隨著互聯網、大資料時代的到來,誰能迅速有效找到使用者、理解使用者、服務使用者,誰就能佔領先機,而這種分析、預判和洞悉能力就是大資料精准觸達使用者的價值所在。
近日,浙商銀行在其信用卡帳單分期業務中接入浙江邦盛科技機器學習模型系統,通過人工智慧技術在降低行銷成本的同時,優化了用戶體驗,實現了精准行銷在浙商銀行的智慧化升級。
銀行傳統行銷方式亟待升級
對大多數銀行來說,信用卡業務是銀行極為重要的業務,在大力增加本行信用卡用戶的基礎上,如何更好地挖掘已有信用卡用戶的價值是銀行一個非常重要的方向。 而用戶進行帳單分期,將切實為銀行帶來收益的增加。
在銀行資訊化快速發展的今天,各個銀行積累了大量極具價值的業務資料、使用者資料等,如何利用這些資料尋找目標使用者及為使用者推薦適合的產品,成為了銀行減少用戶打擾和運營成本,提高行銷轉化率的關鍵所在。
為了吸引信用卡用戶分期,浙商銀行除了調整利率外,還通過外呼部門促進信用卡用戶進行帳單分期,但從規則實際運用的效果看,外呼的準確率有較大的提升空間。
智慧推薦 機器學習使行銷精准觸達
此次浙商銀行和邦盛科技達成合作,接入邦盛科技的機器學習系統,使用機器學習模型進行精准行銷,目標在於最大限度的提高外呼準確率,從而提高銀行信用卡帳單分期業務的收益。
相較於基於經驗的專家規則,人工智慧技術可以從中找出一些很難被專家規則發現的微觀特徵,使模型的刻畫更為精准。
邦盛科技在浙商銀行的信用卡帳單分期業務場景中,實行精准行銷、客戶精細化分類措施。 針對歷史已進行分期的客戶進行分析,研究使用者群體本身特徵,通過邦盛科技機器學習系統訓練出精准行銷分類機器學習模型,並進行目標客戶識別。
整個實現過程如下所示:
1、收集、匯總銀行信用卡業務歷史帳單資料和歷史行銷資料;
2、由業務人員、資料採擷人員分析出有利於識別出最終辦理帳單分期使用者的特徵,比如資產情況、年齡、工齡、收入情況等;
3、通過機器學習訓練,自動找到對於識別分期使用者特徵之間的閾值和關係,並且產出用於預測的機器學習模型。
4、把當前準備行銷的資料喂給機器學習模型進行預測,得到待行銷名單。
5、把待行銷名單給到外呼中心進行外呼行銷。
6、監控行銷效果,持續更新機器學習模型。
在短短幾個月時間內,經過浙商銀行和邦盛科技的共同努力,機器學習模型的目標客戶識別效果跟規則相比,不僅在外呼用戶轉化率上有顯著的提升,每月還為銀行帶來了直接的效益提升。
同時,在此結果上,邦盛科技機器學習系統將持續進行更新、優化,定位使用者群體,預測其產品偏好,進行分產品類別的精准推薦行銷。
多場景落地方案助力銀行智慧升級
作為目前金融科技領域備受關注的新興科技,邦盛科技早在2015年就已經佈局機器學習技術。 目前邦盛科技的機器學習精准行銷解決方案已經覆蓋信用卡帳單分期行銷、大額存單推薦、零售理財推薦、沉睡客戶喚醒、貸記與借記互相轉化、消費分期行銷等多個場景,並可針對不同的業務目標建立不同的預測模型,快速説明銀行實現不同業務目標下的精准行銷。
除此之外,邦盛科技的機器學習技術在操作風險及信用風險等風險防控領域亦有多樣化的場景化解決之道。 邦盛科技憑藉在金融行業多年的豐富經驗積累,形成了一套完整且標準化的建模方案,並在服務大中型金融機構中有實際的落地解決方案。
邦盛科技將持續致力於機器學習領域技術的深度研究、創新,將風險控制能力、運營效果提升到行業最優水準,不斷為金融企業穩健發展提供強有力的支撐。