本文共字，预计阅读时间。

2020年新冠疫情以来，由于内外部环境的剧变，加速了寿险公司的数字化转型。通过数字化的营销寻求新的业务增长点，是寿险公司在激烈竞争中可持续发展的必由途径。

但是，面对数字化营销转型，寿险公司需要解决诸多现实难题：如何全面提升前中后台的运营能力以支撑数字化营销开展，如何有效采集数据并科学分析用于指导运营，如组建、何赋能数字化营销队伍等。但其中最为核心的是，在监管日趋完善的背景下，数字化营销与消费者大数据隐私保护能力、网络安全管理能力的融合与提升。秉承直面这些问题的目的，本文着力阐述了寿险公司基于大数据隐私计算框架下，数字化创新营销能力构建的路径及其方式，系统梳理了相关工具手段和运用场景。通过归纳分析数字时代顾客的决策流程及其特点，建立了数字化营销模式创新模型，并提出隐私计算与数字化营销相融合的运营架构，从而推动业务创新性增长。

一、寿险公司数字化营销模型、模式分析

在互联网+大数据时代，数据成为寿险公司重要的资产，从市场研究到品牌推广、从用户信息获取到客户转换、从营销创意到用户体验，每一个环节都需要基于市场和用户的大数据深挖。数据不再是离散的变量，通过全域化数据打通、可视化数据分析，可为寿险公司洞察用户、发现需求、决策营销方案提供信息支持，进而以数据为基础进行内容生产、场景塑造、销售赋能。

在前述背景下构建一体化大数据中台，私有云平台，共享技术平台，是数字化营销的技术基础，其本质上是在此基础上的打造营销活动的数字化闭环。即通过整合客户数据信息，建立用户分析模型和智能引擎，实现包括用户全面洞察、广告精准投放、信息推送触达、产品在线购买、核保规则内置、智能售后服务的全流程数字化。

（一）寿险数字化营销的S-C-P-DC模型

本文通过分析整理同业数字化营销案例，总结提炼出S-C-P-DC模型的概念。S-C-P-DC分别是场景Scenario、客户People、产品Product、基于数据的内容DataContent的首字母缩写。本模型直观、系统地描述了数字化营销闭环，其核心意思是：用户数据打通是基础，客户在不同渠道的接触最后都能识别为一个有数据属性的ID；基于数据的内容创新是核心，通过精准的内容激发用户需求；产品营销需要情感激发，服务跟进；通过技术、内容、服务共同去建立一个匹配产品营销的场景。

S-C-P-DC模型图

在整个营销过程中，通过网络与数据的连接，整合有价值的保险内容，融入保险产品，用场景激发互动，形成一个闭环价值链。 即：用户People连接社交化，打造网络效应；产品Product服务化，服务即体验；场景Scenario高频化，场景促动机；内容Content数据化，个性化分发。在这个模型中，场景成为“用户-客户”转化的根本，而基于数据的内容是连接用户、传播产品、构建场景的核心。

（二）寿险数字化营销的主要模式

数字经济时代，寿险公司面对的不再是传统意义上的客户，而是数字产品的用户。利用大数据分析，将用户从公域流量中有效甄别、导入私域、互动激活、需求激发、服务满足、实现交易转化进而建立长久关系。

寿险数字化营销是一种漏斗筛选机制（如下图）。公域流量平台作为一个载体，为寿险公司输送流量；运营团队进行有价值的内容输出及投放。通过营造激发需求的场景，将情感伴随作为价值传递，然后进行有效的后端跟进，最终实现运营价值的利润转化。

总体来说，寿险数字化营销可以简易总结为以下模式：

• 通过流量曝光，广泛传播内容，吸引意向用户；
• 跟进式精准触达流量，进行有效促活；
• 以场景激发客户情感，引起购买诉求；
• 分发或共创内容，提升用户对产品认知；
• 在线或线下服务跟进，促进成交；
• 周期性+不定期互动，保持客户忠诚度。

