Ant Finansal Akıllı Öneri Motoru Çözümü ve Uygulaması
Özet : "The New Force of Digital Finance" temasıyla Ant Financial ATEC Şehir Zirvesi planlandığı gibi 4 Ocak 2019'da Şangay'da düzenlendi. Ant Financial'ın yapay zeka departmanında kıdemli bir teknik uzman olan Wang Zhiyong, finansal istihbarat özel alt forumunda "Ant Financial Intelligent Öneri Motoru" teması üzerine harika bir paylaşım yaptı.
Konuşmada Ant Financial adına Wang Zhiyong, Ant Financial'ın akıllı öneri motorunu ilk kez kamuoyuna tanıttı, Ant Financialın öneri motorunda yapay zeka ve büyük veri yetenekleri kullanımının engin deneyimini paylaştı ve Antun kendi avantajlarının kombinasyonunu tanıttı. , Çeşitli iş senaryolarına ve onun yeteneklerine ve avantajlarına esnek bir şekilde uyum sağlayabilen Akıllı öneri motoru çözümü (ARE).
Wang Zhiyong, Kıdemli Teknik Uzman, Yapay Zeka Departmanı, Ant Financial
Her şeyden önce, herkesin "öneri" ve "pazarlama" kavramlarına ilişkin anlayışı farklı olabilir. Bu makalede bahsedilen öneri, esas olarak, verimli pazarlamanın amacına ulaşmanın, yani öneri motorları aracılığıyla daha iyi pazarlama elde etmenin bir aracı olan öneri motoru na atıfta bulunmaktadır.Tabi ki, öneri motorlarının yeteneği pazarlamaya yardımcı olmakla sınırlı değildir. Ürünlerin, hizmetlerin ve içeriğin kullanıcı deneyimini iyileştirmeye yardımcı olabilir. Bu makalenin paylaşılması esas olarak aşağıdaki üç konuya odaklanacaktır:
1. Karıncaların iş senaryosu
İkincisi, karınca akıllı öneri uygulaması
Üç, akıllı öneri çözümü
1. Karıncaların iş senaryosu
Karınca ticaretinin evrimi
Ant Financial'ın iş evrimi esas olarak üç geliştirme ve evrim aşamasını yaşadı: çevrimiçi, dijital ve akıllı.
Alipay'in 2004'te kuruluşundan 2012'ye kadar, bu aşama esas olarak çevrimiçi araçtır. İlk güvenli işlemden transfer, kredi kartı geri ödemesi ve su, elektrik ve kömür ödemesi gibi işlevlere kadar, çevrimiçi araçlar verimliliği ve birikmiş verileri geliştirdi. Bu aşamada, Alipayin pazarlama yöntemleri, herkese aynı kırmızı zarfları veya kuponları göndermek gibi nispeten kabaydı. Bu nedenle, o zamanlar pazarlama esas olarak iyi bir araç oluşturmak, bir pazarlama kampanyasını, ödülleri hızlı bir şekilde yapılandırmak ve işlem sürecini sağlamakla ilgiliydi. Güvenlik ve istikrar
2013 yılına gelindiğinde, mobil İnternet dalgası ve katil uygulama Yu'ebao'nun doğmasıyla birlikte, Alipay uygulamasının günlük etkinliği hızla bir milyonun altından on milyona çıktı. Şu anda, orijinal kaba pazarlama yöntemini tekrar kullanırsanız kesinlikle sorunlar olacaktır.Bu aşamada veriler giderek daha önemli hale gelir.Pazarlama, müşteri segmentasyonu elde etmek için kullanıcı bilgileri, kullanıcı davranış verileri ve iş verilerinden çıkarılan kitle etiketlerine geçmeye başlar. Pazarlama, dolayısıyla pazarlama verimliliğini artırır. Bu aşamada BI, operatörlere bir makro karar verme referansı sağlar, ancak farklı operatörlerin iş anlayışındaki ve veri duyarlılığındaki farklılıklar farklı pazarlama etkilerine yol açacaktır. Şu anda, piyasadaki hassas pazarlama ürünlerinin çoğu, insanları tuzağa düşürme becerisine sahip bir dizi pazarlama yönetimi aracı olan bu aşamaya karşılık geliyor.
