人工智能驱动的分析：改变零售金融中的客户参与和营销：作者：Vinothkumar Kolluru

金融服务行业当前的趋势是使用人工智能技术来增强所提供的服务。行业内的竞争迫使公司在将重点从传统战略转向现代战略的同时，寻求更有效的营销策略，同时保持良好的客户关系。随着创新改善网络参与度和客户定位，对人工智能技术的投资可增强整体客户体验。这些策略改变了归因多点触控分析 (MTA) 和市场组合建模 (MMM)。本文通过最新研究和现实生活情况及其对未来的影响来探讨人工智能技术的这些应用。

人工智能驱动的客户细分：超细分策略
人工智能的发展改变了零售金融中的客户细分，因为人口统计信息和交易历史记录被实时集成到一个模型中。我们现在不再仅仅关注这些人工智能工具可以产生的少数动机和需求，而是有机会执行算法分割，它可以分析人类难以理解的行为模式。

根据 Maree 和 Omlin (2021) 的说法，可以跟踪客户在一段时间内的行为，并可以使用循环神经网络 (RNN) 创建客户的微细分。 Maree 和 Omlin 表示，他们通过对购买行为模式进行极其精细的修改来识别特定的客户群，这是更高级的客户定位（Thiel 和 Raaij (2017) 的工作，他们对金融行业的机器人助手进行了心理细分。他们提出了令人信服的论点，强调“金融素养”和“刚性性格”是至关重要的心理特征，使他们能够提供各种形式的可行的财务建议（对于这些人工智能增强的微细分方法，交易额大幅增加，而客户满意度也大幅提高）例如，如果银行向他们认为厌恶风险的客户提供个性化的投资计划，他们也可能向被归类为过度活跃的客户提供积极的营销活动。 营销研究表明，提高目标精准度可以提高参与度和真实度。品牌忠诚度（

增强客户获取：人工智能驱动的点击流分析

在电子银行领域，网站消费者的参与程度极大地影响着企业的生存或倒闭。如果网络分析要增加价值并有意义，那么拥有网络点击流数据至关重要，在这种情况下，人工智能会进行一系列用户交互，并使用长短期记忆 (LSTM) 来解释告诉您的一组活动导致完成或放弃任务的操作组合。

卡迈克尔等人的一项研究。 (2018) 发现，使用点击流来细分零售银行会员可以提高转化率，并建议提高 15-20%。通过点击流模式，银行已经确定了用户倾向于放弃任务的旅程中的关键接触点，因此修改了他们显示的界面类型以缓解这一问题 (https://www.semanticscholar.org/paper/Data-消费者驱动细分%27-Carmichael-Chen 购买/479fb75bd22b6aeee3475ecae31aea2e986441f3)
对于可能的演变的另一种观点是基于意图的点击流模型与社交网络和外部广告的统一。举个例子，一个人在购买投资服务之前，会上网阅读资料，以增加对投资的了解。引入评分系统将鼓励用户返回网站，从而提高平均保留率。

多点触控归因 (MTA)：有效的渠道归因指标
在多点触控归因中，重点是他们在营销组合中执行的每项客户活动的整个营销生态系统。例如，用户出现在社交媒体上或直接访问公司的网站。 AI已经开始致力于跨渠道交互问题，比如MTA。随着人工智能在 XGBoost 等机器学习技术上的进步，这种情况应该会变得更好，XGBoost 会在决定是否发生销售或转化时查看所有接触点的“非线性”效应。

根据瓦尼等人的说法。 (2023)，由于 AI-MTA，银行归因得到了增强，银行渠道归因增加到了 50%，为银行了解每个渠道为转化客户增加的价值铺平了道路。该研究展示了营销人员如何利用机会主义人工智能来瞄准关键渠道并有效利用预算（相比之下，基于人工智能模型的多点触控归因描绘了对该主题的更具革命性的理解。通过使用人工智能，可以调整预算例如，如果人工智能检测到公司移动应用程序的用户数量增加，则必须增加该应用程序的广告分配。

市场组合建模（MMM）：基于人工智能的广告优化

有些人可能会认为，市场组合模型（MMM）被认为是衡量相关市场产出的最有效方法。但目前，在AI的帮助下，MMM不再被动。使管理者能够实时评估营销支出的营销效果；因此，他们不仅关注广告创意方面的支出回报，还关注季节性、当时的经济甚至竞争行为等外部影响。

