银行借助纵向联邦学习 集中化进行长尾客群的精准营销
易观数字化：银行受限于有限的营销资源，导致缺少对长尾客群的精细化运营，而纵向联邦学习是面向长尾客群精准营销的有效手段之一，但在应用时需同步考虑系统层级的挑战。
银行的长尾客户占比80%以上。但受限于有限的营销资源和客户经理，银行日常的精准营销活动更多覆盖头部客户，一方面缺乏对长尾客户中高净值客户的挖掘，另一方面缺乏对长尾客户的精细化运营。
纵向联邦学习本质是特征的联合，是一种适用于用户重叠多，但特征重叠少的分布式机器学习方法。对于银行来说，纵向联邦学习是面向长尾客群精准营销的有效手段，但也需要关注系统层级的挑战。
纵向联邦学习丰富银行用户标签集中化挖掘长尾客群价值
银行零售业务的核心趋势是将金融服务无缝衔接进不同用户的主要生活场景，实现“银行即服务”（BAAS）。其中主要手段就是借助数据技术来进行集中化、智能化的客群经营，利用有限的营销和人力资源，最大效率的挖掘长尾客户的价值。这对银行用户标签系统的精准度和丰富度都提出了较高的要求。而用户标签的精准度和丰富度都有赖于多源数据的引入，银行可以通过纵向联邦学习与支付机构、运营商、互联网机构等外部场景平台联合建模，通过有效的补充特征可以增加更多的用户标签并提高标签的实时性和准确性。
易观分析认为，对于有大量基础零售客户群的商业银行，应用纵向联邦学习共建的用户标签系统可以帮助银行逐步构建长尾客户的分层营销体系。银行可以基于客户台账、银行的客户关系管理系统来梳理客户的日常消费习惯和消费偏好，借助行为定向、地域定向、内容定向、产品定向等方法识别客户，进而优化用户画像并制定个性化的推荐策略，并基于用户分层的结果和用户偏好标签，在面向内容、时间、触达方式等多维度营销方式上，提升银行对海量长尾客户的个性化营销服务深度。
同时，银行可以利用纵向联邦技术与保险公司、基金公司等联合建模，了解本行长尾客户的跨行消费行为、资金流动性等外部财富能力特征，实现对本行优质高潜客户的挖掘。
因此，通过共建的实时用户标签系统发现高价值的客群，以及用精准营销的方式以最小的资源投入“促活”和“挽回”海量长尾客群是未来银行的重点。
系统架构层级面临的挑战
纵向联邦学习技术应用于用户标签系统，在系统架构层级主要有以下三类问题：
一是，纵向联邦学习是一种分布式的机器学习方法，但传统的智能推荐系统都是中心化的框架，因此，数据技术和营销中台会在系统层级方面存在通讯损耗、技术与业务架构融合等方面的挑战；
二是，银行在营销场景下是用纵向联邦学习，但在风控场景中是用横向联邦学习，银行内部在不同的业务场景中应用不同的联邦学习技术，会导致在银行内部逐渐形成平台壁垒；
三是，纵向联邦学习需要银行与外部场景平台进行多方协作，而不同平台之间的对接也面临技术兼容、数据合规、模式构建等方面挑战。
易观分析建议，现行体系架构的可扩展性和不同的隐私计算平台之间的跨接协议可以成为关键突破点。银行在部署前应当和合作方对架构进行充分沟通，尤其需将银行方关于应急灾备的安全需求予以重点考量，进而对技术架构和部署方案做相应调整。另一方面，银行可以从自身业务需要出发，和技术厂商共同制定标准化的技术框架和实施流程。
声明须知：易观数字化在本文中引用的第三方数据和其他信息均来源于公开渠道，易观数字化不对此承担任何责任。任何情况下，本文仅作为参考，不作为任何依据。本文著作权归发布者所有，未经易观数字化授权，严禁转载、引用或以任何方式使用易观数字化发布的任何内容。经授权后的任何媒体、网站或者个人使用时应原文引用并注明来源，且分析观点以易观数字化官方发布的内容为准，不得进行任何形式的删减、增添、拼接、演绎、歪曲等。因不当使用而引发的争议，易观数字化不承担因此产生的任何责任，并保留向相关责任主体进行责任追究的权利。
银行借助纵向联邦学习 集中化进行长尾客群的精准营销相关推荐
- 破解数据匮乏现状：纵向联邦学习场景下的逻辑回归（LR）
摘要:主要介绍了华为云可信智能计算服务(TICS)采用的纵向联邦逻辑回归(LR)方案. 本文分享自华为云社区<纵向联邦学习场景下的逻辑回归(LR)>,作者: 汽水要加冰. 海量训练数据是人 ...