2016 yılına gelindiğinde, yapay zeka ekibinin kurulmasıyla birlikte Ant Financial, pazarlamaya yardımcı olmak için yavaş yavaş öneri motorlarını kullanmaya başladı.Sistem seviyesi, kullanıcı davranışını gerçek zamanlı olarak algılar ve algoritma seviyesi, karar verme sistemini makine öğrenimi yetenekleriyle optimize eder. Bu aşamada, çevrimdışı kişi karar verme için yalnızca başlangıç noktasıdır.Önerme motoru, daha mikroskobik bir karar verme yeteneği sağlamak için modeli kullanıcının geçmiş tercihlerine, gerçek zamanlı pazarlama geri bildirimlerine ve tüm sitenin tüm davranış olaylarına göre ayarlayacaktır. Bu aşamada, model yinelemeli olarak düzeltileceği için operatörler için gereksinimler de azalır.
Finansal yaşam sahnesi
Şu anda, Ant Financial ve ortakları, Alipay, Wealth, Mikrofinans, Sigorta ve İnternet Bankacılığı gibi ürünler aracılığıyla kullanıcıların finansal yaşam sahnelerinin çoğunu kapsayabildi.
Ödeme başarı sayfasının önerisi, reklam alanı, üyelik avantajları ve kırmızı zarflar gibi belirli önerilen sayfalar için, işte bir Ant Financial akıllı öneri motoru vardır.
Alipay'in Servet, Mikrofinans, Huabei ve Sigorta kanallarının ana sayfasında bulunan "Binlerce Kişi" akıllı öneri motoru ile hayata geçiriliyor. Ayrıca iş hayatı hesapları, yaşam çevreleri, küçük programlar ve öneri motorları da var.
İkincisi, karınca akıllı öneri uygulaması
Ant Financial için, akıllı tavsiyelerde birçok zorluk vardır. Aşağıdaki şekil, akıllı tavsiyenin yüzleşmesi gereken 6 ana sorunu listelemektedir.
1. Kalabalığı seçme: Verilere ve iş kurallarına göre uygun erişim kalabalığı nasıl seçilir?
2. Gerçek zamanlı sahneyi tanımlayın: Ne zaman, nerede ve ne yaptıkları gibi kullanıcının içinde bulunduğu gerçek zamanlı sahne nasıl belirlenir?
3. Ödülleri, kuponları ve hizmetleri seçin: Bu, önerinin temel konusudur.Kullanıcılara önermek için uygun içerik nasıl seçilir?
4. Akış kanalları ve yaratıcılık: Flow'un bir maliyeti vardır Akış kanallarını makul bir şekilde kullanmak ve kullanıcıları en iyi yaratıcılıkla nasıl etkilemek gerekir?
5. Çoklu öneri: Öneri tek seferlik bir süreç değildir.Çok sayıda öneriyle hedefe nasıl ulaşılır?
6. Platform ve mimari: Mühendislik mimarisi temeldir Önerme etkisini hızlı bir şekilde iyileştirmek için ne tür bir mimari öneri modelinin yinelemeli verimliliğini artırabilir?
Kalabalık seçimi
Yaygın olarak kullanılan üç tuzak vardır: bunlardan biri teknik veri madenciliğinin etiket tuzağıdır; daha gelişmiş olanı, benzer özelliklere sahip insanları tüm popülasyondan geri çağırmak için verilen tohum popülasyonu özelliklerini kullanan benzer tuzaktır. Ve daha büyük benzer insan grubuna yayılmak için optimizasyon yapın; iş kurallarına dayanan çok yaygın ve çok basit bir daire var.
Gerçek zamanlı sahne olayı
Ant Financial'ın akıllı bir öneri sistemi oluşturmaya başladığı 2014 gibi erken bir zamanda gerçek zamanlı sahne olayları için, öğrencilerin akıllı pazarlama için beklentileri genellikle somut bir durumda açıklandı: bir kullanıcı saat 8'den itibaren bir film satın aldı Biletler, saat 6'da sinema salonunun bulunduğu alışveriş merkezine geldi, Alipay uygulamasını açtı ve bu alışveriş merkezindeki xx restoran için bir öneri, indirim kuponu aldı. Spesifik uygulama açısından, sahneleri canlandırmak ve gerçek zamanlı sahne önerilerini gerçekleştirmek için kullanıcının gerçek zamanlı olaylarını kullanıyoruz.Aynı zamanda, gerçek zamanlı etkinlikler de çevrimiçi eğitim modellerine yardımcı olabilir ve makine çevrimiçi öğrenmeyi gerçekleştirebilir (çevrimiçi öğrenme).
