微細分儀

A.

客戶微細分是什麼?

What

通過將結構化數據進行合理的圖像化並創新地運用深度學習算法,挖掘反映客戶資產偏好的深層特徵,從而有效提升銀行現有各個模型的準確性並通過客戶在不同圖像狀態之間的轉移概率,預判出客戶資產配置的發展趨勢,為一線客戶經理提供覆蓋全客戶的營銷方向

B.

問題產生的背景?

Backdrop

銀行已經做了客戶細分,但分析做得不夠細緻,通常只分到幾個大類,缺乏對一線人員的戰術支撐人工智能這麼火,但不知道怎麼用到金融行業中去,監控視頻、人臉識別語音生成等技術的應用缺乏明顯的業務價值,簡單地將億萬特徵丟給算法是不負責任的做法

C.

有哪些特色和創新點?

Innovation

“數據圖像化”創新思路,在銀行最重要業務數據和深度學習算法之間的鴻溝上架起橋樑,融合統計學、萬有引力定律、空間投影、插值平滑等算法


“自動編碼器”能從圖像中抽取顯著特徵,將類似圖像聚類在一起,從而實現圖像級客戶微細分


“分箱編碼”和合理的聚類算法選擇在保證精度的同時,大幅提升處理效率(高達400倍)


D.

能否帶來真正業務價值?

Value

通過引入客戶微細分產生的新圖像特徵,將上線模型(大額存單、結構性存款)前10%名單的命中率提高20%~40%無論採用何種預測算法,模型均有明顯提升,前5%名單的命中率最高提升3/4直接產生的營銷效益高達數百萬至上千萬

分析建模流程一覽

Analysis & Modeling Process At A Glance

以數據影像化為橋樑

客戶產品資產結構化數據

數據標準化與離散化分箱

相關分析

太陽系與萬有引力定律

網絡佈局算灋與斥力模型

等高線投影與顏色映射

一人一影像百花齊放

影像的自動特徵編碼

密度聚類為客戶微狀態

狀態隨時間的轉移概率

狀態轉移全景圖

立即體驗,開啟數位化轉型之旅!