随着互联网、大数据时代的到来,谁能迅速有效找到用户、理解用户、服务用户,谁就能占领先机,而这种分析、预判和洞悉能力就是大数据精准触达用户的价值所在。

近日,浙商银行在其信用卡账单分期业务中接入浙江邦盛科技机器学习模型系统,通过人工智能技术在降低营销成本的同时,优化了用户体验,实现了精准营销在浙商银行的智能化升级。

银行传统营销方式亟待升级

对大多数银行来说,信用卡业务是银行极为重要的业务,在大力增加本行信用卡用户的基础上,如何更好地挖掘已有信用卡用户的价值是银行一个非常重要的方向。而用户进行账单分期,将切实为银行带来收益的增加。

在银行信息化快速发展的今天,各个银行积累了大量极具价值的业务数据、用户数据等,如何利用这些数据寻找目标用户及为用户推荐适合的产品,成为了银行减少用户打扰和运营成本,提高营销转化率的关键所在。

为了吸引信用卡用户分期,浙商银行除了调整利率外,还通过外呼部门促进信用卡用户进行账单分期,但从规则实际运用的效果看,外呼的准确率有较大的提升空间。

智能推荐 机器学习使营销精准触达

此次浙商银行和邦盛科技达成合作,接入邦盛科技的机器学习系统,使用机器学习模型进行精准营销,目标在于最大限度的提高外呼准确率,从而提高银行信用卡账单分期业务的收益。

相较于基于经验的专家规则,人工智能技术可以从中找出一些很难被专家规则发现的微观特征,使模型的刻画更为精准。

邦盛科技在浙商银行的信用卡账单分期业务场景中,实行精准营销、客户精细化分类措施。针对历史已进行分期的客户进行分析,研究用户群体本身特征,通过邦盛科技机器学习系统训练出精准营销分类机器学习模型,并进行目标客户识别。

整个实现过程如下所示:

1、收集、汇总银行信用卡业务历史账单数据和历史营销数据;

2、由业务人员、数据挖掘人员分析出有利于识别出最终办理账单分期用户的特征,比如资产情况、年龄、工龄、收入情况等;

3、通过机器学习训练,自动找到对于识别分期用户特征之间的阈值和关系,并且产出用于预测的机器学习模型。

4、把当前准备营销的数据喂给机器学习模型进行预测,得到待营销名单。

5、把待营销名单给到外呼中心进行外呼营销。

6、监控营销效果,持续更新机器学习模型。

在短短几个月时间内,经过浙商银行和邦盛科技的共同努力,机器学习模型的目标客户识别效果跟规则相比,不仅在外呼用户转化率上有显著的提升,每月还为银行带来了直接的效益提升。

同时,在此结果上,邦盛科技机器学习系统将持续进行更新、优化,定位用户群体,预测其产品偏好,进行分产品类别的精准推荐营销。

多场景落地方案助力银行智能升级

作为目前金融科技领域备受关注的新兴科技,邦盛科技早在 2015 年就已经布局机器学习技术。目前邦盛科技的机器学习精准营销解决方案已经覆盖信用卡账单分期营销、大额存单推荐、零售理财推荐、沉睡客户唤醒、贷记与借记互相转化、消费分期营销等多个场景,并可针对不同的业务目标建立不同的预测模型,快速帮助银行实现不同业务目标下的精准营销。

除此之外,邦盛科技的机器学习技术在操作风险及信用风险等风险防控领域亦有多样化的场景化解决之道。邦盛科技凭借在金融行业多年的丰富经验积累,形成了一套完整且标准化的建模方案,并在服务大中型金融机构中有实际的落地解决方案。

邦盛科技将持续致力于机器学习领域技术的深度研究、创新,将风险控制能力、运营效果提升到行业最优水平,不断为金融企业稳健发展提供强有力的支撑。