用户转化过程中每一步都基于公域流量的数据化标签，从潜在用户对于产品的认知，到感兴趣，到购买决策和产生忠诚度，过程中的数据会被有效记录和分析，用以流程改善。

寿险公司数字化营销基本模式

流量及有效数据的获取，是寿险公司数字化营销的源头和基础，其来源可大体分为以下几种：

1. 互联网公域流量

2012年以来，以微博、头条、微信、抖音为首的各大平台已形成固有的用户群及标签化属性。对于寿险而言，要在这些大的公域流量平台上有效获客，必须要深谙平台流量分配规则和推送算法。近三年来，公域流量的分配呈现出集中度下滑趋势，主要平台中除了字节系平台都呈现出了下降，尤其腾讯系平台占比负增长明显。

2. 电信运营商数据

电信运营商所掌握的大数据体量巨大、格式丰富、维度和角度多样充分。用户在使用电信运营商业务与服务时，会产生大量的数据轨迹。包括但不限于：基站位置和基站切换路径数据；移动互联网的行为数据，网络使用时间规律和应用偏好数据；消费能力、消费结构、消费倾向数据等。

基于电信运营商数据的关联性运算，可以清晰描绘出客户的“个人画像”，总结出用户的行为特性、保险需求点、开展营销的切入点等有价值的信息，并将之转化为提升客户价值与电信运营商价值的行为。从价值模式扩展的角度来说，电信运营商大数据可以关联出新的价值模式，为寿险营销的寻找新突破口。

3. 医疗健康数据

随着5G+、物联网、AI等技术手段与健康管理、诊疗服务的结合，医疗健康数据成为寿险数字化营销的核心资源，其具有与寿险天然结合的优势。数据标准化与结构化程度高，对产品研发、精准营销有极大辅助作用。粗略估计，截至2023年上半年，全球医疗健康数据量已接近10000EB。但医疗健康数据生产量大、更新速度快、种类繁杂、信息价值密度低，与寿险的数字化营销结合仍有开发空间。

二、寿险公司数字化营销模式的挑战

（一）数据隐私安全是保险监管核心重点

回顾近年监管机构对保险数字化相关的政策而言，以鼓励为主，规范为辅。其中，数据隐私监管处于核心地位。

寿险数字化营销需要收集用户量多维度数据，通过大数据筛选完成客户分析与画像，进行内容分发、营造场景、精准触达等。但目前各数据平台交互存在壁垒，特别是很多信息内容涉个人隐私，如何有效取得、是否依法取得、取得范围及安全程度也是寿险数字化营销面临的重大问题。

监管机构近年来陆续发布了四大通知：《关于发布金融行业标准做好个人金融信息保护技术管理工作的通知》、《关于发布金融行业标准加 强商业银行应用程序接口安全管理的通知》、《网上银行系统信息安全通用规范》和《关于开展金融科技应用风险专项摸排工作的通知》对相关数据安全开始相应的规范。2020年6月，《关于规范互联网保险销售行为可回溯管理的通知》，提出了针对互联网保险销售过程的全流程溯源，并且要求保险公司充分保护客户数据的隐私安全。2020年12月，银保监会发布《互联网保险业务监管办法》规范互联网保险业务，防范经营风险，保护消费者合法权益及数据隐私，提升保险公司数据管理水平。

（二）医疗数据的运用面临障碍

健康医疗数据虽然在寿险数字化营销上具有广阔前景，但也面临隐私保护、数据使用合规性、各数据主体之间信息不共享等问题。

从国际标准来看，欧盟2018年颁布了《欧盟一般数据保护条例》简称GDPR，在“whereas”部分第53项中，对社会健康医疗领域中个人数据进行了原则性规定。只有以自然人利益和公共利益为目的，才可以处理相关医疗健康数据，处理医疗健康数据必须是负有保密义务的专业人士，商业机构不得在“whereas”部分中第54项的公共健康数据中进行商业化运营。中国台湾地区通过《人体生物资料库管理条例》、《医院电脑处理个人资料管理办法》等法规进行专门管理和规定。该地区的医疗健康数据立法采用“一般+例外”的模式。“一般”是指健康医疗数据原则上不得收集、使用、处理；“例外”是指特定情况下个人医疗健康数据，可以被用于特定用途的收集、使用、处理。

