• 某国内领先股份制银行信用卡中心
    交易分期精准营销

    背景与挑战

    作为国内最大的信用卡发卡行之一,该行的客户每天使用该行的信用卡产生的刷卡交易达数百万笔。基于海量的交易规模,结合营销成本和客户体验的考量,该行仅能对非常有限的交易通过短信渠道进行交易分期的营销触动。因此,该行迫切地需要通过创新的技术手段,精准地刻画与把握客户的分期需求,提升营销效率。

    业务目标

    针对每天数百万笔的刷卡交易,通过分析每一笔交易持卡人的特征与历史交易行为,对该笔交易是否可能存在分期需求进行精准的预测,通过实现营销短信响应率的提升,最终实现交易分期手续费收入的提升。

    难点与关键成功因素

    相比于针对客户的营销,交易分期需要关注的对象更为地微观——持卡人的每一笔刷卡交易。而每一笔交易是否可能办理分期,与该持卡人历史上的交易与分期行为可能存在潜在的相关性。因此,如何有效地利用海量的历史交易与分期数据,刻画每一笔交易背后的分期需求,是本项目的难点与关键成功因素。

    通过第四范式的先知建模平台,建模专家与业务专家一起,构建了超过五千万维的机器学习模型,并利用数千万级别的历史营销样本,对客户的需求及偏好进行了深入的剖析和洞察——例如:历史上在哪个MCC码上进行过交易的持卡人更有可能办理交易分期——通过上千万个类似微观特征的组合,实现对客户行为与偏好的精细刻画,从而挖掘出大量的潜在分期需求。

    此外,该项目另外一个难点在于对超高维度模型的实时计算与响应的支持。基于先知平台提供的模型发布能力,在本项目中实现了该预估模型的线上毫秒级响应,强有力地支撑了业务实际的应用需求与最终收益提升。此外,该模型也通过不断地收集短信营销的结果反馈,进行定期的模型迭代与更新,提供持续优化的营销决策。

    业务成果

    通过统计线上应用的效果,第四范式的交易分期模型,相比于专家规则提升了68%的响应率,最终为该行带来了超过60%的手续费收入的提升;此外,自学习机制也为该模型提供了线上应用效果稳定性的保障,使该行的业务专家可以将精力更多地投入到机器学习在信用卡领域的应用探索中。

    展望未来

    基于不错的业务效果,行方希望继续尝试账单分期、现金分期、商品分期、差异化定价和期数优化等方案,持续与第四范式开展信用卡营销领域的探索。

    91福利