用机器学习寻找你的最佳客户

Seacoast Bank 利用 SAS^® Viya^® 上的 AI 和 SAS^® Visual Analytics 增加客户价值

随着银行服务不断向线上转移，银行务必清楚地了解其最忠诚客户的以下情况：一个客户的终身价值是什么？是什么推动了这种盈利能力？什么是增加这一价值的最佳机会？

由于银行具有金融中介机构的角色，因此它们拥有大量的客户数据。真正的挑战在于如何利用这些数据来了解客户价值，并最终找到新的方法来更好地服务客户、保留和获取客户。

由于手头拥有大量的客户数据，Seacoast Bank 转向 SAS 以获得对客户愿望和需求的洞察力。第一步：处理不同来源的数据，使其以一致、可信的方式发挥作用。之后，Seacoast 使用机器学习，以更好地了解其客户，并使用 SAS Viya 上的 SAS Visual Analytics 帮助员工随时了解这些洞察力。

机器学习批量推动个性化服务

通过先进的分析技术改善客户体验是现代银行保持竞争力的必要条件。Seacoast 在这一领域表现出色，这是因为它拥有专有客户分析平台，该平台由 SAS 提供支持，可用于挖掘客户洞察，以达到多种目的。

在对数据进行汇总和上下文分析后，银行使用 SAS^® Enterprise Miner™ 建立了一个客户生命价值 (CLTV) 模型，该模型着眼于每个客户、衡量他们的价值并明确他们具有如此价值的原因。计算 CLTV 极其重要，这能够估计客户潜力以及银行应该投资多少精力来接触和服务该客户，从而获得最大的投资回报率。

“我们可以更清楚地了解哪些客户群体可以带来价值，因此可以对我们的客户处理策略以及获取客户的工作进行微调，从而获得很高的回报。”Seacoast 的首席营销官 Jeff Lee 说道。

通过部署 CLTV 模型，Seacoast 增加了预测模型并应用机器学习来解决具体的业务问题，如大规模个性化。借助 SAS 的帮助，银行就有能力根据每个客户的喜好和交易历史向他们单独开展营销活动。

"没有 SAS，我们便无法完成我们正在做的事。"Lee 说道。

客户分析平台提高了效率和盈利能力。整个组织都能够看到客户洞察，而营销人员可以将营销活动自动化，一线员工可以加强银行与其最有价值客户的关系，商业银行家可以查看他们的个人客户组合，并使用互动仪表板跟踪他们的表现。

由 SAS Viya 提供的实时洞察力

过去，如果 Seacoast 员工想获得更多关于客户的信息，他们必须为每次查询提交一次服务请求。Seacoast 公司的分析官 Robert Stillwell 说道："你得提出请求，然后等待回复。无法按需提供服务，你无法与数据互动或探索数据来寻找机会。"

现在，Seacoast 不必等待 IT 部门创建电子表格，而是允许适当的员工访问数据，并将数据可视化，从而创建洞察力。SAS Viya 上的 SAS Visual Analytics 从客户分析平台中显现出数据，从而在受控、按需提供的框架中提供信息，从而让业务部门领导以任何喜欢的方式使用这些洞察，并使他们安心使用数据。由于速度和算力对任务来说至关重要，因此 Seacoast 依靠 SAS Viya 的内存能力来加快计算速度，以更快速获得结果。

"先前，我们只能看到一年的趋势，因为我们无法为系统提供足够的数据。"Stillwell 说，"有了SAS Viya，我们现在可以看到四年的趋势，这对我们来说非常重要。”

Seacoast 也从更为迅速的处理速度中受益。"以前，我们的流程尤为繁重，几乎需要一整天的时间来计算我们每个月需要的东西。"Stillwell 说，"SAS Viya 的并行处理能力使得我们能够更快速地获取这些信息。”

银行服务业已做好拥抱人工智能的准备

自从投资使用 SAS 以来，每位客户的风险调整后收益增长了 30%，而自动化市场营销活动的投资回报率则达到了三位数。这样的成功促使银行考虑扩大分析能力的使用范围，从而在其他方面提高客户体验。

对于 Lee 来说，他首先想到了人工智能，他说道，客户希望获得更好、更快、更实惠的体验，甚至希望全天候提供，而为了满足这样的需求，针对此类可改善服务的技术的需求在日益增加。

"想想聊天互动、电话互动、网络互动，所有这些都已经准备好迎接人工智能。"Lee 说，"在我们公司中，有多个完全采用人工智能的用例。而现在我们的数据井然有序，我们在机器学习方面也在不断成熟，人工智能将成为我们未来业务经营的一个重要组成部分。"