在中国大陆地区，相关法律法规主要遵循“保护+利用”原则，针对不同级别的医疗健康数据，有不同的数据使用范围和保护规则。例如《国家健康医疗大数据标砖、安全和服务管理办法（试行）》第二条明确规定，医疗健康数据要在保障公民个人知情权、隐私权、和使用权的基础上加以开发利用；公民是医疗健康数据权利的受保护主体。《医疗机构病例管理规定》第十七条规定，病患本人或其委托的代理人，法定继承人或代理人可以复制或调阅相应病例信息。其他机构不得擅自随意调取、复制。此外，国内医疗健康管理的主体众多、构成复杂，彼此之前缺少信息共享机制与基础平台。特别是众多机构都将数据视作自身资产，在没有成熟的隐私保护技术的前提下，也缺少数据共享的意愿。

（三）电信运营商数据隐私保护要求较高

电信运营是国家强监管行业，电信运营商对用户隐私、数据安全要求较高高。其用户数据隐私保护需要统一筹划和管理，尤其是启动新业务（如寿险业务）、新流程或原有业务发生较大变动时，须进行数据安全合规性评估。隐私数据保护影响评估会在合作寿险业务APP/系统开发、项目建设规划时期进行；并且在运营期间存在委托处理、数据共享、转让等场景时，对数据接收方（寿险公司）的隐私数据保护能力进行安全评估。一旦数据隐私保护不能动态达标，电信运营商会中止合作，直到数据安全性达标为止。

（四）消费者数字信息权益保护普适性问题

2021年10月，中共中央政治局第三十四次集体学习中，习近平总书记特别提到要规范数字经济发展，纠正和规范发展过程中损害群众利益、妨碍公平竞争的行为和做法,要保护平台从业人员和消费者合法权益。因此，我国个人信息和数据的安全保护问题已成为党和国家的重要任务之一，相关工作得到了充分的政治支持。

消费者数字信息泄露容易破坏市场秩序、制约经济发展，滋长各类犯罪、危害社会稳定，甚至引发公共安全及国家安全危机。通过大数据处理，信息处理者可通过算法等影响消费者的生活，甚至威胁国家的安全，如基于消费者的人体生物特征、族群基因特征等。数据的处理者可以设计出不同的商业政策或者政治应对的策略。因此，消费者的关键数据安全与国家安全等是密不可分的，在数字化营销过程中，加强信息保护是当前的迫切任务，有着极大的必要性。

特别是进入2023年以来，各类电信、网络欺诈事件成为现象级社会热点话题。尤其是利用大数据+AI生物模拟技术的新型诈骗、洗钱手段层出不穷，消费者数字信息权益保护的需求日趋紧迫。

从数据处理的全流程来看，消费者信息数据安全的生命周期包含数据采集、数据传输/保护、数据存储、数据利用和数据销毁。全生命周期中，各阶段都需要进行数据保护：（1）数据采集要保障本地源数据的安全；（2）数据传输/保护要保证数据的传输安全、机密性、完全性以及不可否认性；（3）数据存储要保证数据的存储安全和正确的访问控制；（4）数据利用要保证数据的流转管控与监管、延伸控制；（5）数据销毁要保证数据自动删除、按需删除和删除确认。在全生命周期中，需要在每个环节做到数据保护，才能让数据安全流通，起到良好的消费者隐私保护的效果。

在寿险公司的数字化营销信息投放中，用户隐私保护和合规性将成为核心议题。寿险公司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）的应用将有助于实现数据安全和隐私保护。

