案例名称

信用卡外呼分期推荐项目

案例简介

随着金融市场的快速发展和消费者消费习惯的变化，信用卡分期成为越来越多用户选择的消费方式。对于银行而言，准确预测用户办理信用卡分期的概率，不仅有助于提升用户体验，还能为银行提供更精准的营销策略和风险管理策略。因此，本项目旨在利用NSGA-II结合Lightgbm的算法，基于银行用户的历史数据，构建预测模型，以预测用户办理信用卡分期的概率，进而有针对性地对高转化概率用户进行精准营销。本项目数据来源于吉林银行信用卡中心提供的全量数据集，采集自客户信息数据、资产数据、账单数据、分期数据、交易数据等。

创新技术/模式应用

在数字营销领域，我们积极探索并应用创新技术和模式，通过精准的用户分析和个性化的营销策略，显著提升了数字金融业务的效率和效果。特别是在特征筛选和概率预测方面，我们采用NSGA-II算法和LightGBM算法，实现了业务能力的跨越式提升。

一、NSGA-II算法在特征筛选中的创新应用

在数字营销中，用户数据的维度往往非常丰富，但并非所有特征都对营销效果有重要影响。为了找到最有效的特征组合，我们引入NSGA-II算法进行特征筛选。该算法能够在多目标优化问题中寻找非支配解，即同时满足多个优化目标的解。通过NSGA-II算法，我们能够在庞大的特征集中快速筛选出与预测目标最相关的特征，为后续的模型训练提供有力的数据支持。

二、LightGBM算法在概率预测中的创新应用

在得到优化后的特征集后，我们采用LightGBM算法进行用户行为的概率预测。LightGBM算法具有高效、准确、可解释性强等优点，能够处理大规模数据集，并在保持高精度的同时降低计算成本。通过LightGBM算法，我们能够准确预测用户办理信用卡分期、购买金融产品等行为的概率，为制定个性化的营销策略提供有力依据。

三、创新模式的实现

除了技术创新外，我们还通过创新模式来实现数字金融业务能力的提升。首先，我们建立了以用户为中心的数据驱动营销体系，通过收集和分析用户数据，深入了解用户需求和行为模式，通过构建机器学习模型，为精准营销提供了更加细致的用户标签。最后，我们采用个性化外呼的营销方式，为用户提供符合其需求的服务，有效触达的同时避免打扰。

综上所述，我们通过应用NSGA-II算法和LightGBM算法等创新技术，并结合以用户为中心的数据驱动营销体系等创新模式，实现了数字金融业务能力的显著提升。这些创新技术和模式不仅提高了营销效率和效果，还为用户提供了更加个性化、精准的产品和服务，进一步增强了我们在数字金融市场中的竞争力。

项目效果评估

我们的项目在数字营销和金融业务领域取得了显著成效，通过精准的用户分析和概率预测，不仅解决了行业内的多个痛点，满足了用户需求，同时也实现了业务目标的关键成果。

一、业务/行业痛点解决与用户需求满足

我们的项目通过NSGA-II算法和LightGBM算法的组合应用，成功地对用户进行了深入分析和精准画像，识别出了高概率转化的用户群体，模型AUC=0.75，Precision=64%，Recall=30%，模型效果较好。这一突破性的方法解决了传统金融营销中用户转化率低、营销成本高等痛点。具体来说，我们通过机器学习模型产出的用户群体分期转化率高达40%，相较于其余用户的23%转化率，这一成果显著提升了银行信用卡分期业务的效率和收益。同时，因模型圈定用户范围可控，因此对该人群进行外呼营销的成本亦可控。

二、效果数据展示

在项目实施后，我们收集了一系列效果数据来验证项目的成效。信用卡分期业务的转化率提升了17%，其中高概率转化用户的分期转化率更是高达40%，这直接证明了我们的模型在预测用户行为方面的准确性和有效性。

三、平台与方案版本迭代升级

我们对模型和方案进行了多次迭代升级。相较于无机器学习模型干预的方案，现行方案在以下两个方面有了显著的改进和优化：

1、效率提升：我们优化了模型训练和预测的流程，使得数据加载及模型预测过程更加高效，降低了计算成本和时间成本。

2、体验优化：我们改进了外呼触达用户的话术，提升用户体验；同时只对高转化概率人群进行外呼，减少了对其他用户的打扰。

项目牵头人

邢睿佳 金融科技部 数据企管研发中心 研发设计岗

项目团队成员

温强、杨震山、柳京京、王硕、郑浩然、王慧、王昊、周丽雯、谷羿锋

责任编辑：陈爱