精品国产亚洲一区二区三区|亚洲国产精彩中文乱码AV|久久久久亚洲AV综合波多野结衣|漂亮少妇各种调教玩弄在线

<blockquote id="ixlwe"><option id="ixlwe"></option></blockquote>
  • <span id="ixlwe"></span>

  • <abbr id="ixlwe"></abbr>

    趕超美國:中國消費金融玩轉(zhuǎn)人工智能

    中國的金融機構(gòu)正在進(jìn)行全面智能化轉(zhuǎn)型,消費金融行業(yè)的步伐更快。由于基礎(chǔ)征信數(shù)據(jù)的缺失,中國的消費金融機構(gòu)更能“別出心裁”地應(yīng)用人工智能相比之下,美國由于其完善的征信體系及對于隱私保護(hù)的重視,導(dǎo)致人工智能在消費金融領(lǐng)域的應(yīng)用,有被中國趕超的趨勢。

    本文對消金領(lǐng)域的人工智能技術(shù)進(jìn)行概述,并列舉美國相較中國而言更為獨特的人工智能應(yīng)用案例,同時對比分析了人工智能在中美消費金融領(lǐng)域的應(yīng)用優(yōu)劣及成因。

    一.人工智能技術(shù)概述 

    簡單理解的人工智能,就是利用機器完成人類的工作,降低運營成本,提高工作效率。現(xiàn)階段人工智能的五大核心技術(shù)包括生物特征識別、機器學(xué)習(xí)、自然語言處理、計算機視覺和知識圖譜。圖1顯示了這五大核心技術(shù)的一些具體類型。 

    在消費金融業(yè)務(wù)中,基于五大核心技術(shù)各自的特征和類型,打造出不同的應(yīng)用方式。

     生物特征識別中最常用到的是人臉識別和聲紋識別,應(yīng)用領(lǐng)域主要是獲客時的身份認(rèn)證——通過活體檢測,有效識別虛假、冒用身份。另一應(yīng)用是反欺詐,通過接入客戶生物信息的記錄,生成黑名單或白名單。

    機器學(xué)習(xí)的要素是數(shù)據(jù)和算法,其應(yīng)用主要是甄別欺詐,尤其是個體欺詐。

    自然語言處理(NLP)主要的應(yīng)用場景是智能客服。

    計算機視覺中最常用到OCR光學(xué)字符識別,以完成對身份證信息的掃描核對。通常與生物特征識別一起應(yīng)用于獲客時的身份認(rèn)證。

    知識圖譜的應(yīng)用主要包括兩方面:首先是反欺詐,知識圖譜可以通過不一致性驗證識別身份造假,也可以利用關(guān)系網(wǎng)絡(luò)識別團(tuán)體欺詐;其次是精準(zhǔn)營銷,結(jié)合多種數(shù)據(jù)源分析用戶之間的關(guān)系,有針對性地針對某一群體制定營銷策略。

    二.美國人工智能在消費金融領(lǐng)域的應(yīng)用

    在美國,幾乎所有消費金融行業(yè)的案例中,人工智能指代的實際上是機器學(xué)習(xí)。

    機器學(xué)習(xí)被廣泛運用于信用評分、營銷、潛在客戶管理、用戶體驗管理、智能顧問、反欺詐、催收和提前還款管理等各個環(huán)節(jié)。

    在所有上述環(huán)節(jié),機器學(xué)習(xí)的應(yīng)用都是利用大量的數(shù)據(jù),通過算法構(gòu)建模型,提升各環(huán)節(jié)效率。美國的核心優(yōu)勢在于算法。

    其中,潛在客戶管理、用戶體驗管理、智能顧問和提前還款管理是美國相比中國而言,對于機器學(xué)習(xí)較為特殊的應(yīng)用。

    當(dāng)用戶提出貸款申請以后,不是所有的申請都可以轉(zhuǎn)化為真實貸款。在潛在客戶管理中,主要通過機器學(xué)習(xí),識別那些通過率更高的貸款申請的特征,確定貸款通過率的優(yōu)先順序,從而將更好的服務(wù)分配給通過率更高的貸款申請人。潛在客戶管理一般緊跟在精準(zhǔn)營銷之后,以完成潛在客戶培養(yǎng)、追蹤、轉(zhuǎn)化的全套服務(wù)。

