Melindungi Privasi Pelanggan Lebih dari Menganonimkan Data Mereka

December 30, 2021 0 Comments

33bits.org – Saat ini, pemasaran yang baik bergantung pada data pelanggan yang terperinci dan akurat. Dan perusahaan, tidak mengherankan, sangat ingin mengumpulkan banyak hal. Misalnya, Amazon terus melacak perilaku 100 juta anggota Perdana, contoh data “pihak pertama”. Dan banyak perusahaan telah menemukan bahwa berbagi informasi pelanggan mereka sendiri dengan perusahaan lain menciptakan sinergi bagi kedua belah pihak, terutama dengan meningkatnya ketersediaan data “internet of things” (sensor GPS, pengukur utilitas pintar, perangkat kebugaran, dll.). Ini adalah contoh data “pihak kedua”. Terakhir, banyak perusahaan melengkapi data pihak pertama mereka dengan data “pihak ketiga” dari perusahaan seperti Acxiom, yang mengumpulkan hingga 1.500 titik data dari 700 juta konsumen di seluruh dunia.

Melindungi Privasi Pelanggan Lebih dari Menganonimkan Data Mereka

Melindungi Privasi Pelanggan Lebih dari Menganonimkan Data Mereka – Potensi untuk melakukan pemasaran berbasis data yang efektif dengan basis data yang diperbesar ini sangat besar. Pada saat yang sama, kekhawatiran tentang privasi pelanggan tidak pernah lebih tinggi karena banyak peretasan privasi yang dipublikasikan secara luas seperti skandal Facebook-Cambridge Analytica baru-baru ini. Tanggapan konsumen terhadap pelanggaran privasi ini berkisar dari meningkatnya keengganan untuk membagikan data mereka, hingga erosi besar-besaran kepercayaan terhadap merek. Misalnya, ketika tiga miliar akun pengguna Yahoo diretas, Verizon menurunkan harga pembeliannya untuk perusahaan sebesar $350 juta.

Penelitian telah menunjukkan bahwa konsumen bersedia untuk berbagi informasi dengan merek yang mereka percaya akan melindungi informasi mereka. Peraturan yang lebih besar sedang diberlakukan untuk memastikan bahwa bisnis bertanggung jawab, dan bahwa konsumen memiliki hak untuk menghapus, mentransfer, atau mendapatkan salinan data mereka. Misalnya, Peraturan Perlindungan Data Umum (GDPR) mulai berlaku di Uni Eropa pada 25 Mei, dan diawasi dengan ketat di AS.

Pertanyaan triliunan dolar adalah apakah mungkin bagi bisnis untuk menuai manfaat yang dijanjikan dari pemasaran berbasis data sambil menjaga privasi data pelanggan.

Baca Juga : Artikel Tentang Seputar Privacy Policy

Pendekatan saat ini untuk melindungi data

Pendekatan perlindungan data paling umum yang saat ini diikuti oleh bisnis adalah mengontrol akses ke data setelah dikumpulkan. Pendekatan kontrol akses ini sangat tidak memadai karena berbagai alasan. Pertama, segera setelah perusahaan membagikan data baik secara internal maupun eksternal, kemampuannya untuk mengontrol akses menurun dengan cepat. Selanjutnya, praktik seperti nama samaran (yang akan diwajibkan oleh GDPR) — didefinisikan sebagai “pemrosesan data pribadi sedemikian rupa sehingga data pribadi tidak dapat lagi dikaitkan dengan subjek data tertentu tanpa menggunakan informasi tambahan” — tidak cukup, seperti yang kami jelaskan di bawah ini.

Perhatikan contoh yang ditunjukkan dalam pameran di bawah, di mana dua pengecer memasuki kemitraan berbagi data pihak kedua. Meskipun data Pengecer B disamarkan dengan menghapus semua informasi pengenal pribadi, data tersebut tidak benar-benar anonim karena kombinasi rentang usia, stempel waktu, jenis kelamin, dan kode pos membuat catatan populasi unik yang dapat dikaitkan dengan informasi tambahan dari Pengecer A. Meskipun pengecer ini mungkin mematuhi hukum, ada risiko privasi yang signifikan bagi konsumen.

