T11 2019：深挖金融營銷痛點，微眾銀行首創聯邦廣告與聯邦推薦
11月25日,T11 2019暨Talking Data數據智能峰會于北京舉辦。本屆T11大會以“Unlimited”為主題,邀請了全球范圍內數千位知名專家學者、數據科學家以及行業數字化轉型方面的領軍企業共同參會,分享大數據在各行各業的技術發展、應用場景、解決方案與最佳實踐,以期在實現商業價值持續增長的同時推動社會收益同步增長。微眾銀行AI部門副總經理鄭文琛受邀出席并發表題為《聯邦學習在金融營銷的實踐》的演講,詳解微眾銀行首創的聯邦廣告與聯邦推薦營銷解決方案。
圖:微眾銀行AI部門副總經理鄭文琛發表演講
金融營銷中的“數據孤島”與用戶隱私困境
在眾多大數據應用行業之中,高度數據化的金融領域面對的挑戰尤顯突出。在本次T11大會中,微眾銀行AI部門副總經理鄭文琛重點闡述了金融營銷在利用人工智能技術革新服務的過程中面臨的兩大難題——即“數據孤島”與“隱私保護”。
金融產品(如銀行APP、保險、理財等產品)通常需要收集多維度的用戶偏好,以此最大程度喚醒并服務用戶,達到金融營銷任務之一——“促活”。然而金融產品本身只有用戶的存款、取款、貸款、定投等單一金融業務數據,同時由于機構間數據分散、法律政策等現實原因,金融機構與第三方機構之間的數據無法打通,即形成了一個個“數據孤島”,導致金融產品無法獲取更多維度的用戶偏好。
對于金融營銷另一個任務——“拉新”來說,由于金融產品的轉化鏈路長、轉化數據敏感,隱私保護成為了另一道難題。當金融機構在第三方廣告平臺投放產品廣告時,為了優化廣告投放的效果,金融機構需要向廣告平臺回傳盡可能多的后端轉化數據。一方面,在隱私保護條例的規定下,金融機構與第三方平臺不能直接使用用戶各維度數據;另一方面,金融機構本身對于客戶數據泄露的擔心,在數據回傳第三方平臺的選擇上也十分的謹慎。這樣一來用戶“拉新”便難以實現。
微眾銀行自研聯邦推薦與聯邦廣告,解決金融營銷中的數據難題
為了解決上述金融營銷中的“數據孤島”與“隱私保護”兩大難題,微眾銀行首次將“聯邦學習”引入營銷解決方案。
“聯邦學習(Federated Learning)”的概念由Google在2016年提出,旨在保護用戶隱私和數據安全的前提下,上傳加密的模型參數進行綜合訓練持續優化模型。同時能夠保證參與方在保持獨立性的情況下,進行模型參數的加密交換,企業之間也可以以這種合理合法的方式跨越數據鴻溝,解決“數據孤島”的問題。
“Google側重于個人用戶(C端)移動設備的聯邦學習,微眾銀行則側重于企業機構(B端)之間的聯邦學習。”鄭文琛表示,微眾銀行-開發出一套工業級的聯邦學習開源框架——FATE(Federated AI Technology Enabler,https://www.fedai.org)。針對金融營銷領域的用戶“促活”、“拉新”任務所面臨的挑戰,微眾銀行近一步深化聯邦學習技術,分別提出聯邦推薦、聯邦廣告的營銷解決方案。
聯邦推薦針對不同的推薦場景設計加密數據模型,在FATE聯邦學習高效架構的基礎上,將金融機構本身的數據與豐富的第三方數據(如騰訊)進行共同建模,從而在保證用戶隱私的同時實現對用戶進行理財產品的高效推薦,實現用戶“促活”。鄭文琛表示,在聯邦推薦技術的基礎上,推薦的效果經驗證可提升超30%。
圖: 聯邦推薦vs.傳統推薦流程圖
微眾銀行研發的聯邦廣告則通過保證使用轉化數據的合規性,提升了廣告投放的效果,實現用戶“拉新”的任務。通過聯邦廣告技術,廣告主可以將點擊轉化數據混合加噪加密后完成數據對齊,在此基礎上建立轉化預估模型進一步應用于廣告投放。鄭文琛提到,聯邦廣告在確保模型安全的同時還具備極簡交互設計的特點,基于聯邦廣告技術,貸款產品的廣告效率可以提升20%,而廣告主的開發時間僅需要1-3天/人。
圖:聯邦廣告流程圖
“數據孤島”與用戶隱私,不僅僅是金融領域中的挑戰,更是人工智能等新技術在落地社會場景、商業場景、生活場景中的共同議題之一。鄭文琛表示,微眾銀行致力于通過提供技術,成為一個流量與資本的連接者,幫助更多企業從數據中獲取商業價值,提升社會收益,打破產業邊界、連接未來。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）