第四节 数秦科技
随着科技发展和对人工智能的深入研究,人工智能的研究领域也在不断扩大,人工智能的分支包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理及推荐系统等,而数秦科技在人工智能领域的项目是利用机器学习技术,获取客户的意见及潜在的需求。
项目从各个渠道收集零售(准)客户反馈的各种评价和需求描述文本,利用机器学习技术,提取这些自然语言文本中的客户关键意见及潜在需求短语,结合已有的客户基础画像数据(如个人资料、金融资产、历史交易及偏好等),将客户本次反馈意见归入某类营销类别,商户可以根据结果采取相应的营销动作。项目所有过程及数据,均进行数据上链,确保所有数据的真实来源,不存在数据伪造。
其中,信息收集渠道包括自然语言交互机器人、微信公众号、客服记录、客户经理营销记录、银行网站及获客商户等。
一、项目先进性
1.技术驱动业务
利用机器智能处理海量特征数据的能力,发现客户特征和业务线索,以最少的投入换取最大的营销机会,促使传统银行由“劳动密集型”向“技术密集型”发展。
2.使用多项先进技术
项目采用Python、Jieba、Xgboost等语言和函数库,还采用Anaconda机器学习环境。同时,利用知识图谱对知识库网络进行构建和完善,向营销人员提供针对某个客户的营销知识。
二、项目前景
项目以人工智能为支撑,搭建零售银行的大数据营销地图。后续可结合知识图谱技术,建立实体关系,实现更强大的客户兴趣点内容关联、内容搜索和内容推荐。
目前,银行有诸多可落地的实际应用场景,可操作性强,对改变传统零售银行的生产方式有积极意义。
三、项目架构及流程介绍
1.整体架构
项目整体架构如图3.28所示,利用机器学习技术,对收集到的评价与反馈进行处理,提取这些自然语言文本中的客户关键意见及潜在需求短语,结合已有的客户基础画像数据,将客户本次反馈意见归入某类营销类别。
2.客户意见文本挖掘处理流程
项目首先对文本的特征进行抽取、选择,再经过训练,最终进行分类,概览图如图3.29所示。
本书评论