顧客属性と行動から多様な金融商品の購買予測モデルを構築
金融サービスの提案及び顧客アプローチ方法を機械学習モデル予測し、人的アプローチと比較したときに約2~5倍の顧客獲得効果が得られました。
取組の概要
顧客の属性情報や口座情報(トランザクション含む)と他の商品成約情報等を用いて、「誰に」「何を」「どのように」訴求すべきかを25種以上(70個以上)の機械学習モデルで予測。予測結果と商品特性を基に、薦めるべき商品及び顧客アプローチ方法を決定した。これにより、全ての商品において既存の人的アプローチと比較し約2〜5倍の顧客獲得効果が見られました。各種預金、債権、投資信託、保険など多様な商品のクロスセルに活用されています。
課題 | : | マーケティングの高度化、 業務量削減、 |
---|---|---|
業界 | : | 金融・決済、 |
解析テーマ | : | テーブルデータ解析、 |