業(yè)務(wù)場景介紹與目標(biāo)：

傳統(tǒng)行業(yè)與銀行智能營銷：

在數(shù)字化轉(zhuǎn)型的大背景下，很多傳統(tǒng)企業(yè)會使用數(shù)據(jù)分析和挖掘的方法，對自己數(shù)據(jù)進(jìn)行挖掘應(yīng)用，其中非常常見的一個應(yīng)用領(lǐng)域是數(shù)字化營銷。

以銀行為例，它具備相對比較完備和干凈的數(shù)據(jù)，也有很強(qiáng)的營銷需求，不管是存款還是理財產(chǎn)品類，通過機(jī)器學(xué)習(xí)的應(yīng)用可以很好地幫助銀行精準(zhǔn)定位用戶和完成營銷業(yè)務(wù)。

存款營銷是銀行吸收存款的主要經(jīng)營模式，通過現(xiàn)有數(shù)據(jù)建立模型來判斷客戶是否訂閱存款業(yè)務(wù)，從而幫助商業(yè)銀行更好的分配人力資源，提高業(yè)務(wù)量，以滿足現(xiàn)階段營銷活動對提高營銷成功率的期望。

精準(zhǔn)營銷系統(tǒng)流程：

精準(zhǔn)營銷的本質(zhì)就是給合適的用戶推薦合適的產(chǎn)品。對于銀行不同業(yè)務(wù)的具體需求，精準(zhǔn)營銷所選取的數(shù)據(jù)源、算法、營銷方式（輔助營銷、自動化營銷或其它）會有所差別。

但從大的方向來看，一個通用的精準(zhǔn)營銷系統(tǒng)流程如上圖所示。它通過融合用戶畫像、產(chǎn)品畫像、用戶-產(chǎn)品的歷史交易記錄等等信息并通過機(jī)器學(xué)習(xí)方法而最終得到用戶偏好不同產(chǎn)品的概率值。

簡單地講，用戶畫像是指通過對用戶打一系列標(biāo)簽來準(zhǔn)確描述用戶。例如，我們可以通過年齡、性別、職業(yè)、婚姻狀態(tài)、收入情況等等的基本屬性標(biāo)簽來描述用戶。另外，根據(jù)具體業(yè)務(wù)需求，我們也可以從數(shù)據(jù)中挖掘去與業(yè)務(wù)強(qiáng)相關(guān)的深層次的標(biāo)簽，例如用戶類型、愛好、興趣等等，從而給用戶打上例如穩(wěn)健型投資者、風(fēng)險型投資者、科技產(chǎn)品發(fā)燒友、攝影愛好車、汽車愛好者、境外游愛好者等等標(biāo)簽。

產(chǎn)品畫像與用戶畫像類似，即通過一些標(biāo)簽來描述產(chǎn)品。把用戶畫像、產(chǎn)品畫像以及用戶與產(chǎn)品的歷史交易記錄作為機(jī)器學(xué)習(xí)模型的輸入，最終我們會得到用戶對每個產(chǎn)品的偏好，基于用戶對產(chǎn)品的偏好，我們就可以實現(xiàn)精準(zhǔn)營銷。

業(yè)內(nèi)銀行精準(zhǔn)營銷落地案例：

1.招行短信營銷理財產(chǎn)品

招行理財產(chǎn)品銷售的短信廣告，以前推送很多，很多用戶覺得騷擾比較嚴(yán)重。在對數(shù)據(jù)進(jìn)行分析以后，系統(tǒng)有選擇地根據(jù)相關(guān)理財產(chǎn)品的特征匹配用戶的財務(wù)狀況及理財產(chǎn)品的持有情況進(jìn)行推薦，使得短信發(fā)送數(shù)量大幅下降，但命中率大幅提高。據(jù)招行測算，以某重要分行的客戶為樣本，只要發(fā)送原來數(shù)量19.6%的短信，就可以覆蓋95%最終購買的客戶。

2.廣發(fā)銀行金融超市理財產(chǎn)品精準(zhǔn)營銷

為了更好地銷售理財產(chǎn)品，廣發(fā)銀行官網(wǎng)首頁于2014年3月新增了金融超市功能，為每位訪問官網(wǎng)首頁的客戶固定推薦三款在售理財產(chǎn)品?？紤]到每個客戶理財偏好的差異，金融超市基于統(tǒng)一數(shù)據(jù)挖掘分析平臺和企業(yè)級數(shù)據(jù)倉庫整合的客戶“360度”信息，對全行個人網(wǎng)銀客戶的理財產(chǎn)品偏好度進(jìn)行深度分析挖掘，為訪問官網(wǎng)的客戶精準(zhǔn)推薦定制化理財產(chǎn)品，有效提高理財產(chǎn)品的簽約率和銷售效率。

3.國內(nèi)某商業(yè)銀行

基于大數(shù)據(jù)分析，定位潛在信用卡分期用戶，及時對潛在客戶進(jìn)行信用卡分期推薦，提高手續(xù)費(fèi)收入。

4.新加坡某銀行

通過挖掘用戶信用卡消費(fèi)記錄來推斷用戶及其餐飲消費(fèi)的商家的地理位置和用戶餐飲偏好，并基于地址信息及偏好進(jìn)行餐飲消費(fèi)推薦，從而大大提高信用卡消費(fèi)量。

本案例背景及目標(biāo)：

本案例的數(shù)據(jù)來自于某銀行關(guān)于電話營銷定期理財產(chǎn)品的數(shù)據(jù)集合。原始數(shù)據(jù)的統(tǒng)計字段包括Job（工作）、maritial（婚姻）、age（年齡）、education（教育程度）、housing（是否有房貸），loan（是否有個人貸款）等17個字段。

該數(shù)據(jù)信息可以初步分為三大類：

第一類是客戶個人信息，包括：年齡、婚姻狀況、職業(yè)、教育程度、房貸情況、個人貸款情況等；

第二類是有關(guān)最近一次電話聯(lián)系的數(shù)據(jù)：電話聯(lián)系的月份、電話聯(lián)系的星期數(shù)、電話聯(lián)系的時長；

第三類是其他信息：這次產(chǎn)品推廣期間打電話的次數(shù)，距離最近一次產(chǎn)品推廣的時間天數(shù)；上次產(chǎn)品推廣的電話營銷次數(shù)，上次產(chǎn)品推廣的結(jié)果等。

這里以基礎(chǔ)的銀行數(shù)據(jù)下的營銷場景為案例，希望幫助大家理解以下的內(nèi)容：

1.建模問題的思考方式和著手點

2.數(shù)據(jù)分析方法與數(shù)據(jù)分析報告產(chǎn)出與解讀

3.常用模型選擇與建模流水線搭建

4.模型訓(xùn)練與效果分析

5.模型解釋與結(jié)合業(yè)務(wù)的歸因分析

6.機(jī)器學(xué)習(xí)線上開發(fā)與部署上線

7.模型效果優(yōu)化方法及工具應(yīng)用

掃下方二維碼學(xué)習(xí)數(shù)字化轉(zhuǎn)型項目：