Tercihler ve keşifler
Kullanıcı tercihlerinin öneri için ön koşul olduğu görülmüştür.Veri toplama ve madenciliğe ek olarak model seçimi de çok önemlidir.Aşağıda Ant içinde yaygın olarak kullanılan bazı modeller verilmiştir:
Dikkat modeli : Derin öğrenmedeki dikkat mekanizması esasen insanların seçici görsel dikkat mekanizmasına benzer. Temel amaç, çok sayıda bilgiden mevcut görev hedefi için daha kritik olan bilgileri seçmektir. Karıncaların iş senaryoları zengindir ve veri karşılaştırmasına yol açar Çeşitlendirilmiş dikkat modeli, mevcut öneri hedefine ulaşılmasına yardımcı olabilir;
Geniş ve derin model : Geniş model hafızası (ezberleme), öğeler (önerilen içerik) veya tarihsel verilerden özellikler arasındaki korelasyonu keşfetmektir ve derin model genelleme (genelleme), geçmiş verilerde çok az oluşum olduğunu veya hiç bulunmadığını tespit ederek korelasyonun aktarılmasıdır. Kullanıcıların yeni tercihlerini arayan yeni özellik kombinasyonu.
MAB algoritması : Önerilen soğuk başlatma sorununu çözün, yeni içerik önermeye çalışın ve kullanıcılardan gerçek zamanlı geri bildirimler yoluyla ürünün maruziyetini sürekli olarak ayarlayın ve tüm modeli optimize edin.
Akıllı yaratıcılık
Herkes çeşitli farklı reklamlara maruz kalır ve farklı reklam fikirlerinin (metin, resimler ve videolar) etkileri büyük ölçüde değişir. Burada aslında iki soru var: Birincisi, yapay zekanın daha iyi fikirler tasarlamamıza yardım edip edemeyeceği, diğeri ise kullanıcılar tarafından onaylanan fikirleri nasıl hızlı bir şekilde seçeceğimiz. Yaratıcı tasarımın verimliliğini ve etkinliğini artırmak için Picasso adında bir dahili sistemimiz var.
Büyük miktarda reklam kopyası topladık. Operasyon öğrencilerinin yalnızca gerekli bilgileri doldurmaları yeterlidir ve aday kopya, kullanıcıların NLP teknolojisi aracılığıyla seçmeleri için otomatik olarak oluşturulacaktır. Tam metin yazarlığı önerilerine ek olarak, kullanıcı etiketlerini birleştirebilir ve kişiselleştirilmiş metin yazarlığı şablonları sağlayabilir. Öneri sistemi, kişiselleştirilmiş metin yazarlığı elde etmek için önerilen kullanıcıların özelliklerine göre etiket değerlerini doldurur. Örneğin, otomobil sigortası sona erme bir yenileme reklamıdır, "Honda sahibi 50 "Yuan hediyesi" nin tıklama etkisi, "araba sahibinin 50 yuan hediyesi" nden çok daha iyidir (bu durum sadece basit kural etiketi doldurmadır, daha fazla durum algoritmik üretimdir).
Ek olarak, bir yapay zeka sistemi için, aday fikirlerin sayısı ne kadar büyükse, algoritma alanı o kadar büyük olur ve daha hızlı bir şekilde daha fazla fikir üretmek çok önemlidir. Yüz resim ve metin yazarlığının çok fazla zaman ve enerji gerektirdiği ortaya çıktı. Bununla birlikte, Picassonun grafik sentez yetenekleri hızlı bir şekilde çok sayıda fikir üretebilir. Örneğin, 10 tür temel harita ve 100 türle çarpışabilen 10 tür metin yazarlığı vardır. Yaratıcılık. Sonraki adım, reklam öğesi optimizasyonudur. Bu 100 reklam öğesi belirli bir gösterim elde edecektir. MAB algoritması, kullanıcıların gerçek zamanlı geri bildirimlerine göre her bir reklam öğesinin gösterim oranını ayarlayabilir. Belirli bir reklam öğesinin yüksek tıklama oranı, gösterim oranını artıracaktır. Daha yüksek, dolayısıyla genel tıklama oranı artar.
