你的位置:中国名片 > 财经专栏 > 正文

银行开放AI精准营销“联邦推荐”能力

来源:未知 时间:2020-03-24 12:53 浏览量:
银行开放AI精准营销“联邦推荐”能力


受疫情影响,企业运营压力大,如何降低市场成本,提升内容推荐的ROI?近日,微众银行将自研的AI精准营销重要能力——“联邦推荐”技术在其自研的全球首个联邦学习工业级开源框架FATE(Federated AI Technology Enabler)上开放,为提升内容推荐效果提供了新的思路。

  “联邦推荐”打开AI精准营销新思路

“联邦推荐”是微众银行将其全球领先的“联邦学习(Federated Learning)”相关技术研究应用于精准营销领域的重要成果,能实现“在不上传后端数据,不暴露用户隐私的前提下,提升内容推荐精准度”,是微众银行在AI精准营销领域的“秘密武器”。

在市场营销领域,准确、个性化的资讯和产品推荐能有效提升用户黏性,实现精准获客和活客。有效的广告推荐、内容推荐离不开海量数据和强有力的AI算法加持。传统的推荐系统需要收集并分析大量的用户数据,从商品评分到用户属性,其中包含了大量的用户隐私。为了更好的推荐效果,企业往往需要多来源的用户数据来建立更好的用户画像体系,提高推荐系统的效果。然而,随着社会对隐私安全问题的日益关注和相关法律法规的陆续出台,直接合并数据的做法不再适用,但数据量的降低将直接影响推荐算法的预测效果,推荐服务质量大打折扣。

有没有一种方法能在数据有限的情况下,提升推荐效果?

  “联邦推荐”解决用户数据隐私保护难题

微众银行首创的“联邦推荐”以其独特的联邦学习技术有效解决了上述推荐效果提升和用户数据隐私保护的难题。联邦学习是一个新兴机器学习领域,它能够使多个数据拥有方在数据不出本地的前提下,进行AI联合建模,解决数据孤岛和隐私问题。此技术在国内由微众银行首倡,在国际人工智能专家、微众银行首席人工智能官杨强教授的带领下,微众银行AI团队领跑联邦学习相关理论研究、标准制定和生态建设,并率先将联邦学习应用于金融风控、精准营销、智能零售等多领域多场景。

 

图示:联邦推荐基本原理

经过长期的实践积累,联邦推荐技术可联合多方数据,在保证各方数据安全和用户隐私的情况下,丰富用户画像,优化推荐效果,在银行企业金融业务中,贴现率提升30%;

 

在银行短债基金收益宝推荐产品中,点击率提升52.1%,购买率提升10.7%,转化率提升48.01%;

 

在合作伙伴金融新闻推荐中,点击率提升11%,阅读时长增长22%,大大提升了推荐效果。

 

  “AI精准营销”专注高价值产品的营销全链路优化

事实上,除“联邦推荐”外,微众银行在AI精准营销上积累已久,基于实际业务场景,率先于业内推出面向银行内部以及合作伙伴的AI营销解决方案,对于线上推广具有“高价值低频次、转化链路长”特性的行业效果尤为突出。

不同于一般互联网产品,金融产品用户决策和购买的路径长,常规媒体采买的广告投放形式难以实现精准定向的同时过滤不良用户,最终导致广告投放的ROI可能低于传统的线下营销渠道。加之常规媒体投放方式仅能优化前端数据,难以获取更高质量的后端转化,例如贷款产品的广告主希望获取授信成功的有效用户,信用卡产品则希望用户在开卡后能产生消费,并以这一类的最终转化作为考核目标。

微众银行AI营销解决方案用“联邦推荐”、“联邦广告”等核心技术,实现从寻客、触达、获客到留存的全链路优化,企业可安全拓展多方数据,不上传后台数据,并优化广告投放ROI,提升客户留存率,轻松实现精准营销。

相关新闻