    在用戶體驗管理中,通過用戶體驗觸發(fā)器收集遙測數(shù)據(jù)——如用戶瀏覽的頁面以及花費的時間,創(chuàng)建訓(xùn)練數(shù)據(jù)集,利用機器學(xué)習(xí)預(yù)測在申請貸款的每一步驟中的用戶流失行為,從而做出相應(yīng)的服務(wù)升級。

    在智能顧問環(huán)節(jié),當(dāng)借款人有資質(zhì)申請好幾種貸款產(chǎn)品但不知道哪一個對自身而言最佳的時候,智能顧問會根據(jù)借款人以往的借貸選擇以及不同產(chǎn)品的規(guī)則及指南,向借款人推薦貸款產(chǎn)品。智能顧問類似于財富管理業(yè)務(wù)中的智能投顧。一個典型案例是Commonbond, 其通過智能顧問為千禧一代提供學(xué)生貸款服務(wù)。Commonbond的競爭對手 Sofi 也通過智能顧問提供學(xué)生貸款服務(wù),同時,Sofi還通過智能投顧提供財富管理服務(wù)。

    在提前還款管理中,利用機器學(xué)習(xí)模型去預(yù)測未來30天內(nèi)借款人提前還款的概率,從而采取防御措施:比如提供優(yōu)惠費率貸款,以保證與借款人維持長期服務(wù)關(guān)系,避免利息收入的不穩(wěn)定。機器學(xué)習(xí)在提前還款中的應(yīng)用集中于房屋抵押貸款和汽車貸款。

    三. 國內(nèi)人工智能在消費金融領(lǐng)域的應(yīng)用

    在國內(nèi),人工智能在消費金融業(yè)務(wù)應(yīng)用中最核心的幾大環(huán)節(jié)包括智能客服、智能獲客、智能風(fēng)控和智能催收。

    1、在客服環(huán)節(jié),人工智能的應(yīng)用分為兩種:文本客服以及智能客服的呼入呼出。

    文本客服中,首先通過知識圖譜構(gòu)建知識庫,預(yù)設(shè)盡可能多的問題類型及同一類型問題的不同表述方式。然后應(yīng)用NLP(自然語言處理),判斷問題類型,自動進(jìn)行處理。針對客戶問題,文本客服會有三種解決結(jié)果:

    (1)若客戶問題與現(xiàn)有知識庫預(yù)設(shè)問題完全匹配,則自動反饋給客戶答案;

    (2)若客戶提出非預(yù)設(shè)問題,則自動轉(zhuǎn)接為人工客服;

    (3)若不能確認(rèn)客戶問題的表述,則根據(jù)理解擬出建議答案并發(fā)送給靜默坐席修改確認(rèn),最終將答案反饋給客戶。

    文本客服的典型案例是語憶科技。語憶文本客服的邏輯是逐字分析,所以準(zhǔn)確度很高。此外,語憶還利用深度學(xué)習(xí)算法研發(fā)了情緒識別技術(shù),當(dāng)用戶發(fā)生情緒變化時,平臺能夠即時檢驗并向后臺工作人員告警。

    呼入和呼出場景中用到的都是NLP(自然語言處理),但所涉及的具體類型不同。呼入場景中,主要使用語音識別技術(shù),直接根據(jù)客戶的提問做出相應(yīng)跳轉(zhuǎn),這區(qū)別于傳統(tǒng)的菜單式語音。呼出場景中,主要使用語義識別和語音合成技術(shù),其應(yīng)用包括逾期催收和轉(zhuǎn)化。催收將在后面部分談及,而轉(zhuǎn)化是指當(dāng)發(fā)現(xiàn)某一環(huán)節(jié)中客戶的轉(zhuǎn)化率有一定問題時,篩選出部分轉(zhuǎn)化可能性比較高的客戶,使用智能語音的方式促成轉(zhuǎn)化。

    2、在獲客環(huán)節(jié),人工智能主要應(yīng)用在審批流程和精準(zhǔn)營銷。

    審批流程中,基于人臉識別、聲紋識別和OCR光學(xué)字符識別技術(shù),可實現(xiàn)遠(yuǎn)程面簽,降低線下人工運營成本;同時確保了客戶信息的準(zhǔn)確性和可靠性,提升了風(fēng)控水平。 