消费者数字信息处理生命周期

（五）网络公共安全性问题

截止2023年，中国数字经济规模超过100万亿元，稳居世界第二，我国数字经济高度融入全球化。与此同时，作为数字经济载体的互联网公共安全性问题越来越凸显。近年来，国务院《关于构建更加完善的要素市场化配置体制机制的意见》、中央全面深化改革委员会《关于构建数据基础制度更好发挥数据要素作用的意见》等一系列关于大数据深化应用研究与管理的政策陆续颁布，做好数据安全保护、充分释放数据要素潜能已成为我国从数据强国迈向数字强国的重要任务。

尤其是国家网信办、发展改革委等十六部在2023年发布了《关于促进数据安全产业发展的指导意见》，特别提到“隐私计算”作为数据安全的核心技术，要加强技术攻关，加快相关产品的研发，推动多种隐私计算技术的应用部署。其中，针对金融行业提出了专门的相关指导意见：

一是金融机构要加快发展数据资源管理、资源保护产品，重点提升智能化水平，加强数据质量评估、隐私计算等产品研发。发展面精细化、专业型数据安全模式，提升基础软硬件数据安全水平，推动数据安全产品与基础软硬件的适配发展，增强数据安全内生能力。

二是要深度分析金融领域数据安全需求，梳理典型应用场景，分类制定数据安全技术应用，促进数据处理各环节深度应用。推动先进隐私计算等数据安全技术产品在数字化营销、线上办公、新媒体直播等新型应用落地。

综上所述，寿险数字化营销面临的核心挑战是数据整合的隐私安全性保护以及网络公共安全问题。目前寿险公司数据防泄露大都依靠传统人工方式，效率低、准确率差。无论是寿险公司，还是合作的数据流量方，在数字化营销流程中难以安全地、快速地应对海量数据下的处理要求；亟待引入创新型的技术，在安全性、时效性的前提下获得大数据样本，并从样本中获取识别特征，进行标签化归类。同时，还要在隐私保护框架中，将大数据进行分级配置，然后实时对流量数据的特征与隐私特征进行匹配，在隐私数据流转中发现新的营销机遇。

三、基于隐私计算嵌入框架的解决方案

通过大量的研究发现，若寿险公司以隐私计算技术为基础架构，全面优化整个数字化营销流程，能够有效解决数字化营销过程中的隐私保护与合规性问题，创造新的价值增长模式。

（一）隐私计算技术的概念及特点

隐私计算(Privacy computing)是指在保护数据本身不对外泄露的前提下实现数据分析计算的一些列技术集合，达到对数据“可用、不可见”的目的；在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。该技术是面向隐私信息全生命周期保护的有效方法；是隐私信息的所有权、管理权和使用权分离时隐私度量、隐私泄漏代价、隐私保护与隐私分析复杂性的可计算模型。

该技术的优点是在处理视频 、音频、图像、图形、文字、数值等信息流时，对所涉及的隐私信息进行描述、度量、评价和融合等操作，形成一套符号化、公式化且具有量化评价标准，支持多个系统融合的隐私信息保护 。且能够涵盖信息搜集者、发布者和使用者在信息产生、感知、发布、传播 、存储、处理、使用、销毁等全生命周期过程的所有计算操作。具有支持海量用户高并发、高效能隐私保护需求。

目前主流的隐私计算技术主要分为三大方向：

1. 以多方安全计算为代表的基于密码学的隐私计算技术；

2. 以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术

3. 以可信执行环境为代表的基于可信硬件的隐私计算技术。

隐私计算技术流派分类

不同技术往往组合使用，在保证原始数据安全和隐私性的同时，完成对数据的计算和分析任务。

（二）基于隐私计算架构下的模型优化

以隐私计算为基础架构，寿险公司与合作的数据、流量来源方可以实现“数据可用不可见”，促进多方数据价值共享。同时，该技术在保险差异化定价、精准营销、客户数据信息保护等特定场景的具有实操性应用价值。该基础架构可有效协助寿险公司解决数字化营销过程中数据融合、数据流通、数据应用等安全服务问题。

