利用机器学习识别财富管理中的潜在客户前景

时间:2019-03-15 13:16:08 阅读:43次

  在商业中,您通常希望准确预测给定客户的相关产品需求。已经对“推荐”系统进行了大量研究,例如,使用协同过滤来基于类似客户的购买或过去对该客户的购买来推荐产品。

<! - more - >

  然后,有些情况下您有产品或服务,并希望找到理想的客户。如果理想的客户群是一般人口的一小部分,这就变得更加困难。

  这种情况在财富管理业务中尤为棘手。许多理想的客户已经积累了足够的财富,需要复杂的咨询需求 - 投资,税收,遗产规划,信任 - 已经与可信赖的顾问建立了长期的关系。在某些情况下,这些关系跨越多代。这些客户众所周知,除非他们不满意或顾问搬到另一家机构,否则他们往往不会开展业务。

  更好的策略可能是追求积累财富的“新兴富裕人士”,并开始意识到自己管理不是最好的利用他们的时间并且不能保证最佳结果。然而,这些客户并不都会变得有利可图。并且,那些做的人可能需要相当长的时间才能到达那里。

  因此,客户在财富管理业务中的探索是困难的 - 已经盈利的土地是不可能的,而尚未盈利可能需要数年才能完全发展。那么可以做些什么呢?

  在这些情况下,解决方案是利用您自己的数据来学习如何识别和区分最佳潜在客户。

  大多数财富管理领导者利用他们的知识和经验以及轶事证据进行探矿。他们通常会有一些很好的推荐来源,或者他们取得成功的最喜欢的行业或地区,或者他们知道来自某些渠道的潜在客户比其他渠道更好。

  但现在,银行家们可以利用他们过去的客户数据和机器学习技术系统地确定所有数据特征,这些特征是未来有利可图客户的良好预测因素,并使用这些特征来识别高价值的潜在客户。

  无论用于识别高价值潜在客户的方法是什么,如果您能够将好的新客户前景与历史上不太好的客户前景区分开来,那么DataRobot的自动化机器学习平台可以完成剩下的工作。

  最好的部分:你不需要知道为什么某些前景比其他人更好;只是他们变得更好。

  通过自动化机器学习,您只需定义正确的功能,并让DataRobot找到最适合您预测该功能值的模型。例如,您可以创建一个名为“登机后一年的年度利润”的功能 - 然后可以将此量化的盈利能力指标用作目标(待预测)。

  通过足够的示例,机器学习可以为您确定最佳预测特征。然后,可以针对您的潜在客户数据库运行生成的模型,或者更好的是,您的机构客户群体。由此产生的预测可用于对潜在客户进行细分,或根据您过去的经验确定具有最高潜力的潜在客户的优先顺序。

   DataRobot的功能影响功能可让您根据用于训练模型的示例了解潜在客户数据的哪些方面是未来盈利能力的最强预测因子。这可能包括购买的数据,有关潜在客户来源的数据,或潜在客户的人口统计数据。

  

  

   DataRobot的功能影响屏幕显示哪些数据对于识别最佳潜在客户具有最大的预测价值。

  

  一旦您知道哪些特征将高价值前景与普通特征区分开来,就可以开发或增强程序以专注于具有最高潜力的潜在客户。例如,考虑是否来自特定渠道的特定渠道的潜在客户被确定为最高价值 - 符合这些标准的新线索可以优先考虑。

  此外,DataRobot的HotSpot功能可让您隔离比其他人更好的人群。此功能可帮助您了解哪些功能组合可以将更高价值的潜在客户与其他功能区分开来。

  

  

  使用HotSpot时,最暗的蓝点代表具有最强阳性结果可能性的特征组合,表明应该探索这些特征以了解哪些线索最有价值。

  

  通过使用机器学习,您可以利用自己的经验来确定哪些新潜在客户具有最高潜力。结果可以在新推荐进入时实时使用,并为高潜力潜在客户提供即时行动。或者,可以针对大量人群运行模型,以隔离最高价值的前景。

  无论哪种方式,机器学习都会产生积极的结果,而且浪费的努力更少。

  

利用机器学习识别财富管理中的潜在客户前景所属专题:机器学习专题 《利用机器学习识别财富管理中的潜在客户前景》链接:http://www.zhouchuanxiong.net/1242

利用机器学习识别财富管理中的潜在客户前景相关文章