Data sintetis sebagai perlindungan

Badan publik seperti Biro Sensus A.S. dan Departemen Pertanian yang mengumpulkan data sensitif (misalnya, pembelian biasa oleh penerima Program Bantuan Nutrisi Tambahan) diwajibkan oleh undang-undang untuk membagikan data secara publik. Badan-badan ini mengikuti pendekatan mengubah data asli menjadi data yang dilindungi, yang kemudian dirilis. Dalam pendekatan ini, variabel sensitif yang perlu dilindungi dalam data asli secara sistematis terganggu menggunakan metode seperti berikut (sebagai ilustrasi, kami menggunakan contoh melindungi penjualan mingguan toko ritel dalam data titik penjualan):

Menambahkan kebisingan acak. Misalnya, pengamatan dikelompokkan ke dalam desil berdasarkan penjualan, dan angka acak ditambahkan ke penjualan di setiap desil.

  •     Pembulatan. Misalnya, penjualan dibulatkan ke ratusan terdekat
  •     Pengkodean teratas. Misalnya, semua penjualan di atas nilai ambang, seperti 100, ditetapkan sama dengan 100.
  •     bertukar. Misalnya, pengamatan dibagi menjadi beberapa kelompok dan data penjualan mereka dipertukarkan.
  •     Menggabungkan. Misalnya, penjualan mingguan dijumlahkan dan harga serta promosi dirata-ratakan di seluruh toko dalam suatu pasar.
  •     Membuat data sintetik. Misalnya, penjualan disimulasikan dari distribusi probabilitas.

Badan-badan ini menggunakan proses gangguan untuk mengelola trade-off antara melestarikan informasi yang berguna dalam data asli, sekaligus mengurangi peluang penyusup untuk melanggar privasi. Data asli disimpan di lingkungan akses yang aman kecuali penghapusan diperlukan. Kami percaya bahwa bisnis harus mempertimbangkan untuk mengambil halaman dari pedoman agensi ini untuk memperkuat praktik perlindungan data mereka sendiri.

Kami telah menunjukkan dalam dua artikel yang diterbitkan (di sini dan di sini) bagaimana model statistik dapat digunakan untuk mengubah data pemasaran asli menjadi data sintetis untuk melindungi konsumen. Ide kunci dalam pendekatan ini adalah bahwa tujuan pemasaran yang datanya dikumpulkan diperhitungkan dalam proses sintesis, sehingga dengan hati-hati menukar hilangnya informasi dengan keuntungan dalam perlindungan.

Misalnya, pertimbangkan bentuk data yang sangat banyak digunakan — data titik penjualan ritel — yang dikumpulkan oleh perusahaan riset pemasaran seperti ACNielsen dan SymphonyIRI dari toko ritel. Data tersebut kemudian dikumpulkan di seluruh toko ritel di dalam pasar untuk mencegah toko tersebut diidentifikasi, dan dibeli oleh hampir semua perusahaan barang kemasan konsumen besar, seperti Procter & Gamble dan Unilever. Manajer merek menggunakan data untuk memantau kinerja merek mereka, serta menghitung metrik pemasaran seperti elastisitas harga dan faktor peningkatan promosi. Namun, agregasi dapat sangat mendistorsi metrik yang digunakan manajer merek untuk membuat keputusan penting, seperti berapa banyak yang harus dibelanjakan untuk promosi perdagangan. Pendekatan alternatif untuk melindungi identitas toko adalah dengan mengubah data asli menjadi data sintetis menggunakan model statistik. Penelitian kami telah menunjukkan bahwa pendekatan ini memberikan metrik yang jauh lebih akurat daripada data agregat, namun melindungi identitas toko dengan sangat baik.

Manfaat yang dijanjikan dari pemasaran berbasis data berada pada risiko besar kecuali bisnis dapat melakukan pekerjaan yang lebih baik untuk melindungi dari pengungkapan data yang tidak diinginkan. Pendekatan saat ini untuk mengontrol akses ke data atau menghapus informasi pengenal pribadi tidak mengendalikan risiko pengungkapan secara memadai. Pendekatan lain, seperti agregasi, menyebabkan degradasi informasi yang parah. Sudah waktunya bagi bisnis untuk mempertimbangkan menggunakan pendekatan statistik untuk mengubah data asli menjadi data sintetis sehingga tetap berharga untuk pemasaran berbasis data, namun cukup terlindungi.