在此架构上，寿险公司可引入互联网流量、医疗健康数据、运营商数据进行客户洞察。根据保险公司目标客户群，匹配产品营销策略，推荐适合客户的险种，并通过隐私计算技术对接营销渠道进行客户触达。其优化后的模型可简单描述为如下流程：

1. 各数据流量方投放互联网流量、医疗健康数据、运营商数据，为寿险公司提供加密目标人群名单。在隐私计算的保护下，寿险公司对客户进行全维度洞察；

2. 基于隐私计算联邦学习技术进行精准筛选， 筛选后的名单进入寿险公司精准营销数据库。

3. 寿险公司通过隐私计算技术加密传送给营销渠道（包括但不限于互联网、运营商、医疗健康服务平台等）制作场景、编辑多媒体内容，同时进行精准投放；

4. 根据营销渠道反馈的用户行为数据评判意向度，对意向度高的用户进行二次营销触达，推送与用户匹配的个性化产品方案。

5. 以线上+线下多渠道触点方式跟进，在数据不出库的前提下确保不同主体与寿险公司的精确销售衔接。

以隐私计算为基础架构的数字化营销优化模型

在基于隐私计算基础架构的数字化营销模型中，寿险公司将会合规、高效地运用自动化智慧营销手段，在用户数据隐私得到保护的前提下，多平台实时抓取目标用户数据与互动轨迹。通过其浏览的内容、产生的数据判断其感兴趣的产品，并对用户存储标签、划分群组。寿险公司基于目标用户设计的产品上线或推出升级版产品、配套产品时，可以通过专业第三方合作平台对感兴趣的用户群体定向推送信息。在为用户提供切实有用的信息的同时，也提升了用户回购和转推的机会。特别是通过收集用户年龄、婚姻情况、健康状况、消费行为、金融资产分布、有无子女等用户关联数据，能够构建相高精度用户画像。在此过程中，基于大数据的户画像引擎，可以帮助营销团队构造所见即所得的动态用户标签体系，为产品/用户运营团队提供数字用户深度细的画像洞察的能力，捕捉营销契机。

（三）基于隐私计算的数字化营销模式创新效果

在此优化模型中，寿险公司的数字化营销得到全方位的升级迭代，在产品、核保、销售、理赔、组织管理等营销环节将会实现如下模式创新：

1. 产品模式：赋能创新产品，精准贴合需求

由于数据壁垒能够在隐私计算平台中得到解决，寿险公司能够更全面的进行风险评估，产品设计完全基于客户需求，真正向客户提供个性化保险产品，并把个性化产品的营销流程嵌入到合作平台场景中。在实时场景唤醒客户保险需求时，第一时间把产品触达给客户，在保护合作平台及用户数据隐私的同时，提升客户决策效率。

案例1：用户小A参加完公司组织的例行体检，用体检APP查阅体检报告。报告显示她患有I级甲状腺结节与轻度脂肪肝，这引发了小A的焦虑，并对未来可能发生的医疗费用有些担忧。由于寿险公司通过隐私计算平台与体检机构进行了数据同步，实时捕捉到了小A在该APP的行为动态。因此智能营销系统自动通过体检机构APP向小A推送了一款可以承保次标准体的长期医疗险，该产品对女性费率较为优惠。智能营销系统根据她的实际情况，展示出自动匹配的优惠费率及投保链接，并辅助以机器人客服在线解答小A的问题协助投保。在这个过程中，寿险公司虽然捕捉到了小A的标签化数据，但在保单没有承保之前，完全无法看到用户的明文数据，保证了用户的隐私安全，解决了体检机构对于数字资产不外泄的要求。

2. 核保模式：嵌入保前核保，提升营销效率

在隐私计算架构下寿险公司、医疗机构实现数据融合，避免医疗机构的用户数据及外部数据交互过程中的出现隐私泄露风险。寿险可提前对投保客户进行保前核实，平台算法自动与客户信息库进行匹配，并通过建模将符合初筛条件 的对象信息和就医数据通过隐私计算节点向前台部门进行反馈，快速决定客户承保概率，减少营销资源损耗。

