AG九游会官方App下载中国移动应用“出海记”： AI与隐私保护下寻觅“新打法”随着国内移动互联网市场竞争越发激烈，越来越多的开发者将目光投向海外，从社交 App 、工具 App 再到，都希望将国内的打法复制到海外。然而，海外市场的复杂性和差异性却往往超出了许多开发者的预期，在海外市场，这些经验往往需要重新审视和调整。尤其是随着和隐私保护要求越加苛刻，如何寻找数据隐私保护与用户体验的平衡点，也成为App出海新的考验。

　　全球营销衡量与体验管理平台 AppsFlyer首席执行官兼联合创始人 Oren Kaniel 对《中国经营报》记者表示：“隐私和用户体验是一个此消彼长的过程，你想要更多隐私，就会牺牲体验；你想要更多体验，就会牺牲隐私。但我们相信这是可以实现和谐（共处）的，通过技术，可以同时拥有数据隐私和用户体验。”

　　6月11日，在全球开发者大会上，隐私保护被频繁提及，并在其间宣布了一项重要的技术革新——“私有云计算”，这一技术旨在为用户提供更强大的服务，同时坚守其对用户隐私的承诺。

　　实际上，这已不是第一次针对隐私保护作出相应的举措。早在2021年，苹果公司推出了一项名为应用程序跟踪透明度（App Tracking Transparency，ATT）的功能，应用程序想对用户进行追踪时，会出现弹窗提醒。而消费者可以自主决定，应用程序是否可以在其他应用和网站上跟踪他们。

　　这一功能曾让应用开发者苦不堪言，AppsFlyer数据统计显示，ATT刚推出时，iOS 广告支出经历了长达 6 个月的大幅下跌，当时的专家预测iOS端广告支出的跌幅将达到两位数，收入也将下降 15%～20%。数据统计显示，在ATT实行之后，仅2021年下半年，就有超过42万的应用因不符合苹果ATT框架而被下架。

　　在“2024 MAMA 移动互联网高层峰会”上，游戏公司Avia创始人兼CEO Vickie Chen坦承：“ATT对我们整个投放团队带来了很大的挑战，包括数据分析，渠道策略，都变得越来越复杂了。ATT新政之后，必须提前获得用户的许可才能获取设备的一些数据。最直接的影响是投放的精准度大幅下降，而且渠道出现了偏差，迫使我们不得不马上采取很多措施去重新布置预算。”

　　AppsFlyer 大中华区总经理王玮表示，隐私新政从最底层改变了行业的基本逻辑，动摇了原有的行业格局。原来数据交换是在设备层级无障碍进行，但ATT之后这条路变得异常困难。

　　时至今日，数据隐私保护已然成为全球移动市场的“新常态”AG九游会官方网站，各国政府也采取了多种措施。加强了数据保律法规的制定和执行，明确数据收集、存储、处理和传输的规范，确保数据在合法、合规的前提下得到充分利用。

　　为了适应这一市场的变化，无论是移动应用开发者，还是管理平台都做了诸多的努力。其中，AppsFlyer推出了数据净室和隐私保护等产品组合。

　　Oren Kaniel向记者解释道：“数据净室，就好像两个人手机里面有自己的通讯录，但是双方都不想把自己的通讯名单告诉对方。我们可以做的是，这里有一个可信的服务器，我们都可以把联系人列表放在这个服务器上，可以查询服务器并查重，最终得到结果。我们基本上得到了相同的结果，同时没有暴露我们的联系人列表。同样的道理也适用于市场上的这种合作，你可以控制什么样的数据输出，可以得到分析结果和见解，但你并没有交换数据本身。”

　　“每个公司都需要采用自己的策略来应对 AI 带来的变革，这涉及任何一家公司的生死存亡，无一例外。如果没有意识到这一点，那么就会被淘汰。”Oren Kaniel表示。

　　随着ChatGPT、Sora等生成式AI技术的不断发展，应用开发者迎来了新的机遇，已经在相关业务中开始使用AI技术。

　　“我们不做 AI的基础研发，只关心两个事情：第一，能不能帮我降本增效？第二，能不能帮我重新构建或提升工作流？”ShortTV CEO刘金龙坦言。

　　刘金龙表示：“随着OpenAI及其他翻译应用的出现，我们发现通过AI翻译内容，成本可以降低到一分钟10～20元人民币，降低了将近10倍。”

　　AI 科学家、IEEE Fellow刘威表示：“营销素材，包括图片广告和视频广告，都可以用AIGC来做。假如你是卖3D的，3D造型也是非常难的事，我了解到的是制作一个好的3D模型要一周时间，现在用AIGC只需要20分钟甚至更短。”

　　不过，AI在赋能应用开发的同时，也面临着挑战。在Oren Kaniel看来，人工智能和数据隐私安全是相互矛盾的。其中数据隐私的第一条原则就是在任何法规和指导方针中，都是将数据最小化，即使用更少的数据。而人工智能则需要大量的数据，提供的数据越多，得到的结果就越精确。很显然，这是自相矛盾的。

　　Oren Kaniel表示，随着技术的发展，未来我们将会看到越来越多的新公司和AI模型出现。这对我们的客户来说是一个巨大的挑战，如何测试所有的数据？如何判断它们是否有价值？这是很难去进行的，因为你需要承担风险，需要将数据交给你不确定是如何处理数据的AI模型。