银行营销智能大脑
帮助银行深入挖掘数据潜在价值,洞察客户需求,促进银行决策从“经验驱动”向“数据驱动”转化,打造并保持商业银行的核心竞争力
案例技术方向:自然语言处理、预测
解决问题
银行堆积的大量历史数据,没有发挥出应有的价值
现有客户画像,在复杂多变的客户群体中并不能很好的使用
经验模型无法客户需求,难以有针对性的匹配进行产品推荐
商业价值
帮助银行最大化数据价值
为银行营销工作精准匹配客户
实现最全面的客户管理
实现细节
使用DNN神经网络,利用客户购买行为预测其对不同理财产品偏好
使用用户的个人属性,理财产品属性等几十个维度,几千维特征
使用PaddlePaddle的能力
Wide & Deep模型
点击率预估模型用于预判用户对广告点击的概率。PaddlePaddle提供 Wide & Deep 模型,可以作为一种相对成熟的模型框架使用;同时,也提供基于因子分解机的深度神经网络模型
查看详情