精準(zhǔn)營銷方案

1、精準(zhǔn)營銷方案精準(zhǔn)營銷方案目錄 contents 第一章第二章人工智能精準(zhǔn)營銷架構(gòu)稠州銀行客戶激活案例第三章鉑諾理財交叉銷售案例第四章鉑諾理財流失預(yù)警案例目錄第一章第二章人工智能精準(zhǔn)營銷架構(gòu)稠州銀行客戶激活案例第三目錄 contents 第一章第二章人工智能精準(zhǔn)營銷架構(gòu)第三章第四章目錄第一章第二章人工智能精準(zhǔn)營銷架構(gòu)第三章第四章2022/9/11稀疏數(shù)據(jù)處理的EM算法數(shù)據(jù)預(yù)處理相關(guān)性計算卷積神經(jīng)網(wǎng)絡(luò)Memory-based 協(xié)同過濾Q-learning算法深度學(xué)習(xí)營銷模型和增強(qiáng)學(xué)習(xí)營銷模型數(shù)據(jù)預(yù)處理層用戶信息產(chǎn)品信息用戶的產(chǎn)品購買信息其它信息數(shù)據(jù)準(zhǔn)備層業(yè)務(wù)應(yīng)用層離群點檢測算法用戶-用戶相關(guān)性矩陣

2、客戶激活A(yù)I精準(zhǔn)營銷技術(shù)方案缺失填充算法商品-商品相關(guān)性矩陣循環(huán)神經(jīng)網(wǎng)絡(luò)抗噪自組織編碼限制玻爾茲曼機(jī)深度學(xué)習(xí)算法Model-based 協(xié)同過濾傳統(tǒng)協(xié)同過濾算法Deep RecommederSystemTD-learning算法Reinforcement RecommederSystem增強(qiáng)學(xué)習(xí)算法客戶價值提升產(chǎn)品交叉銷售流失預(yù)警2022/9/10稀疏數(shù)據(jù)處理的EM算法數(shù)據(jù)預(yù)處理相關(guān)性計算產(chǎn)品數(shù)據(jù)外部數(shù)據(jù)行業(yè)，職業(yè)，年齡，性別，收入水平，車or房，婚姻狀況等客戶靜態(tài)數(shù)據(jù)客戶動態(tài)數(shù)據(jù)收入變化，信息變更，還款計劃等行業(yè)趨勢，經(jīng)濟(jì)形勢，政策動態(tài)，新聞等卷積神經(jīng)網(wǎng)絡(luò)循環(huán)神經(jīng)網(wǎng)絡(luò)專家特征文本挖掘周期/趨

3、勢識別自然語義處理數(shù)據(jù)準(zhǔn)備階段人工智能特征提取階段多維度畫像階段概率圖算法關(guān)聯(lián)挖掘算法統(tǒng)計特征深度學(xué)習(xí)級特征數(shù)據(jù)原始特征趨勢特征輿情特征關(guān)系特征靜態(tài)畫像動態(tài)畫像產(chǎn)品畫像外部數(shù)據(jù)畫像貸款期限，利率，金額，還款情況理財利率，期限，保本性質(zhì)等基于深度學(xué)習(xí)和自然語義處理的多角度畫像產(chǎn)品數(shù)據(jù)外部數(shù)據(jù)行業(yè)，職業(yè)，年齡，性別，收入水平，車or房，矩陣分解營銷預(yù)測協(xié)同過濾推薦模式匹配違約預(yù)警關(guān)鍵特征分析 強(qiáng)化學(xué)習(xí)蒙特卡洛方法馬爾科夫決策反饋控制策略樹搜索Q-learning業(yè)務(wù)畫像客戶畫像靜態(tài)畫像特征庫外部數(shù)據(jù)畫像流水畫像DATA客戶畫像強(qiáng)化學(xué)習(xí)反饋優(yōu)化營銷預(yù)測基于強(qiáng)化學(xué)習(xí)和模式識別的預(yù)測和反饋優(yōu)化矩陣分解營

