爆款案例 ｜PEC隐私计算应用 ROI 12！！ 零售行业如何利用第三数据赋能广告投放

随着数字化营销的发展，越来越多的鞋服品牌开始采用线上线下相结合的方式进行广告投放，以提高覆盖面和效果。近些年，鞋服品牌开始通过大数据、人工智能等技术手段，对消费者行为进行分析，以制定更为精准的营销策略也变得越来越常见。

隐私计算（Privacy Enhanced Computation） 是一种保护数据隐私的技术，可以在不泄露原始数据的前提下进行数据处理和分析。品牌方利用隐私计算，利用第三方数据赋能私域数据应用，安全合规进行广告投放的潜力得到充分挖掘。（相关阅读：隐私计算的风口来了，数据价值如何被充分释放）

本文，通过分析 Convertlab 隐私计算技术，利用三方标签赋能广告投放的成功案例，分析广告投放的最新趋势，并探讨如何安全合规通过 Convertlab PEC ，从构建安全计算节点、洞察三方画像、精准圈选投放再到沉淀私域画像，完成隐私增强计算的全域流程闭环广告投放。

01 数字化广告投放的趋势

首先，随着大数据的发展，越来越多的品牌方将「数据驱动的决策」纳入广告投放策略。 这包括实时监测广告效果、用户行为分析、预测广告投放效果等。品牌方通过收集、分析和利用各种数据，完成广告投放的策略，包括：受众定位、内容和时间优化、渠道选择、预算分配……通过数据驱动的决策，品牌方希望在茫茫的流量中，更精确地找到目标受众，提高广告投放效果。

其次，为了吸引用户关注和提高广告效果，品牌方越来越注重广告内容的个性化。 通过大数据分析和机器学习技术，品牌方可以为不同的用户群体提供定制化的广告内容，并通过 AIGC 大模型完成「广告文案自动生成」和「广告效果数据智能解读」， 帮助品牌客户提效的同时，提高用户参与度和转化率。

再者，在数字广告投放中，用户隐私保护和合规性将成为越来越重要的议题。品牌方需要在遵守相关法规（如个人信息保护法等）的前提下，保护用户数据隐私。隐私计算技术（如同态加密、安全多方计算等）的应用将有助于品牌方实现数据安全和隐私保护。（相关阅读：Convertlab 隐私计算 在文娱行业和汽车行业场景实践）

除此之外，品牌方也越来越发现自有用户数据对广告投放的价值。一方数据包含了品牌方自有的用户信息，如年龄、性别、地域、购买历史等。通过分析历史已购买的用户数据，品牌方可以更精确地了解目标受众的特征和需求以及行为习惯，从而指导数字化广告投放的人群选择，实现更精准的受众定位和广告策略设定。

02 PEC 构建安全计算节点

很多客户在做程序化广告购买的时候，通过一方数据 lookalike 的方式，去公域放大目标人群，寻找更多类似的消费者。和该案例中 Convertlab 的客户一样，会遇到第一方数据标签维度单一、广告投放人群模糊、高价值用户定位难的问题。 在消费复苏的关键窗口期，抢占市场先机快速挖掘高价值人群，拉动 Campaign 销量的表现，成为了行业亟待解决的问题。

尽管程序化广告购买在广告行业中得到了广泛应用，并在一定历史阶段带来了营销的增长。但随着信息技术的发展，程序化广告购买的缺点逐渐呈现：

• 隐私问题： 程序化广告购买依赖于用户数据来实现精准投放。然而，随着用户对隐私保护的关注度不断提高，过度依赖个人数据可能引发法律风险和用户反感。（相关阅读：专访 Convertlab 王琤《个人信息保护法》后，企业如何做数据合规 解读 Convertlab 独立式数据合规管理平台）

• 广告效果难以衡量： 在程序化广告购买过程中，广告商往往难以准确衡量广告效果。虽然可以通过点击率、转化率等指标来评估广告效果，但这些指标仍可能受到点击欺诈等因素的影响，且在注意力越来越分散的今天，广告的效果越来越不理想。

