創略科技胡世杰:營銷場景下,聯邦學習如何挖掘數據的“跨域”價值

圖片來源@Unsplash
隨著企業數字化進程加快,企業內數據資產化趨勢明顯。這些企業內部的數據又叫做“私域數據”,管理企業私域數據的平臺又叫做數據中臺,后來數據中臺也出現了一些分化,比如客戶數據中臺(CDP)當前也較為流行。
但企業大多數的私域數據所訓練出的算法都有一定的局限性,這些私域數據就好比一個“信息繭房”,如果沒有外域多維度數據做參考,得出的決策可能是不夠精準甚至是錯誤的。
其實大部分企業都希望能通過一些外域數據來完善自身客戶數據體系,不過囿于數據合規性以及數據質量好壞等綜合因素,這些外域數據并不能被直接獲得。那么,有沒有一種有效的辦法既能拿到高質量數據,又能滿足數據合規,還能挖掘“跨域”數據的價值呢?
創略科技創始人胡世杰正帶領他的團隊嘗試用聯邦學習的方法探索解決這一問題在數字營銷領域的新可能。
聯邦學習與數據洞察
聯邦學習又叫聯邦機器學習(FL),是AI、大數據技術合力促成的一項技術,簡單來講,“聯邦”有“眾籌”和“協作”之意。由于AI建模需要大量的數據用于訓練,一般情況下A機構或企業都只有各自領域的數據,為了AI精確計算的需要,其對B機構、C企業的數據也有需求,為了數據合規,不能粗暴地把幾方數據簡單加以合并。
于是聯邦想要做到的是各個企業的自有數據不出本地的情況下,聯邦系統可以聚合各個參與者的訓練模型/數據洞察,通過多輪迭代得到全局準確的模型。這樣這個全局準確的模型實際就是集合了企業的私域數據和外域數據,能夠實現數據跨域聯合的價值。
回溯聯邦學習的發展歷程,最早聯邦學習在一些常見領域有所應用。比如醫療、金融、智能汽車、物聯網等領域。特別是在金融領域,聯邦學習對于金融風險控制、反洗錢等方面的作用已經被學界驗證。“聯邦學習可以讓銀行之間的數據不出庫,建立一個橫向聯邦;然后借用互聯網公司的行為建立縱向聯邦。這樣一個系統可以發現特別難以發現的洗錢行為。”微眾銀行首席人工智能官、香港科技大學講座教授楊強在某次演講中提到。
隨著這一技術的發展,聯邦學習在數字營銷領域也開始展露頭角。
以創略科技的自身實踐為例,創略科技作為一家企業級智能客戶數據解決方案服務商,希望利用聯邦學習更多促成企業的交叉銷售。據了解,交叉銷售是以存量客戶為基礎,借助CRM發現客戶的多種需求,并通過滿足其需求而銷售多種相關產品活服務,努力鼓勵客戶使用同一家公司的產品或服務的一種營銷方式。這種方式不僅可以降低獲客成本,而且可以提高客戶留存率,培養客戶忠誠度。
企業一般情況下實現交叉銷售的方式是從建立線下關系開始,才能把各產品條線之間的協作型跑通,但是如果能夠借助聯邦學習關于異域數據的洞察,就會有一個比較完整的AI解決方案。
“拿春秋航空來說,春秋航空的私域數據中基本上都是航線購買的相關數據,但如果有酒店消費類的洞察,餐飲、咖啡店等行為軌跡數據的話,可能更有利于做營銷。”胡世杰介紹。
聯邦學習商業化還處于初級階段
理想狀態下,聯邦學習應該由特定的聯盟發起,各家開放自己的數據,并通過聯邦學習技術形成具有全局意義的數據洞察。聯盟內的成員都可以使用聯盟數據洞察賦能自身業務。
胡世杰也說,創略科技在聯邦學習上有往平臺化、聯盟化發展的意向。“長期來看的話,參與者越多,或者所謂的聯盟越大的話,價值也越大,因為從某種意義上是有一定的網絡效應在里面的。”
但胡世杰表示,創略科技目前沒有在整個客戶體系內去推聯邦學習,中國營銷科技領域也沒有一個類似數據聯邦的組織存在。
原因在于聯邦學習的落地需要企業之間1對1協作。也就是雙方都恰好需要對方的數據洞察,創略科技就可以這個過程中扮演撮合者的角色。
在他看來,聯邦學習當前沒有大規模在商業化上推廣有幾個方面的原因。一來,有一定數據化基礎,且對異域數據有需求的企業一般都是中大型企業,從需求上看,這些企業都是帶有目的地選擇聯邦學習的合作方,比如,他們可能需要針對性地補齊在車聯網或者咖啡店客戶的數據洞察,所以聯邦學習在嘗試層面就帶有一定門檻。

二來,整體來看聯邦學習的商業價值還處在探索階段,聯邦學習更多落地場景和價值有待驗證。“聯邦學習是需要長期投資的領域,快速提升體量不是現在的首要任務,價值驗證與技術磨練在現階段更重要。”
比如,產業界和學界都在探索區塊鏈技術在聯邦學習中的應用。此二者之間一個比較核心的關聯是:在區塊鏈技術介入后,“多個企業或參與者之間執行聯邦學習時,是否一個主導方(管理方)”是可選的——也就是說,聯邦學習可以是個完全去中心化的過程。不管有沒有主導方,參與者之間的信任度,透明度,以及參與機制都是重要且能得以保證的要素。 其目標都為去中心化網絡中增強節點之間的互信,區塊鏈在確保交易記錄不被篡改,通過技術上的共識實現多方合作,助力聯邦學習實現數據隱私保護技術。
胡世杰坦言,在創略的客戶中,真正對聯邦學習,或者對異域數據洞察有需求、感興趣、愿意嘗試的的企業比例僅為25%。
他觀察,在某一種情況下,聯邦學習非常有用。“一些客戶只是進入了A企業的私域,但是沒有轉化成客戶,從一些個性化、智能營銷的角度很難判斷怎么去把這些人轉化成客戶。但相反,這些客戶反而在B企業已經變成了客戶。這是非常好的聯邦學習的應用場景,對于企業新客導入和拉新有明顯幫助。”
除了應用場景有待更多探索,一些巨頭型企業也開始探索聯邦學習在數據安全性上的問題。鈦媒體在《一文讀懂機密計算SGX:區塊鏈、AI技術的一把安全鎖 》中,曾介紹過清華大學李琦教授帶領團隊用機密計算(SGX)解決聯邦學習中的“數據投毒”問題。
由于聯邦學習難以控制參與者的本地訓練過程,所以訓練模型/數據洞察很容易受到模型污染攻擊和后門攻擊等等。例如,參與者可能會在不訓練或者少訓練的情況下騙取獎勵,從而導致模型訓練方的經濟損失。
而SGX作為基于硬件的保護工具,可以有效且高效的保證聯邦學習訓練的正確執行。因此,通過應用SGX技術可以為聯邦機器學習提供有效的安全防護。
聯邦學習落地過程中的更多問題還有待被解決。不過,這些問題的存在并不能阻止產業界、學界對聯邦學習未來的看好。“我對這個技術的未來走向是非常樂觀的。但聯邦學習商業化跟應用場景落地的問題可能是一個難點。結合這樣一個技術,怎么樣真正把它做成一個有意義、有價值、能規模化的一個模式?是一個問題。”胡世杰說。
(本文首發鈦媒體App,作者 | 秦聰慧)
更多精彩內容,關注鈦媒體微信號(ID:taimeiti),或者下載鈦媒體App
核心關鍵字: 人工智能| 留言與評論(共有 0 條評論) |