    精準(zhǔn)營銷中,首先是利用大數(shù)據(jù)和知識圖譜技術(shù)對客戶建立精準(zhǔn)畫像,同時用機器學(xué)習(xí)算法拓展相似客戶群,從場景出發(fā)設(shè)計多元化產(chǎn)品,并將合適的產(chǎn)品精準(zhǔn)地推薦給有需求的客戶,降低獲客成本的同時保證精準(zhǔn)定向效果。其次是要針對信譽良好的已有申請人進(jìn)行激活營銷,提高其復(fù)貸率。

    3、在風(fēng)控環(huán)節(jié),人工智能主要應(yīng)用在信用評分和反欺詐。

    信用評分中,消費金融平臺通常需要做出兩種類型的信貸決策:第一,是否向新申請人授予信貸; 第二, 是否向已有申請人增加信貸額度。第一個決策表示申請評分,第二個決策表示行為評分。通過大數(shù)據(jù)分析和機器學(xué)習(xí),為新申請人制作評分卡,量化其可能違約的概率,從而給予借款人更精確的風(fēng)險定價。對于已有申請人,根據(jù)其以往的還款表現(xiàn)以及復(fù)貸率,推出降費率、提額度等獎勵。

    反欺詐中,基于知識圖譜技術(shù),聚合借款人的個人身份信息、社交圖譜、黑名單庫等多維度信息,結(jié)合機器學(xué)習(xí)模型預(yù)測欺詐概率。設(shè)備指紋技術(shù)在反欺詐中也非常有效, 通過監(jiān)測同一設(shè)備發(fā)出的指令,如同一設(shè)備是否在同一天申請多筆貸款或不同的申請人通過同一設(shè)備申請貸款,從而判斷欺詐的可能性。同時,利用人臉識別、GPS定位技術(shù),在申請、登陸、交易、提現(xiàn)等不同業(yè)務(wù)環(huán)節(jié)阻斷欺詐操作。 國內(nèi)的消費金融科技服務(wù)商當(dāng)中,中騰信對于知識圖譜的反欺詐應(yīng)用,已經(jīng)相對成熟。

    4、在催收環(huán)節(jié)中,人工智能的應(yīng)用主要包括智能催收模型體系的構(gòu)建和智能催收機器人。 

    智能催收體系主要是應(yīng)用機器學(xué)習(xí),根據(jù)用戶畫像實現(xiàn)催收策略、人員和話術(shù)的實時推薦。

    智能催收機器人主要是應(yīng)用NLP(自然語言處理)中的ASR(語音識別技術(shù))和TTS(語音合成技術(shù)),利用機器人開展智能語音催收。 

    智能催收的優(yōu)勢體現(xiàn)在:首先,智能催收的絕對話術(shù)規(guī)范規(guī)避了暴力催收行為,從而降低了投訴成本;其次,可以幫助釋放大量催收人力;第三,智能催收可以實現(xiàn)全覆蓋、不間斷的工作。

    具體來看國內(nèi)一些公司對于人工智能技術(shù)的應(yīng)用案例。

     在智能獲客方面,第四范式利用高維機器學(xué)習(xí)模型,精細(xì)刻畫客戶和客戶行為,匹配不同的營銷策略。同時,第四范式的模型可以自動持續(xù)迭代,模型效果不衰減。

     在智能風(fēng)控方面,中騰信提供貫穿貸前、貸中、貸后的全流程風(fēng)險管理能力。貸前風(fēng)控的重點是審核,通過信用評分、設(shè)備指紋、黑白名單等完成申請反欺詐;貸中風(fēng)控的重點是監(jiān)控,主要結(jié)合實時交易數(shù)據(jù)流,利用機器學(xué)習(xí)對借款人進(jìn)行實時行為監(jiān)控,同時對已有借款人進(jìn)行授信額度調(diào)整管理;貸后主要針對有逾期行為征兆或已經(jīng)發(fā)生逾期行為的客戶,利用自然語言處理,進(jìn)行智能催收,中騰信已成功推出智能催收語音機器人。      

     在智能客服方面,馬上消費金融的客服機器人可以應(yīng)答客戶提出的簡單、重復(fù)問題,正確率高達(dá)90%以上。當(dāng)出現(xiàn)疑難問題時,系統(tǒng)自動轉(zhuǎn)接人工客服,并將知識庫中的最優(yōu)答案推送給客服人員。