- 最新最全论文合集——纵向联邦学习
AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权.平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价.专家发现. ...
- 【机器学习】横向联邦学习纵向联邦学习区别
文章目录 背景简介 横向联邦学习 纵向联邦学习 参考 背景简介 现实生活中,除了少数巨头公司能够满足,绝大多数企业都存在数据量少,数据质量差的问题,不足以支撑人工智能技术的实现:同时国内外监管环境也在 ...
- 纵向联邦学习及相关算法
二. 纵向联邦学习 简单一句话介绍:纵向联邦学习的参与方是用户群体相同,特征空间不同(比如同一地区的银行和电商平台) 纵向联邦学习步骤 对齐共同用户(不暴露各自数据) 加密模型训练 (1) C创建密钥 ...
- 谁都能看懂的纵向联邦学习（VFL）加密聚合算法的解释
场景说明 为便于分析,先考虑最简单的情形,现在有两个clients,client A和 client B,以及一个受信任的第三方client C(或者用server代替也可以).client A和 c ...
- 腾讯天衍实验室联合微众银行研发医疗联邦学习 AI利器让脑卒中预测准确率达80%
近几年,医疗行业正在经历一场数字化转型,这场基于大数据和AI技术的变革几乎改变了整个行业的方方面面,将"信息就是力量"这句箴言体现的淋漓尽致,人们对人工智能寄以厚望,希望它能真正深 ...
- 纵向联邦学习的挑战与展望
<联邦学习>(杨强等著)读书笔记 我们把在数据集上具有相同的样本空间.不同的特征空间的参与方所组成的联邦学习归类为纵向联邦学习,也可以理解为按特征划分的联邦学习. 出于不同的商业目的,不同 ...
- 3节点Fate集群实战记录 -- 纵向联邦学习
前一篇博客记录了3节点fate集群实现横向联邦学习的实践过程link,本篇接着记录纵向联邦学习的实践过程,其中有些简单步骤未详细列出,具体执行方法可以参考上篇博客. 纵向联邦的场景简单说就是A和B两数 ...
- 数据分析综述：联邦学习中的数据安全和隐私保护问题
©作者 | Doreen 01 联邦学习的背景知识 近年来,随着大量数据.更强的算力以及深度学习模型的出现,机器学习在各领域的应用中取得了较大的成功. 然而在实际操作中,为了使机器学习有更好的效果,人 ...
最新文章
- 【机器视觉案例】(8) AI视觉，手势控制电脑鼠标，附python完整代码
- anconda设置镜像源_三、DockerFile 定制属于自己的专属镜像
- ELK-elasticsearch-kibana-logstash 报错问题集锦
- C++day13 学习笔记
- python和CSV
- 定时器和for循环数组_59.for循环遍历数组、集合（含代码）
- 谷歌浏览器 官网下载离线安装包
- 监狱人员定位管理，提升智慧监狱信息化水平
- 怎么把ppt弄成链接的形式_ppt制作视频教程(就是把office powerpoint幻灯片转换成视频格式)...
- 自定义ViewGroup
- python自动上传百度网盘_树莓派使用百度云盘自动上传存储监控照片
- 第四章:分支结构程序设计
- 英语中的逻辑思维真奇妙
- 记录使用Elasticsearch报错：FORBIDDEN/12/index read-only / allow delete (api)]；]； nested exception is Elasti
- Educational Codeforces Round 117 (Rated for Div. 2)题解（A~D）
- 测风塔选址与代表性问题
- c语言private用法,深入理解C++中public、protected及private用法
- 创新虎仔音箱试玩报告
- php用360浏览器显示不正常,win10系统下360浏览器网页显示不正常的解决方法
- 分类聚类区别及聚类概述