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，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典范。
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。
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。”
腾讯云安全隐私计算产品负责人果伦（Naruto Guo）表示：“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。”
保乐力加品牌成功实践案例
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。
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。
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。
保乐力加用户互动负责人杨静怡（Nicole Yang）表示：“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。”