案例2：某保险经纪人小C为其客户推荐了一款杠杆型终身寿险，由于客户预投保额度较高，触发了寿险公司的预核保机制，要求该客户提供指定医院的体检证明。该客户系某大型跨国企业高管，日常工作较忙，难以抽出时间为此专门去指定医院体检。寿险公司通过隐私计算平台，调取了客户的日常行为习惯、医疗健康等数据。发现该客户平时喜好运动、没有抽烟喝酒习惯、且例行定期体检，没有异常医疗行为；最终寿险公司决定该客户以标准体费率正常承保。整个流程较之前传统流程大大缩短，优化了客户体验，减少了经纪人的工作量。

3. 销售模式：预测用户行为，实现营销预判

借助隐私计算平台，寿险公司将合规地收集更多维度数据（尤其是电信运营商数据），以此来预测客户行为，推算用户购买能力、风险偏好、承保概率等因素，并对用户进行有针对性的内容输出和有效触达。

案例3：用户老王在B银行有一笔额度为300万的房贷，还款期20年，已经还款5年，未还款额度大约为200万。该银行在每月还款日前会通过短信提醒老王，老王会按时还款。老王平时手机话费、水电费、上网费、孩子的课外补习费也都按时缴纳。但老王除了社保以外，没有购买商业保险，属于“风险裸奔者”。寿险公司与电信运营商、B银行在隐私计算的平台上进行了数据共享，捕捉到了老王的数据的消费行为数据。通过智能营销系统分析，判定老王具有一定的保险消费能力，且具有巨大的风险缺口。于是，寿险公司通过手机短信、银行APP向老王推送了一个减额定期寿险产品。根据老王的贷款余额、消费习惯，自动推荐老王选择保额200万、15年期月交、附加保费豁免功能。同时，寿险公司通过B银行内部数据库通知了老王的客户经理，提示老王是潜在的保险客户，并已知晓相关产品内容，可与老王进行联系跟进。

在上述案例中，寿险公司与电信运营商、银行实现了在数据不出库的前提下的资源共享，打通了获取信息、场景触发、产品匹配、内容推送、销售跟进等数字化营销全流程整合。

4. 理赔模式：参与智慧理赔，优化客户体验

客户进行理赔时，寿险公司通过隐私计算平台发送理赔数据请求，医疗机构、社保局、税务局分别将患者的就诊数据、结算单据、医保 结算、电子发票等通过隐私计算节点同寿险公司理赔数据进行计算。全面提升赔案处理效能，优化客户理赔体验，为公司二次营销奠定基础。

案例4：客户小D购买了一款意外险，由于一场意外车祸导致他住院一个月。办理完出院，小D第一时间向寿险公司发起了赔款申请,无需上传单据，只需输入身份证号码手机号即可。寿险公司收到小D的申请后，自动在隐私计算平台中调取了医院、医保局的费用清单和结算分割单等数据，实时计算出了小D在保险责任内应获得的理赔款，并在短时间内就结算了相关费用，令小D十分满意。小D当天就发了短视频在网上，感谢寿险公司的高效理赔服务，引发网友围观。

5. 在线投放模式：基于消费者隐私保护的画像洞察、精准投放

「数据驱动的决策」是寿险公司数字化营销中在线推广的核心决策原则，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，完成广告投放的策略，如受众定位、内容和时间优化、渠道选择、预算分配等。

为了吸引用户关注和提高广告效果，寿险公司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，为不同的用户群体提供定制化的广告内容，提高用户参与度和转化率。

但是，寿险公司基于消费者隐私保护的合规性考量，应通过隐私计算的多方安全计算、联邦学习与匿踪查询三个核心能力，保证双方信息输入的隐私性、计算结果的正确性。在丰富样本特征维度，加深用户洞察、对现有数据进行画像补充的同时，实现消费者隐私数据资产不外流、避免合规风险。

