基于“大数据+知识图谱”的对公智能营销管理平台助力银行提效降本
数字化转型的核心是利用数字化技术来推动企业组织转变业务模式、组织架构、企业文化等的变革措施。青岛银行股份有限公司是山东省首家主板上市银行、全国第二家“A+H”股上市城商行,其在对公营销数字化转型方面面临客户洞察不足、营销服务抓手单一,获客渠道匮乏、引流拓客效能不足,业务结构调整、人力管户产能受限,业绩反馈滞后、考核激励传导乏力四个方面的难点和痛点。
为解决发展问题,青岛银行全面推进数字化转型战略,打造对公智能营销管理平台——慧营销。项目聚焦数字化经营中小微企业,围绕获客、活客、留客,基于中小微企业数量多、共性多、可复制性强等特征,借助内外部多源数据的融合分析,构建获客渠道、营销模型、标签圈选、产品权益、渠道协同及业绩展板等核心模块组成的对公业务数字化营销运营体系,实现日终批量式和事件触发式双轮驱动的数字化营销范式,借助知识图谱及大数据技术应用,在提升服务质效的同时,强化风险识别、防范经营风险、维护社会金融稳定。
基于“人工智能+大数据”
构建对公客户场景可视化生态知识图谱
平台基于客户全景视图-KYC,分层次、分场景的多维客户群阵地,客户生态关系图谱,产品智能化推荐引擎四大核心数字化能力构建了集一线客户经理营销端与总行业务部门管理端于一体的对公营销运营体系。
对公业务闭环营销运营体系
同时,青岛银行借助知识图谱分析技术在关系型数据分析和挖掘及可视化表达方面的天然优势,深度融合知识图谱、人工智能、大数据等关键技术,构建基于对公客户的场景生态图谱,并基于知识图谱与机器学习技术的深度结合,利用神经网络、XGBoost、随机森林等机器学习算法,持续增强和丰富知识图谱特征。科技驱动和数据赋能,让营销更智慧、让决策更科学、让触达更温馨。
企以群分、按图索客、图谱联动、拓客地图
基于对公智能营销管理平台助力青岛银行获客留客、提效降本
项目搭建了青岛银行对公智能营销管理平台,截至2022年底,平台服务于全行950余名对公业务人员,日均启动次数约1800次。借助拓客地图、图谱联动、产品小红书等数字化能力的构建,营销效率提升65%以上,有效降低人力管户成本,实现中小微企业客群的低成本批量拓客;利用图计算等技术手段,对企业进行“千企千面”的产品推荐,推荐列表匹配准确率高达90%,精准营销效率远超人工推荐,提高目标客户的服务效率和客户体验。同时,平台拥有四大创新点。
其一,企以群分,基于图谱进行客户群划分。项目以集团派系图谱为基础,运用图谱挖掘技术,以经济依存度对客户群进行划分,构建经济依存客户关系图谱,并形成对公客户的图谱化分类,实现对客户群的有效化聚焦。
其二,按图索客,提升获客留客能力。借助图谱分析技术,探索集团派系、高经济依存客户间关系,洞察客户金融业务特点,以行内客户为中心,辐射潜在新客群,提升获客能力。对已流失客户的关联客户进行流失预警,基于前者的流失原因,深度分析关联客户潜在流失风险,有针对性地采取措施增强关联客户黏性,提升留客能力。
其三,图谱联动,打造协同营销体系。实现集团派系、经济依存客户关系、产品关系的三“图”联动,打造“客户-产品-客户”的精准化协同营销体系,深度挖掘客户潜在需求,实现获客后“活客”,赢得客户长期价值,实现长可持续客户经营。
其四,拓客地图,提升营销管户效能。基于政务公开数据和地图服务,借助人工智能和大数据技术,将地图特定地点周边的存量客户及潜在客户的差异化商机线索,直接送达营销人员的移动端展业平台,提升营销管户效能。
好文章,需要你的鼓励
微软将在今年夏季晚些时候推出Windows恢复力计划,著名的Windows蓝屏死机将被新的黑屏替代。这一变化是微软对2024年7月CrowdStrike故障事件的回应,该事件导致约850万台Windows设备瘫痪。作为Windows恢复力计划的一部分,微软正在重新设计Windows代码,让安全软件在内核外运行,以提高系统稳定性和恢复能力,减少因第三方安全软件问题导致的系统崩溃。
香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG,让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题,还能标注具体的影像区域并提供完整的推理链条,解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法,仅用八分之一数据就达到了传统方法的性能水平,为可解释医学AI开辟了新方向。
随着GPU成为AI工作负载训练和运营的关键,越来越多的云服务提供商开始提供云GPU实例。这为希望避免部署GPU硬件费用和复杂性的组织带来好消息。云GPU实例可按超大规模与专业化提供商、通用与专用实例、共享与独占服务器进行分类。选择时需考虑工作负载类型、GPU类型、成本、延迟和控制级别等因素。
希腊雅典理工大学团队开发CultureMERT-95M多文化音乐AI模型,通过两阶段持续预训练和任务算术方法,让AI系统学会理解希腊、土耳其、印度等非西方音乐传统。该模型在非西方音乐分类任务上提升4.9%准确率,同时保持西方音乐理解能力,为构建更包容的全球音乐AI系统奠定基础。