SAS BI合作海岸银行：机器学习大规模个性化

(1)客户介绍

海岸银行提供便捷的个人银行和商业银行解决方案，如支票、储蓄、贷款、抵押、网上银行和手机银行等。

(2)项目背景

机器学习可实现大规模个性化

为了使现代银行保持竞争力，必须通过高级分析来改善客户体验。Seacoast凭借其专有的客户分析平台而在此领域中脱颖而出，该平台由SAS支持并用于发掘客户的洞察力，用于许多目的。

汇总和情境化的数据分析后，银行使用SAS ^®企业矿工™建立一个客户终身价值（CLTV）模型，它看起来在每一个客户，衡量自己的价值，并说明为什么他们是有价值的。计算CLTV对于估算客户的潜力以及银行应该投入多少资金来吸引和服务该客户以获取最大的ROI至关重要。

“由于我们更加了解哪些客户群体可以带来价值，因此我们可以微调客户处理策略以及我们的收购努力，以产生非常高的回报，” Seacoast首席营销官杰夫·李（Jeff Lee）说。

有了CLTV模型后，Seacoast添加了预测模型并应用了机器学习来解决特定的业务问题，例如大规模的个性化。借助SAS，银行可以根据客户的偏好和交易历史分别向他们推销产品。

“没有SAS，我们真的无法做我们正在做的事情，” Lee说。

客户分析平台在效率和盈利能力上均取得了进步。随着客户洞察力遍及整个组织，营销人员可以使活动自动化，一线员工可以加强银行与其最有价值的客户的关系，而商业银行业务人员可以查看其个人客户组合并使用交互式仪表板跟踪其绩效。

过去，如果Seacoast员工希望获取有关客户的更多信息，则他们必须为每个查询运行服务请求。“您会提出请求，等待回覆，” Seacoast的分析官Robert Stillwell说。“它不是按需的，您不能与数据进行交互或探索它来寻找机会。”

现在，Seacoast不再等待IT部门创建电子表格，而是允许适当的人员访问并可视化数据以创建见解。SAS Viya上的SAS Visual Analytics提供了来自客户分析平台的数据，可在受控的按需框架中提供信息，因此业务部门领导者可以随意使用这些见解-并信任他们的数据。而且由于速度和计算能力是关键任务，因此Seacoast依靠SAS Viya的内存功能来加快计算和发现速度。

Stillwell说：“以前，我们只能看到一年的趋势，因为我们无法将足够的数据输入到系统中。” “有了SAS Viya，我们现在可以看到四年的趋势，这对我们非常重要。”

海岸还受益于更快的处理速度。“以前，我们的流程非常繁琐，以至于几乎每个整天都要计算每个月我们需要的东西，” Stillwell说。“ SAS Viya的并行处理使我们能够更快地获取该信息。”

(4)价值体现

人工智能的银行服务已经成熟

自从投资SAS以来，每位客户进行风险调整后的收入增长了30％，而自动化营销活动的投资回报率则高达三位数。这一成功促使该银行开始考虑扩大分析的使用范围，以其他方式改善客户体验。

Lee认为，人工智能是首要考虑因素，他说，越来越需要服务增强技术来取悦那些期望24/7全天候更好，更快，更便宜的消费者。

“考虑到聊天互动，电话互动，网络交流-所有这些对于AI来说都是成熟的，” Lee说。“我们业务中有多个用例与AI完美契合。现在，我们的数据是有序的，并且我们在机器学习方面已经日趋成熟，人工智能将成为我们未来业务运营的重要组成部分。”