高維深度網(wǎng)絡(luò)技術(shù)及其應(yīng)用

1、 1高維深度網(wǎng)絡(luò)技術(shù)及其應(yīng)用業(yè)務(wù)挑戰(zhàn)對于一個(gè)剛剛開展的 新業(yè)務(wù)，如何精確快 速地獲得該業(yè)務(wù)對應(yīng) 的客源？如何挖掘現(xiàn)有客戶潛 在的消費(fèi)、貸款的需 求，擴(kuò)大客戶邊界？如何在早期預(yù)測出未 來將要流失的重要客 戶，并對其進(jìn)行相應(yīng) 的營銷活動(dòng)？解決方案獲客精準(zhǔn)定位有新 業(yè)務(wù)需求的客戶群體， 對客戶進(jìn)行電話、短 信營銷； 2活客智能推薦，交 叉銷售，向上銷售， 挖掘客戶潛在需求；留客建立客戶流失 預(yù)警，在早期采取相 應(yīng)的干預(yù)措施挽回客 戶。客戶收益精準(zhǔn)定位業(yè)務(wù)產(chǎn)品針 對的客戶群體，并通 過短信營銷，實(shí)現(xiàn)響 應(yīng)率的提升；深度挖掘客戶潛在的 分期、貸款需求，大 幅度提高交易數(shù)和交 易金額；減少客戶流失，提升總

2、體客戶價(jià)值。瓶頸在哪里？客戶終身價(jià)值的概念框架市場營銷活動(dòng)客戶保持客戶發(fā)展客戶獲取客戶資產(chǎn)終身價(jià)值公司價(jià)值 3傳統(tǒng)的客戶終身價(jià)值預(yù)測系統(tǒng)評(píng)分卡模型（ RFM ）R (Recency) 表示客戶最近一次購買的時(shí)間有多遠(yuǎn)F (Frequency) 表示客戶在最近一段時(shí)間內(nèi)購買的次數(shù)M (Monetary) 表示客戶在最近一段時(shí)間內(nèi)購買的金額Regression (Logistic, Random Forest)Factorize Machine基于RFM的客戶精分 4Factorization MachinesREF: Rendle, Steffen. Factorization machines

3、. 2010 IEEE International Conference on Data Mining. IEEE, 2010. 5Transwarp Discover 營銷模型架構(gòu)精 準(zhǔn) 客 源 營 銷 系 統(tǒng) 平 臺(tái)核心業(yè)務(wù)系統(tǒng)理財(cái)業(yè)務(wù)系統(tǒng)客戶信息平臺(tái)卡消費(fèi)系統(tǒng)客商財(cái)經(jīng)戶戶務(wù)營信信信風(fēng)息息息險(xiǎn)信 用 信 息卡 交 易理 財(cái) 交 易產(chǎn) 品 信 息產(chǎn) 品 收 益定 期 存 款活 期 存 款利 息 統(tǒng) 計(jì)消 費(fèi) 行 為客戶終身價(jià)值預(yù)測系統(tǒng)深度學(xué)習(xí)遷移學(xué)習(xí) 6精準(zhǔn)營銷場景及應(yīng)用獲客營銷流失預(yù)警智能推薦貸款預(yù)測量化營銷系 統(tǒng) 模 型客戶精分OutputUnitsDense EmbeddingsSpa

4、rse Features深度神經(jīng)網(wǎng)絡(luò)模型客戶存款儲(chǔ)蓄業(yè)務(wù)卡消費(fèi)業(yè)務(wù)理財(cái)業(yè)務(wù)HiddenLayers 7如何處理高維稀疏數(shù)據(jù)REF: Zhang, Weinan, et al. Deep Learning over Multi-field Categorical Data. ECIR . Springer International Publishing, 2016. 8如何處理高維稀疏數(shù)據(jù)Guo C, Berkhahn F. Entity Embeddings of Categorical VariablesJ. arXiv preprint arXiv:1604.06737, 2016. 9

5、基于客戶價(jià)值的客戶精分獲客目標(biāo) 客戶群體流失客戶群體 10基于客戶價(jià)值的客戶精分 11業(yè)務(wù)場景卡消費(fèi)系統(tǒng)理財(cái)業(yè)務(wù)系統(tǒng)儲(chǔ)蓄業(yè)務(wù)系統(tǒng)客戶分群休眠客戶非活躍客戶活躍客戶時(shí)間周期短期中期長期客戶歷史及預(yù)測的終生價(jià)值DiscoverInceptor數(shù)據(jù)輸入Labeled dataLabeled dataUnlabeled dataUnlabeled data 12Data from other similar domainsFeature EngHigh Dimensional Categorical Sparse DataDeep ModelsA P P L I C A T I O NAUC Area

6、 Under Curve評(píng)估方法Income 13評(píng)估結(jié)果 14Discover大數(shù)據(jù)產(chǎn)品框架圖Language Interfaces 多語言接口Midas 圖形界面RStudio IDE開發(fā)環(huán)境web JS Interface web展示接口Feature Eng特征工程Statistics 統(tǒng)計(jì)算法Classification 分類算法Clustering 聚類算法Regression回歸算法Genetic 遺傳算法Graph 圖計(jì)算Sampling 采樣算法Reinforcement增強(qiáng)學(xué)習(xí)Industry Templates 行業(yè)模板Sequential Analysis 時(shí)序分析Di

7、mension Reduction 主成分分析Association Mining關(guān)聯(lián)/推薦Deep Learning深度機(jī)器學(xué)習(xí)Discriminate Analysis 判別分析Factor Analysis 因子分析Belief Network 信念網(wǎng)絡(luò)Decision Methods 決策方法Customized Plugins自定義插件Fusion Distributed Execution Engine 分布式執(zhí)行引擎Hubble Core 算法計(jì)算接口R Runtime Library R語言動(dòng)態(tài)運(yùn)行庫Graph engine 圖計(jì)算引擎Transwarp Connector SQL Interfaces to connect data sourcesInceptorHyperba