Talkingdata：人工智能助力新金融(13頁).pdf

1、人工智能助力新金融 微眾銀行 鄭文琛 2019.11.25 金融營銷中的數據孤島和用戶隱私挑戰嚴峻 金融用戶促活：金融機構僅能觀察到有限用戶偏好 用戶？ 有限用戶偏好無法獲取更多偏好 隱私限制 貸款信用卡保險在線教育家裝行業 轉化評估指標不止是曝光、點擊 點擊更后端的轉化 挑戰 長鏈高效轉化?數據隱私保護? 曝光留資 金融用戶拉新：金融產品的轉化鏈路長，轉化數據敏感 聯邦學習解決金融營銷的數據孤島和隱私挑戰 金融用戶促活：聯邦推薦金融用戶拉新：聯邦廣告 聯邦學習是一種新的隱私保護機器學習機制 數據隱私保護 任何底層數據不向對方泄露 共同獲益 參與者地位對等 縱向聯邦學習：企業數據 橫向聯邦學習

2、：用戶數據 聯邦學習是分布式加密機器學習，在保護原始數據隱私安全的前提下進行聯合建模，共同分享計算結果 FATE：開源、工業級的聯邦學習項目 123推薦廣告平臺使用聯邦FM推薦模型+高效架構第三方數據 聯邦推薦：解決用戶促活中的第三方數據面臨隱私挑戰 專為推薦場景設計的加密數據建模 + 基于FATE的高效架構 提升推薦效果安全使用第三方數據 傳 統 推 薦 用戶理財產品 傳統推薦算法 基于行為和內容推薦 聯 邦 推 薦 聯合多方數據 強化學習 運營平臺 聯邦推薦 長效推薦 理財產品 局限： 1.內容分析受到限制 2.集中化推薦問題 3.新用戶無法提供可信 推薦 優勢： 1.用戶長期興趣探索 2

3、.數據隱私保護 3.拓展一方數據提升推 薦效果 聯邦推薦：為用戶促活提供解決方案 1、隱私保護的數據對齊； 聯邦廣告：解決用戶拉新中的數據回傳面臨隱私挑戰 微眾AI 廣告主 獲取和推送點 擊記錄 獲取點擊行為 數據 建立轉化預估 模型 查看轉化效果 運用在廣告投 放中 預計1-3 天/人 轉化保護+差分隱私 聯邦廣告：解決用戶拉新中的數據回傳隱私挑戰 2、隱私數據的模型優化 轉化保護 轉化用戶與點擊用戶混合在一起。我們無法從海量 嚴格加密的用戶行為中揣測您的轉化用戶。 差分隱私 轉化點擊用戶經由數據打亂。我們只能看到整體的 狀況，而無法跟蹤至轉化中任何個人。 轉化用戶 點擊用戶 THANKS 咨詢服務： 官網詳情： 聯系地址：深圳市南山區沙河西路1819號深圳灣科技生態園7棟A座微眾銀行 金融營銷中的數據孤島和用戶隱私挑戰，聯邦學習為其提供解決方案 聯邦推薦 有效解決金融用戶促 活中，第三方數據面 臨的隱私挑戰 聯邦廣告 有效解決用戶拉新 中，數據回傳面臨 的隱私挑戰