《一般资料保障规例》(GDPR)已于五月二十五日在欧盟生效。这项规定旨在保护消费者隐私和消费者数据，以及使用这些数据做出有关消费者的决定的过程。

市场营销人员可能认为，如果他们的数据实践是合规的，那么他们就可以继续前进，而不必过多担心GDPR或电子隐私，但事实并非如此。使用消费者数据的新技术和技术也必须通过隐私镜头。这包括人工智能和机器学习等复杂技术，但也包括战役目标定位等常见技术。

选择退出机器流程的权利

GDPR法规要求消费者同意使用他们的数据，但它也要求消费者同意进行“分析”，该法规规定这是一个“可能涉及一系列统计推理……通常用来预测人。”

这包括任何使用机器学习、算法、甚至简单规则将人放入桶中或对他们做出决定的技术过程。最常被引用的例子包括自动使人们获得某些产品(如信用卡)资格的流程。

尽管对人们进行形象分析会损害他们获得信用的能力，甚至损害他们获得医疗程序的能力，会产生最令人不安的结果，但形象分析具有深远的影响，销售不太敏感产品的营销人员也应该考虑到这一点。

典型的零售营销人员会使用消费者的购物数据来决定在电子邮件营销活动中包括哪些产品形象。例如，购买庭院家具的人可能会看到雨伞的报价，而购买新门垫的人可能会看到新邮箱的广告。如果您正在使用这种类型的“剖析”，您可能需要获得许可。

目标与歧视的区别

目标定位是数字营销的一个重要元素。它增加了与消费者的相关性，同时减少了浪费的竞选信息和媒体支出。然而，在欧盟隐私法规的眼中，并非所有的目标都是平等的。即使是那些获得了资料分析许可的公司，营销人员也必须继续了解每一个活动，并对“旨在确保资料分析的公平、非歧视和准确性的保障措施”保持敏感。

使用分析来确定某人是否想要一把伞或一个邮箱是一回事，但如果目标定位是基于意想不到的因素，如收入或种族，这是更敏感的，消费者可能会认为这种形式的目标定位是歧视性的。

例如，假设一个机器学习算法确定某个目标人群更喜欢快餐价值的汉堡包，而另一个人群更喜欢沙拉。如果最终的推荐针对的是低收入群体，或者与汉堡竞争，这可能会被视为歧视，因为汉堡是一种不那么健康的食物。

对人工智能来说，更高的准确性是好事……以及《人物》

GDPR推动更准确的信息分析，使营销人员有机会评估他们的数据来源，以及他们用来定位和分析消费者的过程。例如，德勤最近发现只有29%的第三方数据供应商在一半以上的时间里是准确的．

数据缺乏准确性可以通过频繁测试合作伙伴供应商和努力更频繁地收集和刷新第一方数据来弥补。这增加了相关性，降低了第三方数据成本——双赢。

部署更精确的人工智能算法应该是营销人员关注的焦点。你越能精确定位有价值的数据点，你就越不需要依赖大量的数据。最终，GDPR和类似的法规对人工智能、营销人员和消费者都有好处——因为，在寻求相关性的过程中，许多关系营销项目现在可能会像众所周知的那样偏离轨道吉列目标失败．

随着时间的推移，新的GDPR规则应该使人工智能、营销人员和消费者的最佳利益保持一致。但在近期，市场营销人员会发现他们的一些营销目标需要从规模或销售的短期目标转向长期目标，如终身客户价值。这些短期目标夸大了第三方数据的价值，降低了人工智能的准确性，惹恼了——甚至歧视了——消费者……

所以，我们都可以说"谢天谢地"