互联网金融产品个性化营销算法的探索和实践

所属专题:金融科技

所属领域: 金融

嘉宾 : 赵争超 | 同盾科技资深算法专家

会议室 : 百宴厅2

讲师介绍

专题演讲嘉宾:赵争超

同盾科技 资深算法专家

赵争超,在同盾科技负责互联网金融领域的客户价值挖掘、生命周期管理、金融产品个性化营销方向的算法工作。14 年的互联网领域的数据挖掘、AI 算法行业经验,之前就职于阿里,任高级算法专家,曾负责阿里“云零售”事业部的大数据应用探索和落地、店铺运营产品的个性化算法解决方案。 

 

议题介绍

地点:百宴厅2
所属专题:金融科技
所属领域:
金融

演讲:互联网金融产品个性化营销算法的探索和实践

互联网金融产品的个性化营销,是互金领域继风控、反欺诈、信用建模之后,又一个非常重要的研究课题。与搜索广告、电商推荐一样,金融产品个性化营销也是以“触达”到“转化”为业务目标,但不同的是,金融行业大数据面临着更长的用户决策周期,更稀疏的用户行为,及互金市场瞬息万变情况下更缺失的历史反馈样本。在这种情况下,我们以互金行业的领域知识为基础,充分挖掘海量用户的多头借贷、差异化额度/利率、周期性复贷等大数据的业务价值,将经典的 Matching + Ranking 的推荐算法框架应用到互金营销领域,同时,将搜索排序中的 query-doc base 的 learning to rank 模型转化为 campaign-user base 的营销排序模型,将深度学习结合 attention 机制挖掘用户差异化的金融产品需求偏好,用半监督结合数据增广的方式解决金融域的样本稀疏问题,并通过 uplift model 挖掘用户对营销触达方式的敏感度,一整套的 AI 解决方案正通过同盾大数据平台服务于互金行业的各类型客户中。 

听众受益

1、 campaign-user base 的营销排序模型如何挖掘营销长尾人群; 

2、 uplift model 挖掘用户对营销触达方式的敏感度,助力营销 ROI 大幅提升; 

3、 深度学习结合 attention 机制如何挖掘用户差异化的金融产品需求,及感知用户的需求转移和变化; 

4、 半监督结合数据增广的方式如何解决金融域的样本稀疏问题。 

交通指南

© 2020 Baidu - GS(2019)5218号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
想要批量报名或更多优惠?
立即联系票务小姐姐 Ring
或致电:+86 17310043226