    四、中美對比:中國人工智能技術(shù)應(yīng)用領(lǐng)先于美國

    中美的消費金融業(yè)務(wù)中,對于人工智能的應(yīng)用存在很大不同。

    第一,在應(yīng)用技術(shù)方面,美國的應(yīng)用比較狹義,關(guān)注于機器學(xué)習(xí)。而中國則全面應(yīng)用了五大核心技術(shù)。

    拿生物特征識別技術(shù)舉例。在中國,人臉識別、聲紋識別已被廣泛應(yīng)用在各消費金融平臺的獲客過程,同時結(jié)合OCR識別身份證信息,完成雙重認(rèn)證。而美國的生物特征識別技術(shù)還停留在服務(wù)于傳統(tǒng)銀行業(yè)務(wù)的身份識別階段。在消費金融業(yè)務(wù)中,以美國的Kount公司為例,其利用全面的交易和身份數(shù)據(jù),通過機器學(xué)習(xí)完成身份確認(rèn)。

    其次是知識圖譜技術(shù)。由于其主要用于甄別團(tuán)隊欺詐,而團(tuán)體欺詐是具有中國特色的欺詐難題,所以中國對于知識圖譜的應(yīng)用更常見。

    第二,在服務(wù)環(huán)節(jié)方面,中國集中于智能客服、智能獲客、智能風(fēng)控和智能催收。而美國還提供了潛在客戶管理、智能顧問和用戶流失管理等服務(wù),但人工智能在這三個環(huán)節(jié)的應(yīng)用仍處于初始階段。 

    第三,在信用評分方面,大多數(shù)美國貸方都基于FICO評分的模型來決定個人借款人是否能獲得貸款以及貸款利率,而FICO評分是通過傳統(tǒng)的邏輯回歸模型產(chǎn)生的。 在將機器學(xué)習(xí)算法應(yīng)用到信用評分的平臺中,也是對FICO評分進(jìn)行完善和更新。這些平臺仍然大量使用傳統(tǒng)信貸數(shù)據(jù),補充的其他非傳統(tǒng)數(shù)據(jù)維度相比中國較少。 

    以Zestfinance為例,其利用機器學(xué)習(xí)算法進(jìn)行信用評估時依賴的主要數(shù)據(jù)仍然是傳統(tǒng)信貸數(shù)據(jù)、搬家次數(shù)和法律記錄。其次是互聯(lián)網(wǎng)數(shù)據(jù),包括用戶的IP地址、網(wǎng)絡(luò)行為和社交網(wǎng)絡(luò)等;以及用戶提交的水電煤氣賬單和手機賬單等。同時,也會將一些邊緣數(shù)據(jù)納入模型,比如借款人填寫表格時使用大小寫的習(xí)慣、在線提交申請之前是否閱讀文字說明等。 

    這一方面是由于美國征信系統(tǒng)較完善,F(xiàn)ICO評分的覆蓋率達(dá)到95%;另一方面是由于美國對于個人信息的保護(hù)較為重視,讀取某些信息,如手機通訊錄等受到嚴(yán)格限制。

    而在中國,隱私保護(hù)相對寬松,平臺可以用到的數(shù)據(jù)維度較多,也更涉及私密性,包括GPS定位、通訊錄、手機內(nèi)APP的數(shù)量和種類等。


    銀行與金融科技融合的理想境界是什么?是銀行即服務(wù)。

    2019年6月14日,億歐智庫研究院將在“2019丨全球新經(jīng)濟年會·金融科技峰會”上發(fā)布《2019開放銀行與金融科技發(fā)展研究報告》,深度解讀金融科技賦能開放銀行的融合與落地應(yīng)用——上?!ず鐦颉な蕾Q(mào)展館邀您見證!搶票鏈接:https://www.iyiou.com/post/ad/id/792

    本文已標(biāo)注來源和出處,版權(quán)歸原作者所有,如有侵權(quán),請聯(lián)系我們。

    極客網(wǎng)企業(yè)會員

    免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實,并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。

    2019-04-19
    趕超美國:中國消費金融玩轉(zhuǎn)人工智能
    對比人工智能在消費金融業(yè)務(wù)的應(yīng)用,中美存在很大的不同,但是,總體來看,中國人工智能技術(shù)應(yīng)用領(lǐng)先于美國。

    長按掃碼 閱讀全文