4、銷預(yù)測協(xié)同過濾推薦模式匹配違約預(yù)警關(guān)鍵特征分析客戶激活客戶價值提升產(chǎn)品交叉銷售客戶流失預(yù)警人工智能 AI深度學(xué)習(xí)集成學(xué)習(xí)遷移學(xué)習(xí)強(qiáng)化學(xué)習(xí)算法模型庫靜態(tài)特征庫呼叫中心營銷案例庫動態(tài)特征庫專家策略庫CRMAUTOMATION產(chǎn)品矩陣人工智能精準(zhǔn)營銷體系客戶激活客戶價值提升產(chǎn)品交叉銷售客戶流失預(yù)警人工智能 AI深目錄 contents 第一章第二章稠州銀行客戶激活案例第三章第四章目錄第一章第二章稠州銀行客戶激活案例第三章第四章數(shù)據(jù)處理寬表數(shù)據(jù)用戶ID基本屬性日均交易額月均存款xxx年齡性別xxxA27man.2713829.構(gòu)建寬表寬表包括客戶的基本信息和交易信息等。其中交易信息，向前選取了前三個月

5、的數(shù)據(jù)（如前一個月的存款月日均，前兩個月的存款月日均，前三個月的存款月日均）。數(shù)據(jù)清洗基本信息缺失，模糊填充。存款信息缺失，清除數(shù)據(jù)處理寬表數(shù)據(jù)用戶ID基本屬性日均交易額月均存款xxx年齡寬表數(shù)據(jù)用戶ID基本屬性日均交易額月均存款xxx年齡性別xxxA27man.2713829.1：數(shù)據(jù)標(biāo)簽2：T檢驗寬表數(shù)據(jù)（已清洗）用戶ID基本屬性日均交易額月均存款xxx年齡性別xxxA27man.2713829.定義正負(fù)樣本標(biāo)簽正樣本為兩年內(nèi)購買過理財，且購買理財時星級為零的。負(fù)樣本為2017年2月沒有購買理財?shù)牧阈羌壙蛻簟檢驗對每個屬性做T檢驗，選取P-value小于0.01的屬性。特征工程寬表數(shù)據(jù)用

6、戶ID基本屬性日均交易額月均存款xxx年齡性別xx寬表數(shù)據(jù)預(yù)測模型待激活名單模型AUCGradient Boosting Tree max_depth=690%KNN k=1378%Logistic Regression62%Random Forest86%最終選擇模型：Gradient Boosting Tree(max_depth=6)128萬名客戶：提交名單21197人，反饋10126人。在反饋數(shù)據(jù)中，652人購買，8216人有意購買，1258人無購買意向。模型訓(xùn)練寬表數(shù)據(jù)預(yù)測模型待激活名單模型AUCGradient Boo目錄 contents 第一章第二章第三章鉑諾理財交叉銷售案例第

7、四章目錄第一章第二章第三章鉑諾理財交叉銷售案例第四章客戶屬性表客戶A客戶B客戶C.屬性1xxxxxxxxx.屬性2xxxxxxxxx.屬性3xxxxxxxxx.商品屬性表商品A商品B商品C.屬性1xxxxxxxxx.屬性2xxxxxxxxx.屬性3xxxxxxxxx.客戶相似度模型商品相似度模型協(xié)同濾波購買矩陣客戶A客戶B客戶C.商品1xx.商品2xx.商品3x.例如：客戶A和客戶B相似，A購買商品2，系統(tǒng)想A推薦商品2推薦算法客戶屬性表客戶A客戶B客戶C.屬性1xxxxxxxxx.產(chǎn)品名稱投資時間（月）萬元收益利率（%）萬元收益金額（元）備注安盈14.84801、每份售價1000元36.86

