如何基于ID安全匹配（PSI）实现广告精准营销、用户促活

一、场景介绍

在广告投放业务中，要实现人群精准圈选，广告主需要将自有的用户数据（包含ID、手机号等）通过加密（如MD5加密算法）传输到媒体侧，然后媒体在自侧查找对应的用户进行投放，这种简单的数据加密方式，有一定可能性，可以推倒出原数据，导致用户信息泄漏。

DataTrust隐私计算提供的ID安全匹配能力，能为广告主和媒体提供更安全可信的人群圈选方案，它允许广告主在自己用户数据不出域的前提下，和媒体侧用户撞库求交，同时保护广告主侧和媒体非交集用户不透出，达到保护两侧非交集用户的目的。

二、操作步骤

在DataTrust隐私计算中，实现ID安全匹配，主要可以分为以下五个步骤：

1、创建合作空间

在【合作空间管理/我侧创建】，广告主创建合作空间，将合作空间邀请码发给媒体侧，媒体侧申请加入。

2、上传数据到合作空间

在【管理配置/合作数据管理】，媒体和广告主，分别把自己的用户数据加入到该合作空间中。

3、创建任务

在【通用计算/任务研发】，由广告主创建【ID安全匹配任务（TrustDA/PSI）】，指定两侧用于求交的用户表，并指定求交结果输出表，输出到媒体侧。

4、任务审批

在【通用计算/审批流程】，媒体对任务进行审批。

5、执行任务

任务审批通过后，广告主侧可以执行任务，期间可以在【通用计算/运行实例】，查看【任务运行状态】。任务运行完成后，媒体侧可在指定的结果表中查看求交结果。

三、结尾

上面通过广告精准营销的例子，讲述了DataTrust隐私计算的ID安全匹配能力。除此，DataTrust隐私计算还有隐匿信息查询、安全联合分析、安全联邦学习三大能力，其中：

• 隐匿信息查询：能支持数据查询方不透露自侧用户ID的情况下，从数据服务商侧查询标签信息，常用在用户画像增补场景；

• 安全联合分析：能支持两个企业数据在不共享的情况下，通过SQL进行联合统计，常用在广告全链路复盘分析中；

• 安全联邦学习：能支持两个企业在不共享样本数据的情况下，通过交换参数信息，共建机器学习模型，在金融联合风控、联合营销推荐场景中常常被使用。

后续，我们也会结合更多实际业务场景，介绍DataTrust其他隐私计算能力的使用方式。