洞见科技纪凯：基于隐私计算的「客户增长」生态

来源：数字金融网、PCview 隐私计算研究院

4 月 27 日，PCview 隐私计算研究院主办的「数据隐领未来·隐私计算应用与发展论坛」在线上顺利举办。洞见科技数据智能产品部总经理纪凯女士以《基于隐私计算的客户增长生态》为主题发表演讲。她从数据要素流通困境切入，介绍了「隐私计算+数据」时代的趋势，以及隐私计算在客户价值与业务价值挖掘的业务「增效」实践。

数据要素流通困境

当前数据要素流通面临两个挑战，一是数据要素安全流通，二是数据要素的价值挖掘。纪凯女士从数据所有方、服务方、需求方三个角度拆解分析，指出问题所在。

从数据所有方来讲，因为授权、信息安全等问题，对于数据价值及资产的完整性受损的担忧一直存在。同时，基于技术门槛、数据传输和使用方式等要求，限制了数据使用的深度和颗粒度。

从数据服务方来讲，即数据加工方和数据产品的提供方，数据原材料使用层面，安全边界的模糊导致数据获取或使用的便利性不足，因此数据共享、数据加工、价值分配就会受到一定的掣肘。

从数据需求方来讲，企业使用数据驱动增长，需要考虑四个问题：一是用什么数据；二是哪些数据可以解决业务问题，助力业务增长；三是数据从哪儿来，如何保护；四是数据应用如何能形成一个整体化解决方案。

从数据智能应用层面来讲，因为数据流通里面可能有三个或者多个角色，从数据智能应用的协同来看，商业信任、技术信任和应用协同目前门槛都比较高，哪些可以通过隐私计算这一类技术去实现价值和交易的公平，哪些要素可以通过隐私计算更大地发挥作用，确实值得思考。

「隐私计算+数据」时代到来

今年 1 月份，国务院、中国人民银行等相继发布一系列关于数据要素、隐私计算的促进政策。纪凯女士认为，从这些政策来看，「隐私计算+数据」的时代已经到来。数据要素的价值得到更多共识，数据流通的模式也从之前的 API 离线等转移复制式流通变成了协同式流通。如果说 2020 年是隐私计算的元年，那么当下我们所在的 2022 年则是蓬勃发展的一年。

根据艾瑞咨询《2022 年中国隐私计算行业研究报告》显示，当前整个隐私计算的市场规模大概是 4.9 亿元。今年开始到 2024 年，是隐私计算的核心投入期，预计将有每年 110%+的增长率，三年后隐私计算将满足应用建设的基础设施建设需求。到 2025 年，预计隐私计算的市场规模会增长到 145.1 亿元。

客户增长新模式

回到业务本身，不论从存客掘金还是寻找增量，企业都面临诸多瓶颈，如何破局？纪凯女士为我们梳理了两个链路。

企业业务增长，横向来看包括新客和存客两个部分；纵向来看包括业务价值和客户价值两个链路。

从客户价值的挖掘角度来看，首先是精准获客的问题，获客成本逐年飙升是不争的事实。从业务价值提升角度来看，精准获客对应着数据洞察问题。首先明确企业的客户画像，基于画像寻找渠道、投放资源，是获客的常规做法。基于隐私计算链接需求方、数据方、媒体方，实现多方数据匹配融合，可以有效解决存量数据价值释放问题，以及各方核心业务数据无法直接交互、缺少安全工具的问题。

获客之后是存客问题。客户留存服务其实存在优先级，如果企业来了一千万个客户，先服务哪些客户，如何服务这些客户就成为重中之重。对应到业务层面就是客户要什么以及给什么的问题。要什么，是客户需求；给什么，是用户价值，这是一个双向的交易链路。基于用户画像作为数据支撑，通过关注一些数据指标，比如点击率、接通率、响应率，企业可以判断哪些客户需要做资源倾斜，哪些只需要常规服务。通过隐私计算进行一系列跨域用户画像、模型构建与策略筛选，可以寻求资源分配和用户增长更好的平衡点，从而提高整体 ROI。

最后，唤醒沉睡用户、寻找增值空间。具体来讲就是判断用户池里的潜在用户，然后进一步转化的问题，对应到业务价值层面就是客户挖掘与营销触达。纪凯表示，必须使用数据驱动保证整个的业务价值和客户价值挖掘的链路通畅。但是，传统的数据应用是存在问题的，比如客户数据的使用深度、数据使用门槛过高造成标准化颗粒度无法满足增长需求，多方合作时面临一些信息的暴露，会造成有些信息不愿意同台等。

隐私计算的出现，恰好解决了以上问题。比如数据集市，可以通过隐私计算去链接更多的数据和价值，实现一个可用不可见的数据融合网络。比如数据智能运营，通过隐私计算构建一个策略和流程的「安全屋」，企业在里面无论做隐私安全求交、Lookalike 算法还是联邦学习，整个算法和客户经营的动作是不外泄的，企业存量客户的价值是不透传的。从数据交易来讲，通过隐私计算还可以构建一些新的商业模式。原来按照效果付费或者按数据调用付费的单一模式，现在可以按照数据成本、匹配率、业务效果等综合指标，去构建一个新的商务模式。再向前一步，可以通过构建更多的协同机制，实现多方资源协同，包括数据资源、客户资源、媒体资源和其他协同合作资源，实现能力打通与资源整合，实现 1+N 的效果。

以银行零售客户生命周期来举例，纪凯女士展示了在客户分级、风险监测、营销触达等核心业务层面隐私计算能够发挥的价值。比如隐私求交，可以在业务策略保护和价值用户保护层面，提供更合规和更安全的解决方案，同时解决部分商业信任问题；联邦学习不仅保护算法，还可以保护样本，通过构建多方的全域模型，把离散子模型或离散数据融合，变成可以全景化的多方数据和能力的融合；匿踪查询，可以保证在不知道查了谁，不知道为什么查的情况下，去做一些核验的动作，比如私人银行合格投资者检测；多方安全计算，可以不透传数据，只透传结果，通过技术信任可以获取更多商业信任，以及数据能力的转化。

客户增长实践

最后，纪凯女士分享了基于隐私计算的银行零售客户的价值经营实践。首先是数据融合，不管是数据智能经营，还是价值经营，增长依赖于数据。其次，在广告投放阶段，利用隐私计算构建整个金融机构、数据源、广告主的不可能三角，在数据方面实现三方最小化的透传。最后一步是价值挖掘和业务匹配，通过客户一系列的行为特征、需求特征、兴趣特征，可以匹配相应的权益、产品和触达的策略。客户转化之后，根据营销反馈，银行也可利用隐私计算技术做周期性的分析，进一步挖掘财富管理的需求、资金的需求形成业务闭环。通过隐私求交等一系列加密技术，可以在客户价值最大保护的情况下，得到数据的价值利用最优解，并最终构建客户增长的最优实践。

嘉宾简介

纪凯，洞见科技数据智能产品部总经理，在金融行业与大数据行业深耕多年，曾就职于头部评级公司（联合信用）、头部消金公司（捷信 HomeCredit）与全球人工智能公司（领创 Advance IntelligenceGroup），拥有丰富的信用评级、银行业务咨询与金融机构操盘经验。