• 透明度不足： 在程序化广告购买中，广告商往往难以通过一方数据，完全了解广告投放的具体位置和人群。这可能导致品牌将广告投放给不需要的人，损害品牌形象。

Convertlab 隐私计算产品 PEC (Privacy Enhanced Computation Hub)，是专为保障企业在数据共享和流通过程中的隐私安全性而设计的一套解决方案。 通过 MPC 多方安全计算、联邦学习与匿踪查询三个核心能力，可以既保证双方信息输入的隐私性，又可以保证计算结果的正确性； 还可以帮助广告主丰富样本特征维度，加深对用户的洞察；更可以对现有数据进行画像补充，实现自己的数据资产不外流、避免风险泄露。

在新时期广告投放中，该案例客户，通过 PEC 构建品牌方一方数据域节点，利用 PSI 隐私求交技术加密计算，与第三方数据域交换加密参数。 广告商在第三方数据与不出域的情况下，实现一方数据人口属性、资质风控、消费水平、线下行为等画像补充，实现更精准的广告投放。

03 Ad Hub+MA+PEC 三方画像洞察 精准圈群投放

Convertlab 的 PEC 已经实现了和 DM Hub 与 Ad Hub 的数据打通，解锁了最强性能组合的大规模实时营销。 结合 DM Hub 用户实时的营销反馈，我们可以调整画像策略，贴近客户真实需求的服务。回流用户历史订单与近期行为表现，还可以进行分析洞察、指标探索，定位营销活动中的价值用户，构建营销闭环、洞察转化 ROI。

在这个案例中，该品牌客户利用 Convertlab DM Hub 选定一方目标用户人群订单数据，通过 PEC 结合第三方数据源安全合规画像补充，包括对用户购买力（如收入水平、消费水平等）、消费偏好（如品类喜好、购买习惯等）等数据标签，并阐述三方群组画像洞察。DM Hub+PEC 的这种方式，该品牌获得了更全面、准确的用户画像。

通过重新定义的用户画像，该品牌精准筛选出消费能力高的相关的三方标签，并进行个体级别的画像补充。 三方数据源成功帮助企业增加 27 个增补标签；对一方数据进行的人群包调优，得到更准确的种子人群包，将原有 DM Hub 初筛的人群包，精准再筛得到精选的种子人群包，大大提高了投放的精准度，降低了广告成本。

通过分析整合后的数据，该客户洞察用户的购买力和消费偏好更有据可依，更客观。

例如，不会再出现洞察一方数据得出「只购买过我家帆布鞋，看来不喜欢训练鞋」的简单结论；通过一方数据+增补三方标签了解更真实的用户，企业会得到更精准的洞察。「这个客户虽然没有在我家买训练鞋，但是他是喜欢训练鞋的」、「这个顾客购买次数和单价都不够，但是资产水平是中上，有很大的消费力」这是难以通过一方数据得到的洞察，在隐私计算的加持下都能完成。

在实现有力洞察之后，利用三方赋能过的精选人群包，Convertlab 智能广告平台 Ad Hub 一键推包，进行广告投放，用更少的投放预算，撬动更高的购买转化。另外，这些增补画像持续落入 LiteCDP——DM Hub，沉淀为企业数据资产，不断为企业构建更真实的私域画像。

一方数据通过安全技术手段被三方数据赋能后，广告投放效果获得显著提升，成功实现降本增效。投放七日的 ROI 达到 12，高于平均投放水平的 200%+，广告点击率 3%+；落地页到达率 55%，成为一个惊艳品牌方的指标。

未来 Convertlab PEC 用隐私计算可以帮助更多品牌与更多三方数据源安全合作，持续放大数据价值。 例如：支付类的数据源可以不断拓宽特征维度，各种数据源任意搭配应对更多种类的活动人群圈选；结合私域聚类结果，洞察经验模型之外，高价值用户的公域画像特征，持续私域画像纠偏，优化公域圈群策略。

撰文：Convertlab 品牌与内容负责人 李勇
审核： Convertlab 资深解决方案顾问 袁菁
Convertlab 产品市场经理 田琨
Convertlab 数据分析师 戴雨豪
相关资料整合：Notion AI
设计：Convertlab 资深设计师 徐明
排版：Amy