来源 ｜ 2023鑫智奖第四届中小金融机构数智化转型优秀案例评选
一、项目背景及目标
当今，个性化推荐越来越多被应用到各种领域，银行作为提供各种金融产品和服务的金融机构，应用该项技术可助其更好地为客户提供差异化金融服务。此前中原银行已实现千人千面的产品推荐服务，然而传统的推荐系统大多采用诸如LR、GBDT、神经网络、协同过滤等算法，该类算法受限于表达能力不足，对客户与商品的二度以上交互信息捕获能力偏弱，同时算法本身也难以解决头部效应过于集聚的问题，泛化性不足，使得银行产品推荐结构趋向同质性，对于银行的流动性风险控制较为不利。
为提升客户产品推荐服务体验，改善客户产品购买集中化趋势，帮助客户了解到更多更匹配其理财需求的产品，总行数智金融创新实验室在传统推荐系统的基础上，引入了GCN图卷积算法，提炼出高阶用户-产品交互信息，提升产品推荐匹配度与转化率。
二、创新点
为提升模型的特征表达能力和泛化能力，本项目采用业内较为前沿的图卷积神经网络算法对用户产品交互数据进行建模，学习潜在的用户-产品高阶特征，同时捕捉用户产品间的多度关系和网状结构提升表达能力，之后输出高阶特征向量，再通过计算特征相似度对目标用户进行个性化推荐，大大推荐精准性和泛化能力。
对于大量从未购买过产品的长尾客户，采用基于用户相似度的CF算法为其推荐产品提升其理财收益，促进长尾客群转化。
总结项目创新点，主要包含以下三点：
1.图卷积算法能够捕捉到用户产品多度关系和网状结构，使推荐结果更精准。
2.本项目通过模型学习到用户与产品的高阶关联特征，发现了客户对于产品的深层次需求，既提升了推荐的多样性，缓解传统推荐系统的马太效应，同时也提升了模型泛化能力。
3.融合内容推荐算法，解决冷启动问题，能够对未购买过产品，提取不到用户与产品交互信息的新客户进行个性化推荐。
三、项目技术方案
1.客户分群
图1：整体算法框架概览
如图1所示，针对行内客户，根据其是否有历史购买行为划分为两大类客户，每类客户分别构建不同模型进行Top K产品推荐。
2.推荐模型算法实现
算法细节实现如图2所示，使用图卷积模型为历史购买产品客户生成推荐结果，使用画像相似度匹配模型为未购买产品客户生成推荐结果。
图2：推荐模型细节图
①图卷积模型
具体地，对已购买过产品的用户进行推荐，其购买或点击行为含有大量的用户-产品交互信息，构建高阶连通图训练图卷积模型，学习潜在的特征，对用户和产品向量化，并基于用户-产品向量做内积可以得到用户对产品的推荐得分。
其体系结构如图3所示，首先构建嵌入层，对所有用户和产品进行向量初始化；然后构建传播层，沿图结构捕获协同过滤信号，通过用户-产品的高阶连接关系不断优化嵌入层；之后构建整合层，对传播层经过拉普拉斯平滑学习到的历史交互信息进行聚合；最后构建预测层，对整合层聚合的用户-产品向量做内积，输出用户-产品对的亲和性得分，将得分进行排序，取得分靠前的前三款产品给客户推荐。
图3： 图卷积结构图
②画像相似度匹配模型
对未持有产品的用户进行推荐，通过AUM规模对客群进行细分，比如提取AUM在5万以上的未持有产品的用户和已持有产品的用户，将基本信息、资产负债和交易行为等数据作为特征，计算两部分用户的余弦相似度，得到余弦相似度矩阵，找到行为相似的用户，根据相似度对已持有产品用户的产品矩阵进行加权求和，根据得分推荐前三款产品。
3.线索下发
图4： 推荐结果下发
最终合并两大类客群推荐结果，通过行内大数据用例闭环营销提下发线索，线索推送至客户手机银行APP，并采集用户在线索触达后的购买交互数据评估推荐效果。如图4推荐业务流程所示。
四、项目过程管理
五、运营情况
项目已成功应用于行内大数据用例，对圈定的客户群体每周下发一次推荐结果，通过手机银行push端下发给客户，目前正处于试点阶段，试运行四周以来已累积服务近60万客户，产生AUM增量约4000万，目前持续迭代中。
六、项目成效
推荐系统性能指标recall@3从0.1755提升至0.3421，ndcg@3从0.1408提升至0.3736，测试数据用例产品销量提升65%，如推广至其他大数据用例将会带来更多提升，客户产品购买结构明显改善，产品购买集中度有所下降，多样化增强，客户体验提升。
七、经验总结
1.推荐是否精准在于是否深入理解用户，图算法能够捕捉用户的多度关系，提升推荐效果。
2.个性化提升在于细粒度区分用户，可在用户侧和产品侧同步施力。
3.更多地采用泛化性较强地算法，对于产品购买结构的改善和整体产品生态构建具有促进作用。
4.可结合全行级产品管理平台，实现实时推荐，推荐结果覆盖手机银行、CRM、微信银行等渠道。
版权声明及安全提醒：本文转自网络平台，文章仅代表作者观点，不代表「金融文库」立场。相关版权归原作者所有，「金融文库」仅提供免费交流与学习，相关内容与材料请勿用于商业。我们感谢每一位原创作者的辛苦付出与创作，如本转载内容涉及版权及侵权问题，请及时联系我们客服处理（微信号：JRwenku8），谢谢！
