Как работает система рекомендаций банковских продуктов?

Система рекомендаций банковских продуктов работает на основе алгоритмов, которые анализируют интересы пользователей и предлагают персональные решения. www.forbes.ru

Например, в «Сбере» рекомендательная система помогает отобрать те банковские услуги, которые заинтересуют клиента и которые он купит с большей вероятностью. kod.ru Для этого используют формулу: вероятность покупки × доход от продажи продукта = ожидаемый доход от каждого продукта. kod.ru Она решает две задачи: kod.ru

1. Показывает, какой доход банк получит от продажи конкретного продукта. kod.ru
2. Помогает отсортировать продукты по потенциальному доходу и определить топ предложений для каждого клиента. kod.ru

В «Альфа-Банке» модель рекомендаций категорийного кешбэка работает с помощью нескольких алгоритмов машинного обучения: www.forbes.ru

1. Прогнозируют общие траты. www.forbes.ru Модель анализирует траты за предыдущие месяцы и прогнозирует, сколько клиент может потратить в следующих. www.forbes.ru Для обучения модели используют данные клиента, его кредитную историю, поведение в банке. www.forbes.ru
2. Прогнозируют траты в категории. www.forbes.ru Целевой переменной выступают траты клиента в конкретной категории для прогноза базы начислений кешбэка. www.forbes.ru
3. Оптимизатор перебирает все возможные комбинации категорий и отсеивает те наборы, которые не соответствуют заданным критериям программы лояльности. www.forbes.ru
4. Выбирается наиболее привлекательный для клиента сет. www.forbes.ru Здесь подключается модель интереса, которая рассчитывает совокупный интерес сета и оставляет один максимально интересный. www.forbes.ru

Существуют и другие подходы к работе рекомендательных систем, например, основанные на содержании, знаниях, демографических данных. ntk.kubstu.ru