WPP和騰訊云大數據在廣告投放領域取得新突破
WPP和騰訊云在行業前沿領域建立新合作，助力中國市場的廣告主充分發揮數據和人工智能的潛能。
大數據時代，每一分每一秒都在產生海量數據。但在數據的應用層面，各行各業出臺了更加嚴格的數據隱私保護規范，公司之間的數據共享更加困難，從而造成了業界數據孤島現象，但企業對更豐富、更高質量的數據合作訴求卻日益強烈。
今年初，WPP和騰訊云大數據團隊達成了基于“騰訊云安全隱私計算”平臺的廣告業務合作，并攜手保樂力加和TalkingData進行了多方聯邦學習的實戰，最終在信息流廣告投放獲得了顯著效果，為聯邦學習應用于廣告領域的新模式在整個行業的推廣和應用樹立了新的里程碑。
基于“騰訊云安全隱私計算”平臺的廣告業務合作
聯邦學習(Federated Learning)是一種打破數據孤島、釋放 AI應用潛能的分布式機器學習框架，能夠讓各參與方在不泄露原始數據的前提下，通過交換加密中間參數完成聯合建模，合法合規地進行數據賦能，是近兩年在大數據領域最受關注的熱點之一。
WPP多年來在全球持續打造和優化數據、技術及產品能力。在中國其自研的數據管理平臺已幫助大量客戶提升廣告受眾分析、策劃和執行的效率和效果，并逐漸累積了在聯邦學習方面的技術經驗。在聯邦學習領域，騰訊云安全隱私計算平臺作為業界頭部隱私計算賽道的產品，已連續3年獲得信通院多方安全計算、聯邦學習產品安全性及性能方面的測試認證，而且在2019年“基于多方安全計算的數據流通產品”測評中，還是全國首批唯五獲得該證書的產品之一。
基于雙方對聯邦學習的高度共識以及長期的緊密合作，WPP和騰訊云大數據團隊達成了基于騰訊云安全隱私計算在廣告領域的持續合作，致力于大力推進合規、安全、高效能的數據應用進程。
WPP大中華區首席執行官、群邑大中華區首席執行官徐俊（Patrick Xu）表示： “對整個行業而言，聯邦學習的合作模式目前尚屬探索階段。WPP和騰訊云作為各自領域的佼佼者，希望能充分發揮各自能力，持續努力學習、應用最新的數據和技術能力，為客戶提供更大價值的同時，推動整個行業的發展。期待與更多合作伙伴共同攜手在數據技術領域拓寬拓深。”
騰訊云安全隱私計算產品負責人果倫（Naruto Guo）表示：“今年初我們將神盾聯邦計算升級為騰訊云安全隱私計算，產品基于騰訊 Angel PowerFL 隱私計算框架，以聯邦學習（FL）、安全多方計算（MPC）、可信執行環境（TEE）等隱私數據保護技術為基礎，針對機器學習、數據分析等算法進行定制化的隱私保護改造，打造數據應用全鏈路的隱私計算產品。升級后的騰訊云安全隱私計算產品保證原始數據不出本地即可快速完成隱私計算任務，保障數據安全的同時又能發揮數據最大價值，很好地解決了企業面臨的數據孤島難題，與WPP的合作是在廣告營銷領域非常好的起點，平臺優異的安全性、性能表現在本次廣告業務合作中發揮了重要作用，既保障數據安全又最大化釋放了企業數據價值。后續其推廣和應用也需要行業各方合作伙伴們的共同努力，期待未來打造更多優秀案例。”
多方聯邦學習落地實戰
保樂力加作為一家非常注重數智化轉型和創新的企業，其旗下馬爹利（Martell）和格蘭威特（The Glenlivet）等多個品牌勇于嘗鮮，積極參與了聯邦學習實戰。而TalkingData作為騰訊云的戰略合作伙伴，是云安全隱私計算平臺的推廣和應用方。
在執行過程中，基于馬爹利和格蘭威特的高質量種子人群，多方分別基于云安全隱私計算平臺在各自的建模環境中輸入特征樣本，完成模型訓練之后又基于平臺的隱匿查詢功能進行聯邦打分推理。
參與各方在不披露原始數據的前提下，通過交換加密中間參數完成聯合建模，通過特征工程及算法調試，最終訓練出馬爹利和格蘭威特品牌所期望的精準模型，基于該模型打分篩選的精準人群被應用到市面主流媒體進行投放。
聯邦學習平臺頁面demo
從投放結果可以看出：針對馬爹利這樣具有大量CRM歷史樣本數據積累的品牌運用聯邦學習訓練的精準模型，在較長的campaign活動中，其投放效果比對照組（基于單方數據能力訓練的模型）有顯著提升。
其中一波投放效果對比圖
而另一方面，針對格蘭威特這樣比較新的品牌，運用有限的CRM數據進行聯邦學習產生的精準模型，在較短的campaign周期中，獲得了比對照組高兩倍的高質量曝光。
其中一波投放效果對比圖
保樂力加用戶互動負責人楊靜怡（Nicole Yang）表示：“雖然整個行業對數字化轉型已經探討多年，但洋酒和傳統的食品飲料行業由于對線下渠道依賴非常深，面臨著較大挑戰。保樂力加已經積極搭建了自有的CDP用戶中臺，聯邦學習這樣的合作模式更是如虎添翼，讓我們看到了數據能力運用的巨大空間，相信未來會有越來越多創新和突破。”
WPP和騰訊期待攜手各方合作伙伴持續推進聯邦學習實踐和應用。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
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）