隐私计算:银行精细化营销的重要工具
木子剑移动支付网2022/6/13 14:10:30

近期,交通银行和京东科技联合申报的“基于隐私计算技术的银行卡营销服务”项目成功入选河北省第四批金融科技创新监管应用试点。

该项目运用隐私计算等技术构建银行卡营销模型,精准识别目标客群,并为不同类型的存量客户提供定制化、差异化的营销服务方案,以适当的频次、时间告知客户活动方案,旨在提升银行沉睡客户促活服务的响应率及银行卡使用率。

银行进行精细化营销,需要丰富的客户个人信息支撑

想必不少人接到过银行客服打来的推销电话,一般是推销某项服务或产品。尤其是银行为了“留存”“促活”,会针对使用该行产品或服务活跃率较低的客户展开营销工作。

不管哪种营销方式,都应该基于“对客户有相对全面的了解”。否则,营销服务“不对味”,难以“戳”到客户需求。比如在传统营销模式中,银行无法实现对客户需求及行为偏好的准确分析,不得不采取“广而告之”的营销手段,这样不仅浪费营销资源,还可能打扰到客户,令其反感。

为了实现“千人千面”的精细化营销,银行需要综合运用客户的信息。

在客户使用相关产品和服务时,部分信息已授权给银行。比如,在该项目服务协议书中,有提到关于个人信息的采集和保密等。

其中,《交通银行太平洋个人借记卡领用合约》中提到,依据监管要求,会采集借记卡申领人(包括主卡申领人和附属卡申领人)的个人信息,比如姓名、性别、出生日期、身份证件号码、联系电话、住所地或工作单位地址、职业信息等。对于监管规定的流动就业群体等特殊客户,还将留存税务、社保、公积金、水气煤电公共事业缴费等辅助信息。

《交通银行个人手机银行和个人网上银行隐私政策》(以下简称“《交通银行隐私政策》”)显示,会在征得本人同意的情况下收集客户信息,包括个人敏感信息,比如身份证件号码、个人生物识别信息、银行账号、征信信息、财产信息、交易信息等。

以上为银行可获取到的客户主要个人信息,但或许不能完全支撑其精准营销服务,因此需要整合更多维度的数据,而此时可能面临“数据孤岛”问题。由于不同行业、不同企业甚至不同部门之间的数据彼此相互孤立,获取别处数据并非易事。

据移动支付网了解,京东科技在该项目中或许除了承担系统服务建设的工作,也是提供数据的数据源。

《京东金融隐私政策》(京东金融为京东科技旗下产品)提到,京东科技及关联公司除了获取客户直接提供的信息和客户在使用旗下产品和服务过程中终端设备发过去的信息之外,也会在取得客户同意的情况下从其它来源获取个人信息,比如合作伙伴、信用机构及依法成立合法留存客户相关信息的第三方机构。

通过合作进行数据共享,交通银行可整合自身及京东科技等多处数据,从而得到更立体、更丰富的客户画像。

隐私计算成银行营销有力工具

《交通银行隐私政策》提到“如何使用客户信息”。交通银行会对客户使用产品或服务的情况进行统计分析、加工;会对客户信息进行去标识化处理,结合分析结果,向客户提供相关产品和服务的营销活动通知、商业性信息或可能感兴趣的广告。

显然,这并非只存在于交通银行,在大众使用各银行甚至其它企业产品或服务时均会遇到。通过用户的个人信息、行为数据等为其提供个性化推荐,已是社会上的基础操作。

那么,如何在处理海量客户数据时做好隐私保护,是当下金融机构需要开启的“一把锁”。而隐私计算,或是“这把锁”的“钥匙”。

《交通银行隐私政策》提到,共享、转让经去标识化处理的个人信息,且确保数据接收方无法复原并重新识别个人信息主体的,不属于个人信息的对外共享、转让及公开披露行为,对此类数据的保存及处理将无需另行向客户通知并征得其同意。

《京东金融隐私政策》提到,京东金融关联公司有权使用已去标识化的信息;在不透露客户个人信息的前提下,其有权对用户数据库进行分析并予以商业化的利用。

据移动支付网了解,这符合相关法律法规。《网络安全法》提到,未经被收集者同意,不得向他人提供个人信息,但是经过加工无法识别特定个人且不能复原的除外。《个人信息保护法》指出,个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息,不包括匿名化处理后的信息。

兼顾数据计算和隐私保护、信息经过处理不能被复原或识别特定个人,正是隐私计算的价值所在。

交通银行和京东科技这次合作项目的核心,便是隐私计算技术。

该项目的创新性主要有三点:

其一,通过银行卡营销模型生成营销目标客群参考名单,较以往人工调查的传统模式,不仅提升了客群识别的精准度,也提升了工作业务效率;

其二,基于隐私计算技术融合多方数据,在保障数据安全的同时打破数据壁垒,确保数据提供方“信息零出库”,数据需求方“隐私零泄露”,可保护用户隐私;

第三,通过银行卡营销模型,可为不同客户提供精准的定制化营销服务方案。

该项目主要用于“留存”“促活”,此外,银行营销还可用于“拉新获客”。通过隐私计算整合银行内部、所在行业甚至其它行业比如政务、运营商、互联网等更多维度的数据,可对非自身客户进行画像分析,从而推出符合需求的营销活动,吸引其成为银行新客户。

比如北京金融科技产业联盟2022年发布的《联邦学习技术金融应用白皮书》有提到两个营销案例。

获客营销案例。某股份制银行利用自身与政务部门数据训练联邦模型,以获得企业客户价值实现精准营销。主要采用两类解决方案,其一为批量筛客,模型训练完成后,该行利用自身客户名单批量推理,识别不同领域优质客户,不同客户有针对营销贷款、存款等业务;其二为流量拓客,该行信贷产品通过政务门户网站引流,单个企业点击申请授权,通过联邦实现线上拓客,可解决中小微企业融资难问题。

信用卡交叉营销案例。银行针对已有的借记卡客户,与互联网生活消费类平台合作,实现具体消费场景的交叉营销与信用卡销售前移。比如对于商务类客户,在其购买机票时推荐办理旅行联名信用卡,可享贵宾厅权益。这成为银行信用卡获客新的营销重点。

艾瑞咨询预测,2025年中国隐私计算市场规模将达到145.1亿元。相比2021年4.9亿元,隐私计算增长空间极大。未来,为打破业务发展瓶颈,或将有更多的金融机构在联合营销等场景应用隐私计算技术。

本文为作者授权发布,不代表移动支付网立场,转载请注明作者及来源,未按照规范转载者,移动支付网保留追究相应责任的权利。

展开全文
相关阅读
资讯查询取消