FloC全名為Federated Learning of Cohorts，由Google隱私沙盒提出，此方案基於聯邦式學習 (Federated Learning) 架構，意指Chrome先歸類一群網路行為相像的用戶(單位為Cohort)，在不需要分享用戶個人數據與行為資料的前提下，對他們做廣告的投放。
FloC的概念是什麼呢？
想像一下，假設有六個消費者，其中三人上網看了貓咪網站、另外三人看了寵物狗用具的網站。Chrome蒐集行為後，把這六人分成兩群「行為相像」的用戶，三位看了貓咪網站的消費者都被歸類在Cohort 1這個單位裡，另外三位看了狗狗網站被歸類在Cohort 2單位裡。不過，Cohort 1裡面的user並不只有貓咪這個興趣標籤，他們可能是一群又喜歡貓咪、又喜歡下廚和羊毛氈的用戶，沒人知道Cohort 1裡的興趣標籤有什麼，只會知道Cohort 1這群人「行為非常非常相像」，而Google歡迎大家直接以Cohort為單位，進行廣告投遞、分析，因為同一個Cohort背後的受眾，他們「非常像」。
此方案的核心概念是調整資料的”單位”大小，藉此能同時滿足隱私權議題與廣告投遞需求。
然而，方案一推出即受到市場上諸多聲音：
【質疑一】
如果Cohort 1裡的受眾數很少，廣告怎麼投得出去？
如果Cohort 1受眾有50人，Cohort 2受眾有30萬人，這樣懸殊的差距也會讓投放者難以公正地比較廣告成效。
A：Google針對這題已有回應，他們宣稱會盡量控制讓每群Cohort的數量保持差不多的數量，並且是投得出去的量級。
【質疑二】
網路上文章開始出現類似《Retargeting已死》的標題，原因顯而易見，電商產業的數位廣告需求不僅是投遞一群行為相像的受眾，他們會追蹤每位造訪者看過什麼商品、加入什麼商品進購物車、並在適當的時間讓該名消費者看到廣告。
A：搭配前述提到的方案象限圖表，其實就不難理解，FLoC方案原本就沒有要解決個人化追蹤(RT)的問題，針對RT的解法Google另有方案「FLEDGE」，只是FLEDGE因為技術門檻較高、網路資源聲量較低、鮮少人研究討論，因此才會有《RT已死》的誤導標題出現。
摘要：
★此方案全流量可用，但僅限Chrome瀏覽器
★Google宣稱FLoC的效果可達原本第三方cookie的95%
**
2022/1/26 更新
Google 宣布放棄FloC計畫，改推動Topics API
**
Google隱私沙盒其實推出了兩個方案，一個是以群體為概念的鎖定 – FloC
但如果是偏成效轉換的客戶，需要追蹤到個人行為該怎麼辦呢？
另一個解法 – FLEDGE，也是Google針對這個問題而提出的方案，到底怎麼做呢？歡迎繼續閱讀下篇文章
Cookieless 方案三：FLEDGE