参赛单位：深圳索信达数据技术有限公司

案例名称：零售银行AI营销及个性化推荐体系建设方案

案例简介：

索信达-零售银行AI营销及个性化推荐系统是一个面向全渠道的实时精准营销平台，致力于为银行客户提供“千人千面”的个性化精准营销。具体来说，该项目主要呈现以下亮点：

·  搭建智能营销决策引擎，为银行客户服务和营销提供智能化技术支撑

·  智能化产品营销、个性化客户服务，实现优质客户服务和营销的全渠道覆盖

·  洞察用户特征，辅助客户经理，服务和营销各层级客户，高效进行客户服务和营销

·  洞察客群特征，协助产品经理，打造全渠道、基于场景的金融产品和服务

项目背景：

在海量数据中深度挖掘客户需求，为单个客户“量身定制”产品与服务，已成为金融服务的发展趋势，行内各业务条线个性化推荐需求不断迸发。因此，本项目以个性化的产品和功能为契机，建设实时推荐引擎平台。

创新技术/模式应用：

该平台为银行客户提供智能化财富产品投资推荐服务和个性化功能展示，主要应用机器学习算法和客户心理画像等智能技术理解客户需求，将客户需求和产品/功能连接起来，向客户精准推荐财富产品和个性化功能，具体应用技术包括：

·  机器学习算法：机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一，本项目应用算法包括可解释神经网络、加性可解释神经网络和逻辑回归等。

· 客户心理画像：基于客户的个性特质、公司情况、资产情况，结合人际关系需求、渠道接触需求等构建六类客户画像，包括关系渴求者、价值追求者、老年需求者、安全寻求者、财富消费者、影响追求者六类。

解决行业哪些痛点：

该平台提供智能化的财富产品投资推荐服务，既考虑客户历史投资偏好，也考虑客户当前浏览信息，通过机器学习（协同过滤、关联关系等）算法理解客户心理，将客户需求和产品连接起来，向客户精准推荐理财、基金、保险、黄金、摩羯智投等产品，解决中低端客户对财富管理无知识无时间无安全感的问题。同时结合客户在手机银行各功能模块的浏览行为，建立客户与功能产品的关联关系，以分析客户对手机银行的功能偏好，细分客群，挖掘客户偏好，重在解决线上线下生态圈场景痛点和提升用户体验，为用户提供“千人千面”的差异化服务。

执行过程及风险控制：

根据客户要求，实时推荐引擎的开发建设周期为6个月。实时推荐引擎将实现包括实时数据接口、标签数据管理（含数据接入和文本标签提取）、推荐规则管理、推荐算法管理、推荐流程管理、在线推荐服务（实时推荐引擎）、推荐评估和系统管理等一系列功能。并且，在搭建的实时推荐引擎上需要落地手机银行金融产品推荐服务以及个性化功能展示两个实时推荐场景。

效果评估：

该行通过打造零售的营销策略及活动执行体系，支持全行的数字化经营，通过整合行内外近500个数据源，形成近4000个用户标签，在此基础上，构建体系化客户经营策略，通过10000多个主被动营销活动，为手机客户和客户经理提供实时的推荐服务，在手机上设置了近100个推荐栏位，形成了近8000种个性化产品组合，日均推荐 1.3 亿人次。全年为客户经理推送客户营销名单近 8,000 批次，客户经理的营销活动提升至月均 1,700 次。

责任编辑：王超