8、8067.8780128.8880產(chǎn)品名稱投資時間（月）萬元收益利率（%）萬元收益金額（元）備注睿進(jìn)6126001、每份10000元12151500“安盈”和“睿進(jìn)”的產(chǎn)品屬性協(xié)同濾波推薦模型用戶行為推薦表用戶基本屬性用戶ID購買商品推薦商品是否覆蓋11安盈1月，安盈6月安盈1月，安盈3月，安盈6月是183睿進(jìn)6月睿進(jìn)6月，安盈12月是142睿進(jìn)12月睿進(jìn)6月，睿進(jìn)12月是221睿進(jìn)12月，睿進(jìn)6月睿進(jìn)6月，睿進(jìn)12月是472安盈6月，睿進(jìn)12月安盈6月，安盈12月，睿進(jìn)6月，睿進(jìn)12月是1253安盈3月，安盈6月安盈3月，安盈6月是1321安盈6月，睿進(jìn)6月安盈12月，睿進(jìn)6月否2315安盈

9、6月安盈1月，安盈3月否2333安盈6月，安盈12月，睿進(jìn)12月安盈6月，安盈12月，睿進(jìn)6月，睿進(jìn)12月是推薦覆蓋率93.6%商品推薦產(chǎn)品名稱投資時間（月）萬元收益利率（%）萬元收益金額（元）備目錄 contents 第一章第二章第三章第四章鉑諾理財流失預(yù)警案例目錄第一章第二章第三章第四章鉑諾理財流失預(yù)警案例 聚類算法是一種無監(jiān)督的機(jī)器學(xué)習(xí)算法，用于分析數(shù)據(jù)的內(nèi)部關(guān)系，即俗話說“人以類聚，物以群分”。 常見的聚類算法包括：k鄰域算法及變種算法，高斯混合模型，譜聚類算法，AP算法等。其基本思想是考察數(shù)據(jù)之間的“距離”，通過迭代的方式將相識的數(shù)據(jù)聚成類。聚類算法評價指標(biāo)：類內(nèi)高聚合，類間分隔大。

10、聚類分析 聚類算法是一種無監(jiān)督的機(jī)器學(xué)習(xí)算法，用于分寬表整理并輸入屬性1性別男.屬性2年齡25.屬性3會員等級非會員.屬性4激活方式活動.屬性5平臺安卓.屬性6最近投資時間6個月.屬性7購買頻率0.2萬/月.屬性8投資收益800元.屬性9XXX.聚類模型年齡會員等級激活方式平臺購買頻率投資收益32.3黃金63%活動ios/web2.6萬/月13867優(yōu)質(zhì)客戶年齡會員等級激活方式平臺購買頻率投資收益30.3白銀活動/流量ios/web/安卓0.8萬/月7867普通客戶年齡會員等級激活方式平臺購買頻率投資收益27.2非會員活動ios/安卓0.1萬/月1187待喚醒客戶聚類模型寬表整理并輸入屬性1性

11、別男.屬性2年齡25.屬性3會預(yù)警模型普通客戶待喚醒客戶預(yù)警邊界用戶ID性別年齡會員等級是否預(yù)警11男25非會員預(yù)警183女27白銀會員142男31黃金會員221女25黃金會員預(yù)警472女49黃金會員1253女42白銀會員預(yù)警1321男24黃金會員2315女34非會員預(yù)警2333女33鉆石會員2661男27非會員預(yù)警2973女28白銀會員3681女27鉆石會員預(yù)警4122男31非會員4325女30非會員預(yù)警邊界年齡25會員等級低于白銀激活方式活動平臺安卓最近投資時間12個月購買頻率0.1萬/月投資收益少于300元XXX.預(yù)警模型預(yù)警模型普通客戶待喚醒客戶預(yù)警邊界用戶ID性別年齡會員等級是用戶基本屬性：性別年齡會員等級激活方式平臺男/女xx非會員/白銀/黃金/鉆石活動/自然流量ios/安卓/web用戶行為：最近投資時間購買頻率投資收益X 天X 每月X 元用戶基本屬性表聚類模型用戶行為（購買流水）預(yù)警模型流失預(yù)警用戶ID性別年齡會員等級是否預(yù)警11男25非會員預(yù)警183女27白銀會員142男31黃金會員221