Takviye öğrenme
Orijinal pazarlama önerilerinin hepsinin kısa vadeli ve ayrı olduğunu gördük. Bir yıl içinde birçok pazarlama etkinliği var. Etkinlik verilerini de özetliyoruz. Özet, bazı insanların zihnindeki deneyim haline gelecektir, ancak bizim gerçek zamanlı ve sürekli optimizasyonumuz yok. Kullanıcı pazarlama programı. Aslında, pazarlama golf oynamak gibidir.Bir seferde delik açmak zordur. Pazarlama stratejimizi, her darbeyi deliğe (hedefe) daha hızlı yaklaşmak için doğru yapacak şekilde sürekli olarak ayarlıyoruz. Öte yandan, kullanıcının ürünü kullanımı süreklidir ve kullanıcı pazarlamasının görevi yeniyi çekme, tanıtma ve elde tutma görevine sahiptir.Ürünleri kullanıcı kullanımı açısından tasarlar ve pazarlar, faaliyetleri, ödülleri ve hizmetleri kullanıcı teşvikleri olarak değerlendiririz. Takviye öğrenme yoluyla, kullanıcının her davranışı, genel olarak optimal pazarlama etkisini elde etmek için karar verme aracısının (öneri motoru) bir geri bildirimi olarak kabul edilir.
Mühendislik mimarisinin hızlı yinelemesi
Veriler, özellikler ve modellerin hepsi önemlidir, ancak iyi bir mühendislik yapısı temeldir. Özellikle algoritmalar için, modellerin hızlı yinelenmesi çok önemlidir.Bir model optimize edilirse, yayınlanması birkaç gün sürer ve olay uzun süre önce bitebilir. Ant Financial'da, algoritmanın hızlı yinelemesini sağlamak için eksiksiz bir mühendislik çerçevesi vardır. Pek çok finans kuruluşunun işine benzer şekilde, istikrar gereksinimlerimiz çok yüksektir ve değişikliklerin yayınlanması genellikle nispeten katı bir süreç gerektirir. Bununla birlikte, model yinelemesi genellikle belirli işlevleri etkilemez, yalnızca etkileri etkiler Ant tarafından sağlanan mikro kapsayıcı mimarisi, algoritma modeli yinelemesinin sabit ve hızlı olan kapta serbest bırakılmasına izin verir.
Modellerin etkilerinin karşılaştırılması ve doğrulanması çok önemlidir Deneyleri desteklemek ve modelleri optimize etmek için farklı modellerin etkilerini karşılaştırmak için özel bir A / B Test platformumuz var. Ayrıca Ant Financial'ın mühendislik mimarisi, özelliklerin tutarlılığını da sağlayabilir ve çevrimdışı eğitim ve çevrimiçi tahminin aynı özellik ve kodu kullanmasını sağlayarak modelin etkisini sağlayabilir.
Üç, akıllı öneri çözümü
Yukarıdakiler esas olarak Ant'ta akıllı tavsiyelerin nasıl gerçekleştirileceğini paylaştı.Ardından, Ant Financial'ın kendi deneyimlerine dayanarak oluşturduğu ve bankaların ve menkul kıymet şirketlerinin işletme özellikleriyle birleştirdiği çözümleri size tanıtacağım.Ürün adı Ant Financial Intelligent Advice Engine (Ant Öneri Motoru), bundan sonra ARE olarak anılacaktır.
1. Birden çok iş senaryosuna esnek adaptasyon
Aşağıdaki şekilde yer alan iş modülünde, bankalar ve menkul kıymetler gibi finans kuruluşlarının işlerinin çoğu, ödemeler, transferler, mevduatlar, puanlar, borç verme, fonlar ve varlık yönetimi hizmetlerini içerebilen Ant Financial'a benzer. ARE'mizin yalnızca arayüzden geçmesi gerekir Müşterinin işini verilerle açın ve çeşitli iş senaryolarının akıllıca önerilerini gerçekleştirin.
Geçmek için üç parça veriye ihtiyacımız var:
Birincisi, kullanıcıların önerilen içeriği (ürünler, hizmetler, etkinlikler, ödüller vb.) Yukarıdaki resimde en üst katmanda yer alan mobil uygulamalar, banka sayaçları, bilgisayar istemcileri vb. Gibi "kanallar" aracılığıyla görecek olmalarıdır. Tıklama davranışı, satın alma davranışı ve kullanıcı ilgilenmiyorsa doğrudan ayrılabilir Bu kullanıcıların davranış verileri öneri motoru veri merkezine senkronize edilecektir;
İkincisi, işlemler, kredi kartı ödemeleri veya belirli bir coğrafi konum girme gibi diğer kullanıcı davranışlarıdır, bu veriler aynı zamanda veri merkezine senkronize edilecektir;
Üçüncüsü, ürün adları, fon ürün getirileri vb. Gibi işletmenin kendi bilgilerinin veri merkezine aktarılması gerektiğidir.
