行业革命:安全计算加持大数据精准营销

精准营销是近十年带动互联网行业飞速发展的一个重要的技术革命领域,为什么这样催牛?假设没有精准营销,那可能我们的生活会变得很不方便:我想关注的话题和新闻不能直接推送给我,我想要买的电子产品甚至哪个品牌的电子产品平台不懂我。“让平台更懂客户的需求,然后在合适的时间推荐给客户,从而创造更好的服务”,我认为这是精准营销要实现的共识目标。

精准营销如此厉害,是不是因为技术的发展、算法的普及带来的普惠呢。是的,也不完全是,而且核心关键点我不认为是。精准营销脱光了衣服看,最核心的是数据和信息,算法无非是来处理数据的工具而已、技术无非是来提高处理数据的效率而已。

所以,我基于这么些年,在狭小地金融营销领域得到一点小小的理解,精准营销大概率逃不出两件事情:拉新和促活。企业都要以比较低的费用获取有效新客,都要以比较合适的方式通过营销活动唤醒留存用户等等。围绕着这两个事情,好像都慢慢地以数据为决策导向(稍微大一点的互联网企业称这部分人才叫BI,很不幸我也曾经干了这份职业)。我们再脱掉拉新和促活的衣服,可能很多灰色的企业要慌了,因为我们不小心说出了一些大数据营销业务的本质和真相。

上图是一个比较典型的互联网精准营销的需求案例,营销需求方比如银行,它需要通过第三方的数据公司和流量渠道更加精准地获得信用卡客户,它的储蓄卡流失用户需要去识别客户风险和其他偏好从而通过CRM或者理财活动重新促活。这个营销过程非常能代表90%的互联网精准营销业务套路。要精准,肯定要把客户和数据拿来建模和刻画,野蛮点的,U盘拷来拷去,最后拷到一副手铐。这是一个业务需求、技术发展和安全合规步调不一致的问题,也是一个这两年国家乃至世界互联网都需要解决的问题,因为我们所处的是一个人文社会、法治社会。我觉得这也不是这两年的问题,应该是往后二十年需要去解决的问题,谁又希望自己的开房记录被奸商拿去用呢,关键是用的过程中还把你的开房记录丢马路边任人践踏?其实我对那些不合规使用数据的奸商是很想骂人的,但是每次想骂的时候,我还是觉得可能是技术解决方案没跟上业务需求,社会发展总会有野蛮期。总结一句话:大数据精准营销当前存在一大部分数据不合规使用的现象。

General Data Protection Regulation(以下简称:GDPR)是2016年4月14日由欧洲议会(TheEuropean Parliament)投票通过,并于2018年5月25日起在所有欧盟成员国正式生效的一部对欧盟公民个人数据保护的法案。GDPR主要的立法目的是用于保护个人隐私权和促进此权利的行使,其中从个人数据权利的法律归属上,设定了“个人数据”、“数据主体”和“数据主体权利”以及采取了严格的全球个人隐私保护要求。  

2017年6月1日,我国首部《网络安全法》正式施行,这是我国网信法治领域的重大事件。为保护公民个人信息安全,防止公民个人信息被窃取、泄露和非法使用,依法保障公民个人网络信息有序安全流动,《网络安全法》第四章用较大的篇幅规定了公民个人信息权保护的基本法律制度;2017年10月1日起施行的《中华人民共和国民法总则》第111条规定,自然人的个人信息受法律保护。任何组织和个人需要获取他人个人信息的,应当依法取得并确保信息安全,不得非法收集、使用、加工、传输他人个人信息,不得非法买卖、提供或者公开他人个人信息。

GDPR和《网络安全法》明确约束了数据公司对公民信息使用的范畴,如何在法律法规约束的范围内合理、正确、安全地使用大数据,成为数据行业当今最火热的话题。

精准营销行业需求我想小结两点:

1、精准营销核心依赖于数据

2、目前很多的行业、企业在精准营销业务开展中,存在严重的数据不规范、不合法(具体哪些企业做的很不合规的,我本来想举例几个,但是想了一下我还要立足于世,我还是打算写到我的会议录里面)

传统模式

精准营销传统的一些模式,请允许我说的具体形象一点:

1、某银行把信用卡客户样本给到某运营商大数据服务商,建模生成一个信用卡选人模型,发短信触达营销;

2、某电商平台在某信息流平台投放,每天将效果用户ID反刍到信息流平台,进行投放优化;

3、某保险公司为了激活存量用户,从某SDK厂商购买用户画像标签,推荐相关性高的保险产品;

这三种是营销里面很常见的合作模式,涉及到一些“说不清”的问题:客户数据要从A公司流到B公司,这从伦理上来讲就是不合规的!


反正利用数据进行精准营销,传统的这些方式全国人民似乎知道这些问题,但是苦于缺有效的解决方案,大家都不愿意去过多地谈论和揭穿,揭穿了很多人不开心,不开心了就会有问题。


安全模式

好了,说了这么多闲话,我终于可以聊一下我今天想说的事情:如何让精准营销更加安全。很荣幸,腾讯、阿里、百度、富数、华控等做数据安全的科技公司已经给出了一些比较好的解决方案——解决数据不出库建模应用。我们先来看一张图:


在建模的过程中,通过联邦学习(联盟学习、共享学习)和匿踪查询(匿名查询、隐私查询)等技术,在数据共建和画像的过程中,通过算法来保证数据不出库、用户不被缓存的数据安全。关于联邦学习和匿踪查询具体的技术方案,可以关注微信公众号hellompc,我在里面有详细的介绍。

整个传统的精准营销结合数据安全计算技术,就演化成如下的安全营销解决方案:


不要小看安全计算这点看上去“锦上添花”的技术手段,其实它可能具有颠覆性的:

1、如果银行因为合规,数据不能出门,还能来更好地建模吗?

2、如果保险/地产因为查第三方数据标签,用户被缓存,然后又被恶意营销(保险/地产销售电话你肯定比我了解),后果很严重!

随着人民对隐私的渴望,随着国家对行业的监管,一个很必然的趋势是这一块还不算很白的领域会受到更多的约束、监管、打压,很多机构都面临着寻找更好的解决方案,保证业务继续开展。

我觉得精准营销整个上下游链路需要去完善和合规改进的点还是很多的,包括什么样的数据使用称为合法、什么样的短信和电话不会被定义为骚扰、什么样的产品不会被举报为虚假……有的问题可以用业务流程控制解决,有的问题可能只有新的技术来解决。我很期待安全计算技术能在大数据精准营销领域发挥一席之地,甚至到不可或缺的那一天。

 END

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,732评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,496评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,264评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,807评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,806评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,675评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,029评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,683评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,704评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,666评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,773评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,413评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,016评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,204评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,083评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,503评论 2 343

推荐阅读更多精彩内容