侯赛因等人。 (2022) 在他们的研究中表明，使用基于人工智能的 MMM 的金融营销人员可以将预算效率提高高达 50%。该研究使用机器学习技术来估计广告的潜在支出，允许银行在市场趋势的影响下花费越来越多的资金（预计未来基于人工智能的 MMM 模型将应用强化学习算法来实现更复杂的预算支出优化。这意味着营销团队将能够根据客户情绪的变化或当前的市场状况来更新支出，因此，营销团队将始终如一地将资源分配给最有前途的渠道。

案例研究：人工智能增强 P2P 借贷市场细分
人工智能发展改变印度金融服务的第二个领域是点对点借贷市场。 Anil 和 Misra（2022）的一项研究建设性案例涵盖了印度总共六家获得许可的 NBFC P2P 贷款机构。他们展示了人工智能增强的客户细分如何改变他们的运营和营销绩效。这些 P2P 贷款机构采用机器学习技术来分析借款人的行为，可以塑造借款人的复杂档案，从而提高贷款的针对性并最大限度地减少违约机会。

该案例研究表明，人工智能不仅可以让贷方更准确地评估贷款时所承担的风险，还可以帮助他们更准确地关注客户。这些 P2P 贷款机构还可以根据借款人的具体需求和财务行为进行定制，从而节省贷款生产，从而加强与借款人的关系并提高保留率。因此，这些P2P贷款机构可以为信用风险评估良好的借款人设定有竞争力的利率，并将风险规避程度较低的借款人转换为小额贷款。

未来方向：情感人工智能和量子计算的重要性

随着零售金融领域特有的分析工具的发展，可能会出现一些趋势，从而增加其机会：

1. 量子计算： 人工智能驱动的量子驱动计算模型有可能通过消除大数据集处理问题来彻底改变人工智能的分析方面。 人工智能和量子的结合通过纳米分割为营销带来了无限的可能性，从而可以利用全球实时数据来进行营销。

2. 增强型AI和情感AI： AI情感为我们提供了无限的机会。想象一下人工智能的能力，它能够分析客户的语气和生理反映的情绪程度。这将使系统能够确定单个客户在特定交互期间的感受。通过这种方式，我们可以致力于动态地为客户提供服务。例如，如果客户在抵押贷款申请过程中遇到挫折，我们可以自动让他们参与其中。

3.XAI： 由于围绕从人工智能中获取见解的法规不断增加，“XAI”一词可能会越来越受欢迎。 XAI 为银行提供了一种限制风险并解释人工智能在工作中使用的方法。 这对于金融业来说至关重要，因为银行业非常注重遵守法规，而且不具备所需的透明度。如果某个特定细分市场是营销活动的重点，XAI 需要回答这个问题。

基于人工智能的分析解决方案的使用可以帮助从根本上改变金融零售领域所遵守的传统法规，该法规旨在在正确的时间向正确的客户提供正确的信息，这意味着更多的接触、高效的成本管理和创收管理。借助客户分层和定位、点击流分析、多点触控归因或营销组合建模等方法，公司可以深入了解消费者并快速匹配他们的行为模式。量子计算和情感人工智能只是零售金融战略营销消费者个性化、高效形式的人机交互的几个未来方向和创新之一。另一方面，今天进行此类投资的金融公司明天将主导全球市场。技术将永久弥合客户之间的差距，使他们比以往任何时候都更接近，并为未来的数字机会铺平道路。

参考：
Maree, C. 和 Omlin, C. (2021)。利用递归神经网络发现新的客户特征，实现基于个性的金融服务。 ArXiv

Thiel，DV 和 Raaij，WFV (2017)。该研究的重点是通过开发金融咨询机器人的心理细分模型来瞄准机器人咨询客户。金融转型杂志，88-101。

Hossain, MA、Akter, S.、Yanamandram, V. 和 Gunasekaran, A. (2022)。在零售业运用人工智能支持的客户分析能力。全球信息管理杂志。

阿尼尔，K. 和米斯拉，A. (2022)。文章《印度点对点借贷中的人工智能：跨案例分析》于 2022 年发表在《国际新兴市场杂志》上。

Wani, A.、Priyanka, M. 和 Prasath, R. (2023)。释放客户洞察：通过机器学习进行细分。 2023 年世界通信与计算大会 (WCONF)，第 1-5 页

Kumar, V.、Rajan, B. 和 Lecinski, J. (2019)。了解人工智能在个性化参与营销中的作用。 《加州管理评论》，61(4)。

Carmichael, GB、Chen, Y. 和 Luo, C. (2018)。数据驱动的零售行业消费者购买行为细分。 2018年第四届国际信息管理会议（ICIM）。