翁帆前夫经历了2019年的技术普及和市场教育阶段，2020年的大规模概念验证和试点部署阶段之后，2021年隐私计算进入真正尝试规模化应用的阶段。将深度调研行业应用状况，同业界一起关注隐私计算给数据要素市场发展带来的价值。

　　身边很多给银行、保险等金融机构做流量获客的老板，最近聚在一起聊天，牢骚最多的就是“不太好做了”。

　　这里说的不好做，倒不是金融流量中介商（拉皮条）这个角色存在什么风险（前两天还出台政策承认金融中介的合法权益，特别是信贷员），而是流量市场的本质貌似在偷偷地变化。这些变化表现在风险和效果上。

　　局中人其实都明白，过去很长一段时间能给金融机构带来大流量的方式过去以短信营销、分.销任务量为主。但是，最近一年，包括所谓的大数据公司、运营商SP似乎在渐渐消失、分.销也不太受待见。为什么会逐渐消失呢？

　　1、被营销用户所有权问题，法律上存在风险。严格地说，应该禁止对非会员用户发营销短信骚扰。因此，广告主大多数开始忌讳，大数据公司也开始“合规”业务。

　　2、SP通道能力限制，比如上个月开始某运营商已经禁止发任何信贷类短信，断其咽喉。

　　3、实际效果变差，短信被拦截、用户打开率低等，是的营销的ROI没有红利期时代效果好。

　　4、分.销任务应该是质量最差的，因为前几年大量获客积累的业务口拉新指标已经没有那么大的KPI压力，现在的更多的广告主明确要求“拒绝任务量”。

　　当然还有很多错综复杂的因素，导致的结果是你现在收到的金融营销短信相比前两年而言大幅减少。

　　做一个思考与小结：我认为找第三方大数据公司、根据标签选人后，以一个“莫须有”的名义给用户发短信这件事情，应该退出历史舞台了。那么，什么样的方式会填补金融机构获取优质流量的需求空白呢？

　　交叉营销并不陌生，“场景化的交叉营销，之前不是企业获客的最重要方式吗？为什么？”

　　的确，一部分联合其他行业平台办活动、投广告，都属于场景范畴。但是我觉得是一种比较狭隘的定义。之前的交叉营销偏单向投放，比如广告主在头条，通过头条的用户标签体系选者人群包进行投放广告，结算一般按点击（cpc）。因为很大程度上这类单向投放用效果（cps）结算对广告平台不公平。

　　单项投放的缺点是人群包的精准程度完全依赖广告平台的用户画像，金融机构（广告主）不存在把投放效果用户样本给到广告平台进行投放模型优化。所以，单项投放的效果大概率只会越来越差。

　　1）最终触达的用户必须由该用户所在的平台执行。比如金融机构在广告大数据平台做完模型选出来的人群包，如果不是金融机构的客户，则必须由广告平台对用户进行营销推广。

　　2）金融机构的投放效果数据可与广告平台的特征数据、点击数据等进行联合建模、优化投放模型。说实话，过去的金融科技技术挺难满足的，“不给做不了，给了不允许！”所以，互金比银行做的溜，因为互金骨子里头传承着“无所畏惧”。

　　场景化交叉营销具体的方案是啥，先提一个老概念-私域流量。这并不陌生，特别是直播电商这些年，讲简单点你的独自的小圈子、你的粉丝，你是KOL，你圈粉的过程叫种草。

　　要谈清楚本文的场景化交叉营销，我想把私域流量放的足够大，比如小红书平台的用户、比如YY的游戏用户、比如移动5G套餐用户等等，某个平台自己的具有一定辨识度（场景）里的活跃用户。

