转载/ NK冬至 首席数据科学家
“ 今天和大家聊聊一个比较常见的现象：为啥刚聊过的一个商品，很快就收到了广告。我的手机或者微信是被监控了吗？”
微信，咱们每个人都在使用，各种聊天内容充满了隐私。经常有朋友感觉自己在微信的聊天记录被“监听”了。直观的表现就是刚聊了某个话题，结果很快朋友圈就有了相关广告。这种情况，我也遇到过。
这其实涉及了两部分的内容，一部分是个人隐私保护（可参考《个保法实施对互联网的影响》、《联邦计算促进隐私安全》），一部分是广告营销知识（可参考《在线广告知识大全》等）。
今天，咱们好好聊聊被“监听”背后到底是怎么一回事。
1、现象描述：我的聊天记录泄露了
差不多是上上个月吧，我的朋友圈突然连续两天推送了某扫地机器人的广告：
按理说，平时每天的朋友圈广告挺多的，一般不咋关注。但这两条广告，成功吸引了我的注意。为啥呢？
首先，如果推送的是扫地机器人的广告，比如科沃斯、云鲸、石头等，我其实是可以理解的。因为我618刚刚购买了科沃斯的扫拖一体机，买之前重点关注对比了以上三个品牌的机器人，淘宝、京东肯定有相关的搜索浏览记录。因此基于相关的行为进行的定向投放，我是可理解的。
但是！这个扫地机器人是“添可”！这个品牌我从来没有关注过，也没有研究过。而唯一对这个品牌有的认知，是我收到广告的前一天，在工作上，和添可机器人有了交集。
对，仅仅是一天前。
一天前，有同事和我反馈【添可扫地机器人】账号存在一些权限相关问题，我进行了产品层面的一些排查。这是我和添可第一次也是唯一的一次交集。我翻阅了我的处理过程，在对话过程中，我打出了【添可官方旗舰店】7个字。这个对话过程，是在我们京东内部的聊天系统咚咚和流程处理平台XBP上完成的。
好了，大家一起动动小脑筋，我这种情况的发生，到底是谁在背后偷偷捣鬼了呢？
2、来破案：谁泄露了聊天内容
所以，到底是谁泄露了我的聊天？
（1）可能性1：单纯的巧合
是单纯的巧合吗？我刚知道这个品牌，第二天就刚好碰巧被广告砸中了？确实存在这种可能性，但是可能性有多大呢？
像添可这种小品牌，起码目前在消费者心智中占据位置有限的品牌，理论上来讲营销费用往往有限，不可能大撒网投放广告，进行品牌宣传。我被偶然触达的几率，实在太小了。
（2）可能性2：员工系统泄露
是京东内部系统泄露？当然不可能了。
主动泄露？自己公司内部的聊天记录，全是商业机密，绝无可能主动泄露。
被动泄露？京东一群做数据安全的大佬，肯定不会让这么低级的事情发生。各种数据隔离、各种反黑措施，不可能允许这种事情的存在。
这里顺道聊聊大家经常觉得是微信泄露了个人聊天记录，这里我个人觉得应该不是微信泄露的。为此，我特意查了一下微信服务器到底是否有保存我们个人的聊天记录：
在微信的《隐私保护指引》文档中，也清楚表达了不存储聊天记录的意思。当然这也意味着用户的聊天记录如果本地删除，是无法恢复的。具体微信是否真的没保存，咱们不得而知，但我倾向于相信。毕竟，在个保法案施行的背景下，说谎的成本过高了。
之前还有个流传较广的图，既然法院都无法从微信调取记录，极有可能真的就是没存储，更谈不上利用聊天记录进行人群画像等内容了。
（3）可能性3：输入法
剩下的唯一可能性就是：输入法泄露了隐私。
因为无论是聊天，还是回复系统消息，都是用输入法打出来的字。而我的输入法是搜狗输入法，移动端也使用过，这才使得全链路的广告流程形成了闭环。
3、数据流转全链路
下面，我们详细分析一下，为啥我在电脑上打的字，在手机的朋友圈中看到了广告。这其中的数据是如何流转的。
第一步：输入法数据收集
首先，我们所有打字的内容，都会被输入法记录下来，存储下来。包括你用第三方输入法输入的各类密码。
在我这个例子中，我用输入法，在电脑上打出了【添可官方旗舰店】几个字，一定是被记录在案了。记录的内容我猜一下，包括了用户ID、时间、文本内容等。
第二步：对人群数据处理
这其实就是进行一些打标签的处理。
不过针对输入法，主要的数据都是文本数据，基本也就是做一些NLP的处理，比如分词等。
我这个例子中，可能对【添可官方旗舰店】进行了分词：【添可】【官方】【旗舰店】。然后从中识别了核心品牌词【添可】。
也就是说，搜狗识别出了我和【添可】这个关键词是有关联的。
第三步：广告主进行人群选择
上面两个步骤，都是搜狗进行的数据处理与操作。下面，我们切换一下角色，是品牌方、也即广告主：添可品牌的营销投放人群进行的操作。
首先，品牌要进行人群定向的选择，即筛选本次投放的目标人群。
通常来讲，广告系统会提供一些定向人群的基础维度。上面的截图比较清楚的看出来，微信广告支持的定向人群类别：地域、受众属性、偏好、手机设备、再营销、媒体类别、自定义人群。
看上图很明显，在微信广告中，无法直接基于搜狗输入法的数据进行人群的圈选投放。那添可品牌想投放人群，就只能通过【自定义人群】了。所谓的自定义人群，就是指在微信广告系统中，上传人群包的方式进行人群的圈选（可以参考《人群包的创建方式》）。
在这个case中，添可品牌通过圈选最近使用了搜狗输入法打了【添可】关键词的人群，把这群人的ID生成list人群包。很不幸，我在其中。
这里有个问题，品牌是如何拿到搜狗输入法用户输入的数据呢？这个问题，我可能很难解答。有可能是搜狗直接对外开放了API进行商业化，也有可能其他渠道。总之，绝对是搜狗通过某种方式，把搜索数据进行了外漏。
第四步：将目标人群上传到微信广告系统
有了人群包，需要在微信广告系统进行投放。
对了插一句，腾讯广告和微信广告是两个系统。朋友圈、公众号等相关的广告，都是在微信广告中完成的，而不是腾讯广告。
然后把人群包以文件的形式上传到微信广告后台，生成了自定义人群。
这里有个重要的内容，是关于ID-mapping的。可以参考一下《用户ID打通》相关的文章。所谓的ID-mapping就是确定“你”是“你”的过程。不过搜狗输入法通常的登录ID都是手机号或者QQ、微信，和微信广告可以天然打通，问题不大。
第五步：广告投放，用户看到广告
最后一步，在微信广告后台对上传的人群包进行匹配、广告内容设置、完成广告投放，用户也就看到了广告。
4、一些启示
为啥详细和大家拆解一下这个案例呢？
一个目的是想和大家分享一下，为啥在一个APP中的行为，会被投放到另一个APP中，这种现象背后是如何实现的。比如，你在京东搜索了某个商品，在抖音上看到了推广。背后本质的原理差不多。
另一个目的就是提醒大家，不要忽视输入法数据泄露的严重性。因为他实在是太隐蔽了。大家可以好好想想，是不是经常APP输入账号密码、支付密码的时候，都是强制弹出APP自带的键盘呀？这就是为了避免大家使用第三方输入法导致密码的外泄。
我反正手机APP用的输入法都是iOS自带的输入法，虽然难用，但是好歹相比搜狗输入法，能安全一些。
今天先聊这些，感谢大家的关注！
