WPP和腾讯云大数据在广告投放领域取得新突破
WPP和腾讯云在行业前沿领域建立新合作，助力中国市场的广告主充分发挥数据和人工智能的潜能。
大数据时代，每一分每一秒都在产生海量数据。但在数据的应用层面，各行各业出台了更加严格的数据隐私保护规范，公司之间的数据共享更加困难，从而造成了业界数据孤岛现象，但企业对更丰富、更高质量的数据合作诉求却日益强烈。
今年初，WPP和腾讯云大数据团队达成了基于“腾讯云安全隐私计算”平台的广告业务合作，并携手保乐力加和TalkingData进行了多方联邦学习的实战，最终在信息流广告投放获得了显著效果，为联邦学习应用于广告领域的新模式在整个行业的推广和应用树立了新的里程碑。
基于“腾讯云安全隐私计算”平台的广告业务合作
联邦学习(Federated Learning)是一种打破数据孤岛、释放 AI应用潜能的分布式机器学习框架，能够让各参与方在不泄露原始数据的前提下，通过交换加密中间参数完成联合建模，合法合规地进行数据赋能，是近两年在大数据领域最受关注的热点之一。
WPP多年来在全球持续打造和优化数据、技术及产品能力。在中国其自研的数据管理平台已帮助大量客户提升广告受众分析、策划和执行的效率和效果，并逐渐累积了在联邦学习方面的技术经验。在联邦学习领域，腾讯云安全隐私计算平台作为业界头部隐私计算赛道的产品，已连续3年获得信通院多方安全计算、联邦学习产品安全性及性能方面的测试认证，而且在2019年“基于多方安全计算的数据流通产品”测评中，还是全国首批唯五获得该证书的产品之一。
基于双方对联邦学习的高度共识以及长期的紧密合作，WPP和腾讯云大数据团队达成了基于腾讯云安全隐私计算在广告领域的持续合作，致力于大力推进合规、安全、高效能的数据应用进程。
WPP大中华区首席执行官、群邑大中华区首席执行官徐俊（Patrick Xu）表示： “对整个行业而言，联邦学习的合作模式目前尚属探索阶段。WPP和腾讯云作为各自领域的佼佼者，希望能充分发挥各自能力，持续努力学习、应用最新的数据和技术能力，为客户提供更大价值的同时，推动整个行业的发展。期待与更多合作伙伴共同携手在数据技术领域拓宽拓深。”
腾讯云安全隐私计算产品负责人果伦（Naruto Guo）表示：“今年初我们将神盾联邦计算升级为腾讯云安全隐私计算，产品基于腾讯 Angel PowerFL 隐私计算框架，以联邦学习（FL）、安全多方计算（MPC）、可信执行环境（TEE）等隐私数据保护技术为基础，针对机器学习、数据分析等算法进行定制化的隐私保护改造，打造数据应用全链路的隐私计算产品。升级后的腾讯云安全隐私计算产品保证原始数据不出本地即可快速完成隐私计算任务，保障数据安全的同时又能发挥数据最大价值，很好地解决了企业面临的数据孤岛难题，与WPP的合作是在广告营销领域非常好的起点，平台优异的安全性、性能表现在本次广告业务合作中发挥了重要作用，既保障数据安全又最大化释放了企业数据价值。后续其推广和应用也需要行业各方合作伙伴们的共同努力，期待未来打造更多优秀案例。”
多方联邦学习落地实战
保乐力加作为一家非常注重数智化转型和创新的企业，其旗下马爹利（Martell）和格兰威特（The Glenlivet）等多个品牌勇于尝鲜，积极参与了联邦学习实战。而TalkingData作为腾讯云的战略合作伙伴，是云安全隐私计算平台的推广和应用方。
在执行过程中，基于马爹利和格兰威特的高质量种子人群，多方分别基于云安全隐私计算平台在各自的建模环境中输入特征样本，完成模型训练之后又基于平台的隐匿查询功能进行联邦打分推理。
参与各方在不披露原始数据的前提下，通过交换加密中间参数完成联合建模，通过特征工程及算法调试，最终训练出马爹利和格兰威特品牌所期望的精准模型，基于该模型打分筛选的精准人群被应用到市面主流媒体进行投放。
联邦学习平台页面demo
从投放结果可以看出：针对马爹利这样具有大量CRM历史样本数据积累的品牌运用联邦学习训练的精准模型，在较长的campaign活动中，其投放效果比对照组（基于单方数据能力训练的模型）有显著提升。
其中一波投放效果对比图
而另一方面，针对格兰威特这样比较新的品牌，运用有限的CRM数据进行联邦学习产生的精准模型，在较短的campaign周期中，获得了比对照组高两倍的高质量曝光。
其中一波投放效果对比图
保乐力加用户互动负责人杨静怡（Nicole Yang）表示：“虽然整个行业对数字化转型已经探讨多年，但洋酒和传统的食品饮料行业由于对线下渠道依赖非常深，面临着较大挑战。保乐力加已经积极搭建了自有的CDP用户中台，联邦学习这样的合作模式更是如虎添翼，让我们看到了数据能力运用的巨大空间，相信未来会有越来越多创新和突破。”
WPP和腾讯期待携手各方合作伙伴持续推进联邦学习实践和应用。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）