　　私域流量具备鲜明的用户特征，更具备营销投放的现成场景入口。他区别于普通媒体投放会更加聚焦用户场景，区别于短信外呼会有更加现成的场景。

　　金融机构营销有两个事情：拉新、运营。拉新即获取新客户。运营即存量营销，比如存款用户转化理财。

　　金融机构与私域流量平台之间存在用户的交集与补集，交集可用于运营、补集可用于拉新。

　　这个过程面临最大的挑战是整个营销建模与优化的过程涉及到的用户数据存在于广告主和流量平台两侧。如何解决？

　　我这里将营销分为拉新与运营两块。拉新，即通过广告投放获取银行外部的客户成为新用户，比如推荐办信用卡、推荐开储蓄卡等。运营，即通过电销或者营销短信、营销卡券等方式，对银行的存量用户进行营销，如推荐信用卡优质客户申请贷款、推荐存款优质高净值客户购买理财产品、给喜欢喝星巴克的信用卡客户发放消费卡券等。

　　① 案例「拉新」：某银行信用卡部门A 和某支付数据公司B 合作信用卡开卡营销业务

　　信用卡开卡是非常典型的拉新业务，如银行A希望和支付数据公司B合作，在B中筛选出“每月购物消费1000元以上、20~35岁年龄区间的女性”，然后让B在支付场景中对筛选出的潜客推荐办理一款粉红女郎主题的信用卡。抛出拉新关心的三个核心问题：如何建立筛选模型？如何进行去重投放？如何进行响应率计算并进行模型调优？

　　过去很长一段时间，营销过程似乎很“不优雅”，这种不优雅体现的淋漓尽致。银行建模工程师在做信用卡营销模型时候，需要通过层层审批、小心翼翼地将样本拿到数据公司去训练。投放途中既想剔除掉自身已经开卡的用户，又怕全量库被碰撞。最后投放效果数据又得通过层层审批、小心翼翼地给到营销平台。

　　不优雅的根结是涉及到用户的隐私数据，我们来描述一种“优雅”的方案。A和B在整个营销过程自始至终都在一个平台上（隐私计算平台，A和B本地各有一个计算节点，A和B需要协同计算的数据都只存在本地节点上）。

　　整个营销过程被隐私计算技术重构：一个隐私计算平台、一个可用不可见的数据理念，最终让营销过程变得规范有序。

　　② 案例「运营」：某银行财富管理部门A 希望对行内高净值存款客户推荐理财产品

　　这是一个典型的交叉营销场景，客户运营的前提是营销目标已经是银行客户，这个营销活动可以直接由银行通过客服坐席或者营销短信的方式触达。抛出运营关心的一个核心问题：如何联合外部数据进行用户刻画？举个简单的例子，银行存款用户数量庞大，但是单纯依赖行内的客户数据，很难圈出对购买理财感兴趣的用户。一般的操作都是通过API或者离线库的方式采购第三方数据公司的标签，API查询动作很大程度上会对银行客户ID隐私造成威胁。

　　隐私计算技术对这种场景有两种比较好的解决方案，一种是匿踪（如基于OT）查标签，另一种是带查询条件的隐私安全求交（如基于PIS）。两种方式的出发点和好处稍有区别。

　　每个时代随着政策和市场变化，演化出来的商业模式会让一部分人先看到机会。流量的下一个红利阵地在哪里？上次听了一个比较有意思的说法，虚拟现实技术将会成为虚拟世界和现实世界的边界，它会重新定义现实世界的实体在虚拟世界里的财富。咱们暂且引用一下这个句子格式，隐私计算技术有可能会成为私域流量平台之间的边界，它有可能会重新构造流量业务的内部逻辑和商业模式。

　　数据作为数字经济时代最核心、最具价值的生产要素，正加速成为全球经济增长的新动力、新引擎。近年来，我国深入布局数字经济战略，加快培育数据要素市场。“释放数据价值：数据要素市场研究”专题聚焦数据的存储开发、开放共享、交易流通、综合治理以及安全防护，从参与主体、商业模式创新及监管动向等多维度研究数据要素市场发展趋势。（点击下图进入专题）