卡消费系统
信 用 信 息
理财业务系统
理 财 交 易 产 品 信 息 产 品 收 益
卡 交 易
消 费 行 为
精 准 客 源 营 销 系 统 平 台
6
深度神经网络模型
Output Units
Hidden Layers
Dense Embeddings
Sparse Features
客户
存款储蓄业务
卡消费业务
•
•
•
•
•
•
客户终身价值的概念框架
公司价值
客户资产 终身价值
客户获取
客户保持
客户发展
市场营销活动
3
传统的客户终身价值预测系统 • 评分卡模型（ RFM ）
– – – R (Recency) 表示客户最近一次购买的时间有多远 F (Frequency) 表示客户在最近一段时间内购买的次数 M (Monetary) 表示客户在最近一段时间内购买的金额
Statistics 统计算法
Language Interfaces 多语言接口
Regression 回归算法 Deep Learning 深度机器学习
Midas 图形界面
Genetic 遗传算法 Discriminate Analysis 判别分析 Graph 图计算
RStudio IDE开发环境
• •
Regression (Logistic, Random Forest) Factorize Machine
基于RFM的客户精分
4
Factorization Machines
REF: Rendle, Steffen. "Factorization machines." 2010 IEEE International Conference on Data Mining. IEEE, 2010.
R Runtime Library R语言动态运行库
Graph engine 图计算引擎
Transwarp Connector– SQL Interfaces to connect data sources
数据 层
Inceptor
Hyperbase
Stream
Sampling Reinforcement 采样算法 增强学习 Belief Network 信念网络 Decision Methods 决策方法
Classification Clustering 聚类算法 分类算法 Dimension Reduction 主成分分析 Association Mining 关联/推荐
Guo C, Berkhahn F. Entity Embeddings of Categorical Variables[J]. arXiv preprint arXiv:1604.06737, 2016.
2016/11/30 9
基于客户价值的客户精分
获客目标 客户群体
流失客户群体
基于客户价值的客户精分 • 业务场景
5
Transwarp Discover 营销模型架构
精准营销场景及应用 获客营销 流失预警 客户精分 客户终身价值预测系统 深度学习 客户信息平台
客 户 信 息 商 户 信 息 财 务 信 息 经 营 风 险
智能推荐
贷款预测
量化营销
迁移学习
系 统 模 型 核心业务系统
定 期 存 款 活 期 存 款 利 息 统 计
解决方案
获客 —精准定位有新 业务需求的客户群体， 对客户进行电话、短 信营销； 活客 —智能推荐，交 叉销售，向上销售， 挖掘客户潜在需求； 留客 —建立客户流失 预警，在早期采取相 应的干预措施挽回客 户。 •
客户收益
精准定位业务产品针 对的客户群体，并通 过短信营销，实现响 应率的提升； 深度挖掘客户潜在的 分期、贷款需求，大 幅度提高交易数和交 易金额； 减少客户流失，提升 总体客户价值。
Deeபைடு நூலகம் Models
Data from other similar domains
A P P L I C A T I O N
Feature Eng
High Dimensional Categorical Sparse Data
评估方法
AUC – Area Under Curve Income
评估结果
高维深度大数据网络应用
2016/11/30
www.transwarp.io
1
瓶颈在哪里？
业务挑战
• 对于一个刚刚开展的 新业务，如何精确快 速地获得该业务对应 的客源？ 如何挖掘现有客户潜 在的消费、贷款的需 求，扩大客户边界？ 如何在早期预测出未 来将要流失的重要客 户，并对其进行相应 的营销活动？ •
– 卡消费系统
– 理财业务系统 – 储蓄业务系统
•
客户分群
– 休眠客户 – 非活跃客户 – 活跃客户
•
时间周期
– 短期 – 中期 – 长期
•
客户历史及预测的终生价值
数据输入
Inceptor
Labeled data Labeled data
Discover
Unlabeled data Unlabeled data
理财业务
7
如何处理高维稀疏数据
REF: Zhang, Weinan, et al. "Deep Learning over Multi-field Categorical Data." ECIR . Springer International Publishing, 2016.
如何处理高维稀疏数据
Discover产品框架图
精准营销 欺诈检测 文本挖掘 实时推荐 信用风险 流失预警 客户精分 异常行为识别 智能维护系统
Transwarp Discover Platform
使用 层
web JS Interface web展示接口
Feature Eng 特征工程
SQL Interface SQL接口
算法模型 层
Industry Templates 行业模板
Sequential Analysis 时序分析
Factor Analysis 因子分析
Customized Plugins 自定义插件
Fusion Distributed Execution Engine 分布式执行引擎
Hubble Core 算法计算接口