Çıkarma ve hesaplamadan sonra sistem, veri merkezinden varlık kategorisi (öğe) özelliklerini ve kullanıcı özelliklerini (kullanıcı) alır ve ardından en son modeli elde etmek için model eğitimi yapar.
Müşterinin iş sistemi, tavsiyeleri uygulamak için ARE arayüzünü arayabilir. Hedef popülasyona bağlı olarak, motor uygun önerilen içeriği hatırlayacak ve ardından puanlama ve sıralama elde etmek için modelleri ve kuralları kullanacaktır. Ayrıca ARE, pazarlama ve ürünler de dahil olmak üzere neredeyse tüm iş senaryolarına esnek bir şekilde uyarlanabilen, yaygın olarak kullanılan algoritmalar, dinamik kod (önerilen senaryolara göre yazılan kod, sistem sürüm sürecinden geçmeye gerek yoktur) ve yapılandırma arka planından oluşan bir kitaplık sağlar.
2. Standart veri akışı
ARE standart bir veri formatı tanımlar.Sistem açıldığında, kullanıcı davranışı olaylarının günlük formatının standart olduğundan emin olmak gerekir. Müşteri Ant'ın mPaas ürününü kullanıyorsa, genellikle verilerin ARE standardını karşılamak için dönüştürülmesine gerek yoktur. Veri formatı, özellik mühendisliği, model eğitimi ve tüm veri işleme akışı standartlaştırılmıştır. Çoğu müşteri için, algoritma ve veri ile ilgili geliştirmenin iş yükünü büyük ölçüde azaltabilir.
3. Stratejiler ve Deneyler
Bankalar gibi finansal müşterilerin özelliklerini hedefleyen Ant Financialın akıllı öneri motoru, LR, GBDT ve MAB gibi yaygın olarak kullanılan öneri modellerini ARE'ye entegre etti. Yukarıdaki standart veri işleme prosedürleriyle birleştirildiğinde, müşteriler bunu temelde algoritma mühendisleri olmadan başarabilirler. Temel akıllı öneri. Ayrıca ARE, kullanıcıların eğitimli modeli (PMML dosyası) sisteme yüklemesini de destekler. Tavsiyenin etkisinin çalışma kurallarıyla da yakından ilgili olduğu düşünüldüğünde, nispeten basit bir kural motoru da ant akıllı öneri motoruna entegre edilmiştir. Sistem aynı zamanda kullanıcıların daha uygun bir strateji modeli seçmelerine yardımcı olmak için A / B Testi gibi araçlar da sağlıyor.
4. Gerçek Zamanlı Etkinlik Merkezi
Örneğin, Banka A'nın bir kullanıcısı düşük net değerli bir kullanıcıdır. Bir gün, bu kullanıcı aniden 500.000 yatırmıştır. Teorik olarak, sistem bu değişikliği hemen algılamalıdır. Düşük eşikli varlık yönetimi ürünleri için orijinal öneri, daha yüksek eşikli varlık yönetimi ürünleriyle değiştirilmelidir. ürün. ARE gerçek zamanlı olay merkezini kullanmak, kullanıcı değişikliklerini kolayca algılayabilir.Kullanıcı davranışının standartlaştırılmış tanımı ve gerçek zamanlı toplanması (günlük veya davranış verileri) sayesinde, kullanıcı davranışının alanı hızlı bir şekilde tanımlanabilir ve ilgili özellik çıkarma ve model gerçekleştirilebilir. Bu beceriye dayalı eğitim, daha gerçek zamanlı senaryo tabanlı öneriler sağlayabilir.
5. ARE'nin mühendislik avantajları
ARE'nin mimarisi, Ant Financial tarafından kullanılan öneri motoruna dayanmaktadır Yıllarca süren iş testlerinden sonra, sistem mimarisi çok olgun ve kararlı olmuştur. ARE, esnek ölçeklemeyi ve yatay genişletmeyi destekleyebilir, yüksek performansa sahiptir, isteklere saniyeler içinde yanıt verir ve öneri sonuçlarını etkilemek için gerçek zamanlı verileri dakikalar içinde günceller. Son olarak, mimari şemada akıllı öneri motoru Ant Financial Cloud'a dayandığından, izleme sistemi, işletim ve bakım sistemi ve erken uyarı sistemi olgunlaşmış ve işletim ve bakım dağıtımı çok uygundur.
