Hübriidsed soovitused finantsasutuse jaoks

Nimi
Ivan Slobozhan
Kokkuvõte
Ettevõtted kasutavad sageli soovituste süsteeme, et suunata kliente individuaalsetele pakkumistele. See omakorda aitab suurendada turunduskampaaniate tulusid ja parendada klientide kogemust. Soovituste süsteeme kasutatakse tavaliselt e-kaubanduse saitidel (Amazon, E-Bay) ja meelelahutusplatvormidel (Spotify, Youtube). Siiski ei ole nende kasutamist finantssektoris veel põhjalikult uuritud.
Selles väitekirjas pakume ja hindame hübriidsete soovituslike süsteemide algoritmi, et genereerida isikupärastatud pakkumisi panga klientidele. Soovituste süsteemi algoritm kasutab kaudset teavet klientide tehingute kohta erinevate ettevõtetega, et soovitada teisi ettevõtteid, mida kliendid viimasel ajal pole külastanud, kuid võiksid lähimas tulevikus seda teha.
Algoritm näib olevat piisavalt tugev, et külmkäivitusprobleemi ületada, mis meie puhul on klientide vähene tehinguajalugu. Algoritmi hinnati tegelike andmekogumite (kliendi tehingud) abil, mida pakub Põhja Euroopa pank. Võrreldes juhusliku soovitusmudeliga, mida pank praegu oma turunduskampaaniate jaoks kasutab, on meie soovitusalgoritmil maksimaalne tõusupiirang juhusliku suunamise korral 416 ja minimaalse korral 55, mis näitab meie lähenemise efektiivsust.
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Informaatika
Juhendaja(d)
Rajesh Sharma
Kaitsmise aasta
2018
 
PDF