涉及客户真实身份的数据，外包时能不交就不交

什么数据算客户真实身份？先划条线

真实身份数据不只是身份证号。姓名加手机号、邮箱、精确到门牌号的住址、设备一个标识、生物特征，或者这些信息组合起来能直接定位到一个人的，都算。很多人觉得给个邮箱只是联系方式，但邮箱往往和真实姓名绑定，再结合搜索词就能推断出不少隐私。AI搜索优化里，外包方可能会拿到用户搜索日志、咨询记录、CRM导出名单，这些数据里混着大量身份字段。只要不需要单独识别个人，就把这些字段删掉或打码。

判断标准可以参考《个人信息保护法》里的“与其他信息结合识别自然人”。如果你觉得某个字段单独看没事，但组合起来能认出是谁，那就当作身份数据处理，按最小必要原则只给不能少的部分。

AI搜索和GEO外包，最容易多交出去的是哪几类？

排在前面的有三类：客户咨询记录、用户行为日志、原始评论或问答数据。外包方为了“分析全面”会要求导出全量数据，但这些数据里面夹着邮箱、手机号、IP、设备指纹。做关键词聚类和搜索意图分类，根本不需要知道具体是谁发的，只要知道某个时间段有哪些搜索词、点开过哪些页面就够。

还有一类容易被忽视：页面结构化数据或者FAQ内容里，有时会把客户姓名、公司名、联系方式当成示例写进去，外包方做内容编辑时可能会直接复制进页面。如果你不想让这些信息出现在搜索结果里，给样本前先做模糊处理，把真实姓名换成“张先生”“李女士”这种占位符。

合同里少写这三条，后面容易被多要数据

外包合同如果只写“为完成项目需要提供必要数据”，对方就会按自己的理解来要。至少要写清三条：第一，数据字段只限哪几个，比如只给脱敏后的搜索词和点击计数；第二，用途只限哪项任务，不能拿去做模型训练或转卖给他人；第三，存储和删除期限，项目结束后多久内必须删除，并给书面确认。

这三条不写，后面出了事你很难说清是对方越界了。哪怕合同是网上下载的模板，也要手动补上这几句。不要觉得麻烦，和数据泄露后的麻烦比起来，这点工作量不算什么。

实在要交，先把数据做成“洋葱”再给

有些任务确实需要单人级别的数据，比如个性化搜索结果调优、用户画像联合建模。这时候也别直接发原始数据。可以像剥洋葱一样分层：外层给聚合统计，中间层给假名化数据，核心层才给真实身份，但外包方只能拿到外层或中间层。

假名化就是替换或哈希处理，比如把手机号变成不可逆的短码，把姓名换成随机ID，地址只留到城市粒度。这样既能保留分析需要的特征，又切断了直接识别个人的链路。给之前再确认一下：对方有没有必要拿到假名化之前的那张映射表？如果没有，映射表不要给。

不交原始身份数据，有哪些替代做法？

最简单的替代是合成数据。用一些工具或者自己写脚本生成符合分布规律的假数据，字段名、格式和真实的一样，但内容全是虚构的。AI搜索关键词分析和GEO内容模板测试完全够用。

如果必须用真实数据，可以本地先把需要计算的指标跑出来，只把结果导出。或者搭一个只读API，让外包方在受控环境里查询，不允许下载全量数据。更彻底的做法是引入差分隐私，给结果里加一点噪声，也能降低识别风险。

动手前，拿这五个问题过一遍外包需求

在把任何数据发给外包方之前，问自己五个问题：这个任务真的需要这个字段吗？用假名或聚合数据能不能达到同样效果？对方有没有明确的数据保护措施和权限控制？合同里是否写明了数据范围和删除期限？有没有技术手段能限制对方导出和转存？

如果五个问题里有两个以上回答不清，就先别发，回去把需求再收窄。多数AI搜索优化外包，做到字段最小化以后，数据量能减少七八成，效果基本不受影响。花十分钟过一遍，比事后补救省心得多。

数据给出去后，怎么发现对方多拿了？

事前防不住所有风险，事后也得留个心眼。可以在数据里埋几个只有自己知道的“蜜罐”字段，比如一个不存在的手机号或者邮箱，如果这个字段出现在不该出现的地方，就说明数据被二次使用了。

要求外包方定期提供访问日志摘要，看谁在什么时间导出了哪些表。如果发现范围外的数据请求，先暂停传输，保留聊天记录和合同文本。虽然不能说明完全追回，但至少能固定证据，后面谈赔偿责任或者向监管部门反映时用得上。