 (4): 356– 382. doi : 10.1080/15332861.2018.1463803 . S2CID 158798317 . 
  9. ^ a b c d e f Jung, Seikyung (2007). 「ウェブ検索における暗黙的な関連性フィードバックとしてのクリックデータ」 .情報処理と管理. 43 (3): 791– 807. doi : 10.1016/j.ipm.2006.07.021 .
  10. ^ a b c Nguyen, David (2009). 「機関およびエンドユーザーの追跡・記録技術における情報プライバシー」 .パーソナル＆ユビキタスコンピューティング. 14 : 53–72 . doi : 10.1007/s00779-009-0229-4 . S2CID 8546306 . 
  11. ^ a b c d Menges, Raphael (2019). 「視線追跡ベースインタラクションのユーザーエクスペリエンスの向上」(PDF) . ACM Transactions on Computer-Human Interaction . 26 (6): 1– 46. doi : 10.1145/3338844 . S2CID 207834246 . 
  12. ^ a b c Boi, Paolo (2016). 「マウスの動きと知覚に基づくコンテンツ識別によるウェブ上のユーザーの注目の再構築」ACM Transactions on Applied Perception . 13 (3): 1– 21. doi : 10.1145/2912124 . S2CID 15346882 . 
  13. ^ a b c Laperdrix, Pierre (2020). 「ブラウザフィンガープリンティング：調査」(PDF) . ACM Transactions on the Web . 14 : 1– 33. doi : 10.1145/3386040 . S2CID 145051810 . 
  14. ^ a b c Farney, Tabatha (2011). 「クリック分析：ウェブサイト利用データの視覚化」情報技術と図書館30 ( 3): 141– 148. doi : 10.6017/ital.v30i3.1771 .
  15. ^ a bケスラー、サブリナ・ハイケ（2019年）「なぜクリックするのか？ニュースアグリゲータウェブサイトにおけるユーザー選択の理由の調査」ヨーロッパコミュニケーション研究ジャーナル44：225-247。
  16. ^ a b Moon, Taesup (2012). 「ユーザーのクリックフィードバックによる最新検索結果の精度向上のためのオンライン学習フレームワーク」ACM Transactions on Information Systems . 30 (4): 1– 28. doi : 10.1145/2382438.2382439 . S2CID 15825473 . 
  17. ^ a b c d Liu, Yiqun (2016). 「時間を考慮したクリックモデル」. ACM Transactions on Information Systems . 35 (3): 1– 24. doi : 10.1145/2988230 . S2CID 207243041 . 
  18. ^ a b Huang, Tingliang (2011). 「戦略的顧客行動の可能性：クリックトラッキングの価値について」.生産・オペレーションマネジメント. 22 (3): 489– 502. doi : 10.1111/j.1937-5956.2012.01386.x .
  19. ^ a b c d Lin, Tian (2019). 「スピアフィッシングメールへの脆弱性：インターネットユーザーの人口統計とメールの内容の影響」 . ACM Transactions on Computer-Human Interaction . 26 (5): 1– 28. doi : 10.1145/3336141 . PMC 7274040. PMID 32508486 .  
  20. ^ a b c Stolfo, Salvatore (2006). 「行動ベースモデリングと電子メール分析への応用」. ACM Transactions on Internet Technology . 6 (2): 187– 221. doi : 10.1145/1149121.1149125 . S2CID 13438014 . 
  21. ^ a b cスティーブン・エングルハート (2018). 「こんなサービスに登録した覚えはない！メール追跡のプライバシーへの影響」 .プライバシー強化技術に関する議事録. 1 : 109–126 . doi : 10.1515/popets-2018-0006 . S2CID 41532115 . 
  22. ^ a b c d e Binns, Reuben (2018). 「Webとモバイルにおけるサードパーティトラッカーの力の測定」 . ACM Transactions on Internet Technology . 18 (4): 1– 22. arXiv : 1802.02507 . doi : 10.1145/3176246 . S2CID 3603118 . 
「 https://en.wikipedia.org/w/index.php?title=Click_tracking&oldid=1320158180」より取得