AutoML技术支撑智能营销体系建设
2021-02-20

背景与挑战:

作为全球最大的商业银行之一,结合个人金融战略全面提速发展目标,如何在银行间竞争日益激烈与客户迁移成本越来越低的形势下保持领先与竞争优势,为客户提供更精准和个性化用户体验,有效触达并快速建立营销服务,对传统的营销模式提出了挑战。 


业务目标:

结合专项产品发展业务目标,针对营销目标客群,分析客户的个性化产品需求与偏好,预估客户对产品的营销响应率,从而精准地匹配营销资源投入和营销活动开展,实现产品销售额与客户体验的双提升。 


难点与关键成功因素:

在海量的基础客群中,如何精准地洞察每个客户在不同时间对不同产品的需求,并及时做出营销决策与客户触动是关键的成功因素,采用人工智能技术建立智能营销模型已成为目前各大银行客户的发展方向。如何把海量客户和数量庞大的营销产品体系快速精准匹配,在最短时间内完成营销分析、发起营销活动、产生业务效果并减少对客户打扰,对智能营销模型应用提出了新的挑战。 


通过第四范式的先知自动机器学习平台,客户业务部门的业务分析师可以和科技团队共同配合,自主构建机器学习模型,利用历史营销样本,对目标客群进行深入剖析和洞察,大大缩短单个模型构建周期。此外,基于平台的模型自学习能力,在定期生成预估结果的同时,通过不断地收集营销数据反馈,进行模型迭代更新,为该行提供持续优化的营销决策。 


业务成果:

在某次远程中心外呼营销活动中,针对某款消费贷款产品,第四范式的精准推荐模型相较于专家规则组,对目标客群外呼营销形成产品购买的成功率提升了~200% ,在显著提升响应率与收入的同时,有效提升了客户体验。 展望未来 基于人工智能技术应用出色的业务效果,该行也将继续与第四范式一起,探索机器学习技术在客户营销领域更深入的应用,包括更丰富的产品线、覆盖线上线下的触达渠道覆盖、更多样的业务目标等,建立智能营销体系,为客户提供个性化的服务体验。