在隐私计算平台的基础上， 构建多方数据域节点，利用隐私求交技术加密计算，与第三方数据域交换加密参数。寿险公司可以在第三方数据与不出域的情况下，实现对准客户群体数据人口属性、资质风控、消费水平、线下行为等画像补充，达成更精准的在线投放。还可进行分析洞察、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。

6. 组织模式：快速反应小组，管理架构重整

隐私计算的数据共享机制，无论是数据的精准性还是处理效率大大突破了原有模式，对数字化营销的反应速度、工作效率提出了新的要求。因此，新型的数字化营销团队组织形式呼之欲出，这种组织形式主要表现为复合型的快速反应小组。该小组由各种职能人员组成，包括市场BD、信息技术员、运维、产品研发、核保理赔、销售专员等多种人员等。在隐私计算框架下，营销中台、数据中台、财务合规中台、运营中台等形成统一平台，整合IT、财务、品牌、两核、市场营销等各职能部门之间的工作流，重塑以客户为中心的寿险服务价值传递链。

隐私计算平台框架下的新型数字化营销组织模式

7. 风控模式：全景化角度下的大数据风控升级

通过应用隐私计算技术，在利用多维度的数据为客户做更精准的画像提升精准营销的效果的同时，可结合其他新兴技术有效解决“信息隐私”和“数据孤岛”问题。全景化提升金融机构的风控技能，降低风险损失，比如穿透式匿踪查询、供应链金融反诈、跨境反洗钱支付等。虽然寿险公司在这方面涉猎较少，但已有其他金融机构率先尝试相关做法。

案例5：某银行通过引入不动产数据，与行内贷款企业的时点贷款余额、注册资本、账户余额等数据联合建立企业贷中预警监测模型，提升准召率约4%，强化了其风险监测业务能力。此外，该行还与银联在普惠金融领域进行联邦建模，引入银联3000万国内中小商户的流水数据，提升了20%的客户准入规模，户均授信提升30%；通过联邦学习与互联网公司的客户特征数据完成联合建模，将信用卡申请反欺诈模型的 K-S 值（准确率）提升了25.1%。

四、结论

与传统数据使用方式相比，隐私计算（(Privacy compute）的加密机制能够增强对于数据的保护、降低数据泄露风险。包括欧盟在内的部分国家和地区将其视为“数据最小化”的一种实现方式。同时，传统数据安全手段，比如数据脱敏或匿名化处理，都要以牺牲部分数据维度为代价，导致数据信息无法有效被利用，而隐私计算则提供了另一种解决思路，保证在安全的前提下尽可能使数据价值最大化。因此，基于隐私计算技术的寿险数字化营销模式创新迭代不可逆转。

当前，寿险客户群体正在发生急剧变化。年轻、教育程度高、主动保障意识强、习惯数字化消费群体到达保险消费年龄段，成为寿险消费主体。该部分人群对于自身信息安全、隐私安全敏感度远高于过往寿险客户。因此，寿险的数字化营销模式要进行相应的创新升级。 近年来，寿险业加速了与其他行业的融合，特别是电商、互助、健康、医疗、短视频、直播等行业，与寿险业快速形成融合创新的新趋势，有场景的地方就有保险的存在。由于数据来源的多样性，导致了用户标签属性的多维度和大尺度。用户的各类行为数据、行为属性将会被深度开发，与寿险的数字化营销形成新的合流。

但目前中国寿险业数字化营销的渗透率仍然较低，其中之一的重要原因是：寿险数字化营销模式较为粗放，对用户隐私安全重视程度不够，缺乏基于用户数据安全的个性化产品及服务。随着监管体系及用户成熟度的发展，隐私计算技术将成为交寿险互式销售体系的“粘合剂”与“基石”。

通过构建隐私计算嵌入的基础架构平台，让寿险公司可以真正以客户为中心，提升“留客”能力；让内外部信息高效流转，建设以数字化营销为导向的敏捷型组织；使数字化营销成为寿险服务与用户生态圈的安全“连接器”。（本文首发未央网）

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。