基于协同过滤的银行产品推荐系统建模.pdfVIP

基于协同过滤的银行产品推荐系统建模1 李欣璐，刘鲁 北京航空航天大学经济管理学院(100083)，北京 email:lxlu1982@126.com 摘 要：本文根据银行产品和银行业的自身特点，采用协同过滤算法，设计了银行产品推荐 系统模型。该模型从客户和产品两个方面对交易明细进行数据分析，避免了协同过滤算法中 早期数据冷起动问题，该系统模型最终生成的客户/产品/时间匹配矩阵，一方面可以帮助银 行及时发现潜在客户，有效进行客户关系管理，另一方面也可以为银行产品迅速定位目标市 场，有效支持银行市场营销活动。 关键词 ：协同过滤，推荐系统，银行产品，客户关系管理 1．引言 随着中国加入WTO ，银行业的大门逐渐向世界敞开，中国的商业银行失去了政府保护， 将面临前所未有的严峻考验。面对实力雄厚的外资银行，中国银行业最大的优势莫过于多年 积累起来的客户资源，如何更好的保持并发扬这一优势，是国内银行的当务之急。 在当前以客户为导向的金融市场环境中，谁能为客户提供更好的服务谁将能获得竞争的 胜利。目前，各大银行都在不断推出各种产品，以满足不同客户的需求。然而，面对如此庞 大而又需求迥异的银行客户群，如何定位新产品的目标市场并据此进行更有效的市场营销活 动，同时提高服务效率和客户满意度，是银行管理层着重关注的问题。推荐系统作为能够较 好实现个性化服务的工具，不仅在电子商务、科技文献检索等领域应用甚广，也同样可以引 入银行系统，根据银行产品的特点，实现银行产品推荐，既可有效降低产品推广成本，增大 产品推荐成功率，同时还可以实现个性化服务，提高客户满意度。 2．推荐系统与推荐算法简介 2.1 推荐系统的发展 推荐系统泛指任何将个性化推荐作为输出的系统或在大规模可选对象中依据个人喜好 引导用户做出选择的系统。目前，推荐系统较多的应用于电子商务领域，根据顾客已有的购 买情况预测将要进行的消费行为，并向用户提供商品信息和建议，模拟销售人员帮助用户完 成购买过程[1，2] 。 最初的推荐系统源于 Internet 信息爆炸所造成的人们在海量信息面前的无所适从，于是 设想让一个程序来揣摩用户的心理，观察什么是用户喜欢的，什么是用户不喜欢的，然后自 动为用户筛选出与喜欢的模式匹配的内容，过滤掉那些与不喜欢的模式匹配的内容。Amazon 的推荐系统功能十分强大，可以算是推荐系统的优秀范例。 1本文的工作得到教育部博士点基金的资助（项目编号：20040006023 ） - 1 - 推荐系统可以用来分析客户的消费偏好，向每个客户有针对性地推荐产品，帮助用户从 庞大的商品目录中挑选真正适合自己需要的商品。推荐系统在帮助了客户的同时也提高了顾 客对商务活动的满意度，从而促进了用户对网站的进一步支持。 一般来说，推荐系统在电子商务活动中的作用可以归纳为以下几点[3]： （1）帮助用户检索有用信息 已有明确购物目标的客户也许可以借助检索系统找到自己需要的东西，但对于大多数只 是四处逛逛看一看的冲浪者，或是对自己的需要比较模糊的购买者，很难有耐心在几十页长 的商品目录中逐项查找是否有自己感兴趣的东西，而推荐系统通过合适的推荐，可以将一个 浏览者变成购买者。 （2 ）促进销售 当用户结帐时，根据购物车中已有的东西进行推荐，如同一类型的打折 CD，可以有效 的促进交叉销售（加强以右的产品或服务）和向上销售（提供客户正追求的更好的商品或服 务） （3 ）个性化服务 一个成功的推荐系统实际为每个顾客建立了一个自己的商店，网站的内容根据每个客户 的特点进行调整。 （4 ）提高客户忠诚度 个性化的服务在商家与顾客之间建立起了一条牢固的纽带，顾客越多地使用推荐系统， 推荐系统可以更适合顾客的需要，将顾客更多地吸引到自己的网站。 推荐系统在电子商务中起着越来越重要的作用，对在其它领域的应用和实现有着十分重 要的借鉴意义，本文论述的即是关于银行产品的推荐系统建模，旨在参照电子商务中的推荐 技术，结合银行产品和客户的特点，进行相应推荐系统建模，为银行业务发展和客户服务起