Como funcionam os estudos de privacidade
Por que isso importa A maior parte do que sabemos sobre rastreamento na web, como quantos sites têm rastreadores ou quais empresas alcançam mais pessoas, vem de estudos que carregam milhares de sites automaticamente e registram o que acontece. Saber como esses estudos funcionam permite julgar um número de manchete, e rodar o seu próprio nas próximas lições.
Pense em um censo de pássaros. Voluntários percorrem as mesmas rotas na mesma época do ano e contam o que veem. A contagem só é tão boa quanto o método: ande só em parques ensolarados e você vai perder as corujas. Os estudos da web são iguais. Um número como "80% dos sites têm um rastreador" não significa nada até você saber quais sites, de onde e como foram visitados.
Crawler: um programa que visita páginas web automaticamente, uma depois da outra, e registra o que encontra.
Estudo de censo: uma medição que tenta visitar todo site de um conjunto grande e definido (por exemplo, o milhão de sites mais populares) em vez de um punhado, para poder dizer o quão comum algo é.
Instrumentação: registro extra acrescentado a um navegador para que um estudo veja toda requisição, todo cookie e toda chamada de script que uma página faz, não só o que aparece na tela.
Como funciona um estudo moderno
- Escolha os sites. Em geral um ranking público de sites populares, às vezes uma amostra aleatória, às vezes uma categoria (notícias, saúde).
- Controle um navegador de verdade. Downloads simples perdem a maioria dos rastreadores, porque os rastreadores são carregados por scripts. Os estudos controlam um navegador de verdade que roda o código da página.
- Registre tudo. Requisições e respostas, cookies definidos, quais recursos do navegador cada script usou (por exemplo, ler o canvas, uma pista de impressão digital) e redirecionamentos.
- Rotule e conte. Compare os terceiros com listas de rastreadores e depois conte com que frequência cada um aparece.
Um exemplo conhecido é o OpenWPM, uma ferramenta de medição de código aberto, usada em um estudo de 2016 que fez o crawl do milhão de sites mais populares e encontrou scripts de impressão digital e rastreamento em uma escala que ninguém tinha mostrado antes. Muitos estudos posteriores seguem o mesmo padrão.
Por que o método muda a resposta
- Só a página inicial, ou mais fundo? As páginas internas (artigos, checkouts) muitas vezes carregam rastreadores diferentes.
- Sem estado ou com estado? Um crawl sem estado começa cada site com um navegador novo; um com estado mantém os cookies entre sites, como uma pessoa faz, e por isso consegue ver o rastreamento entre sites.
- Banners de consentimento. Um crawler que nunca clica mede o que acontece antes do consentimento; um que clica em "aceitar" mede outra coisa. Diga qual você fez.
- Onde o crawler fica. Os sites mostram coisas diferentes em países diferentes e para dispositivos diferentes.
- Detecção de bots. Alguns sites tratam crawlers de forma diferente das pessoas, então um crawl pode contar a menos.
- O momento. A web muda toda semana. Um estudo é uma foto com data.
Um equívoco comum: "um crawl maior é sempre um estudo melhor." O tamanho reduz o erro aleatório, mas não o viés. Um milhão de páginas iniciais visitadas a partir de um único data center, sem cliques, pode estar precisamente errado sobre o que pessoas reais vivem.
Neste módulo você faz o crawl de uma web simulada de 1.000 sites inventados. Ela se comporta como a real nos aspectos que importam para aprender, e nada real é contatado.
Experimente Abra as ferramentas de desenvolvedor do seu navegador (F12, ou Cmd+Option+I no Mac), vá para a aba Network e carregue um site de notícias. Conte os domínios diferentes na lista. Você acabou de fazer à mão o crawl de um site. Depois recarregue com a caixa "Disable cache" da aba Network marcada e veja se a lista muda.
Resumo
- Os estudos de privacidade fazem o crawl de muitos sites com um navegador real instrumentado e contam o que registram.
- Os estudos de censo buscam cobrir um conjunto definido inteiro, como o milhão de sites mais populares.
- Escolhas como só a página inicial, cliques de consentimento, local e data mudam os resultados, então precisam ser informadas.
- Maior não é automaticamente melhor: o tamanho corta o erro aleatório, não o viés.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.