【转载】【动态】基于大数据挖掘与人工智能的零售业务精准营销方案研讨会

在当今经济飞速发展的背景下，人工智能无疑将创造巨大的商机，尤其是对竞争激烈的零售业务，大数据、人工智能的作用不容小觑。在这个大背景下，普华永道于今天在北京举行了“基于大数据挖掘与人工智能的零售业务精准营销方案研讨会—金融行业专场”，吸引了来自银行、保险、证券、消费及互联网公司的相关负责人参会。

在活动中，普华永道邀请中国人工智能研究领域的翘楚 —— 中国科学院自动化研究所智能感知与计算研究中心（简称“智能研究中心”）和在大数据领域拥有丰富经验的腾云天下科技（简称“TalkingData”）为金融机构在零售客户领域分享完整的精准营销解决方案：识别客户需求开展精准营销，预测客户流失可能性以降低流失率，对金融机构已有客户价值进行深度挖掘。

普华永道中国风险与控制部北方区金融业领导合伙人萧健臣先生为活动致欢迎辞

普华永道中国高级经理王媛女士首先介绍了普华永道以数据为基础，模型为支撑，场景为导向的全方位精准营销整体方案。王媛女士强调，金融机构的目标应该是建立大数据分析、精准营销的一体化平台，从营销数据、客户标签、细分客户群到实际场景应用，形成闭环的管理平台。但是由于每家金融机构在大数据精准营销方面所处的阶段不同，面临的困难与问题也不尽相同，因此，需要因地制宜地分析目前机构面临的根本问题与实施障碍，化整为零，从而逐步实现精准营销的最终目标。

精准营销一体化平台 

此外，除了对客户标签与画像，以及客户行为与流失预测等方案进行了详细介绍以外，王媛女士还介绍了深入的产品观点情感挖掘技术。通过先进的自然语言处理以及网络爬虫技术，帮助金融机构对其项下的某款指定产品或特定服务进行产品观点情感挖掘，从而全面掌握消费者对该产品及相关类似产品的消费体验及反馈情况。  

普华永道中国王媛女士进行主题演讲

中国科学院自动化研究所智能感知与计算研究中心的吴书先生对其目前基于深度卷积网络/循环神经网络深度学习算法之上形成的前沿客户画像模型CoM以及客户流失行为预测模型RNN进行了深入浅出的介绍。通过将外部情境建模与用户建模相结合的方式，对客户特征进行提取，建立客户画像模型，在输入客户的基本特征、行为历史等信息后，通过模型输出客户的相关兴趣、消费、行业、经营等特征描述，从而对客户信息进行打标，以达到对客户进行多维度精准画像的目的。同时，利用先进的循环神经网络（RNN）流失行为预测算法与模型，使金融机构能够及时应对出现潜在流失迹象特征的客户，制定准确的客户挽留及营销策略，降低客户流失可能。 吴书指出，两种模型目前最大的优势在于降低了对专家参与的依赖，提升人工智能程度，大幅度提高了模型效果与准确率，从而实现了对客户画像及行为更全面的分析与预测。

中科院主讲人吴书先生正在进行模型的相关讲解

最后，TalkingData主讲人张雷对分享业内常用的金融零售业务大数据分析技术进行了分享。他表示，近年来随着多业态金融服务形式的出现，传统金融机构意识到新技术及互联网的价值，开始向移动互联网进行转型，希望通过新技术新手段获取零售客户并向客户提供更加便捷高效的服务。随后，他以信用卡及分期业务等场景为例，向大家介绍了当下金融机构在进行精准营销时常用的技术与手段，以及如何通过模型与机器学期的算法协助业务部门对客户进行画像并进行精准营销，提高获客率并降低营销成本。

TalkingData主讲人张雷先生正在进行行业常用技术的介绍与案例分享

欲了解更多普华永道相关服务，欢迎垂询：

萧健臣

合伙人

电话：+86 (10) 6533 2702

邮箱：jianchern.siaw@cn.pwc.com

梁震

合伙人

电话：+86 (10) 6533 5979

邮箱：zhen.liang@cn.pwc.com

王媛

高级经理

电话：+86 186 1093 4225

邮箱：marina.y.wang@cn.pwc.com

戚凌寒

经理

电话：+86 188 1066 6757

邮箱：kahlen.qi@cn.pwc.com