即便突破了这些技术屏障，规模化“偷听”的成本也高到令人望而却步。以智能语音行业某头部公司的语音转写成本为例进行测算，一款日活1亿的App若每天有效监听用户1小时，年运营成本高达263亿元，全天候监听更是飙升至6307亿元。相关专家表示，App通过“偷听”来进行用户画像性价比极低、法律风险极高且易被察觉，在商业逻辑上完全不成立。

　　精准推送的“元凶”：

　　大数据画像与跨应用关联

　　既然“偷听”不成立，那“聊什么推什么”的精准推送从何而来？答案在于大数据用户画像。

　　相关专家分析，App根据用户平时使用习惯进行分析，形成多维用户画像，并据此进行个性化推荐。用户画像维度越丰富，广告投放的精准度和转化率就越高，App也能因此实现盈利。在数以万计的推送中，总会有几条恰好与用户近期需求吻合，当人们注意到这些“巧合”时，便容易产生被监听的错觉，不自觉地将其归因于手机“偷听”了自己的对话。

AI生成图

　　另一关键因素是跨应用数据关联。互联网广告普遍使用“实时竞价”流量交易方式，用户在网络社交平台接收到的电商广告，是广告平台将曝光机会同时发给多方、通过实时竞价达成的结果，并非电商平台与社交平台之间存在数据交换。

　　“保密观”有话说

　　理解了推送背后的逻辑，我们就能有的放矢地采取防护措施。