指尖上的发现精彩APP:由便利而生,读懂你的个性化

雷锋网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

啤酒和尿布,为什么会同时出现在一个购物筐里?

20世纪80年代,有位超市人员发现很多人会同时购买啤酒和尿布,后来分析原因得知,原来是女性需要在家照顾孩子,就让丈夫去买尿布。当然,丈夫买尿布的同时不忘给自己买瓶啤酒。随后,超市人员将啤酒和尿布摆放在了同一货架上,这两种商品的销售量都明显上升。

这个故事被誉为市场营销学的一个经典案例,也告诉我们数据背后所蕴含着很多不那么显而易见的规律。

于是,找出“购买A商品的用户都在购买B商品”这种规律,并在用户浏览A商品时直接为其展示B商品,放在任何一个提供个性化推荐系统团队这里,便成了其核心目标。

从“千人一面”到“千人千面”

即便是在手机银行广泛应用的当下,银行APP们对用户需求的探索丝毫没有懈怠。

这个判断背后的一个依据是:全国18家头部商业银行就已经开发了超过170款APP。不过从目前来看,银行开发了如此众多的APP,却并不能长期占用用户在移动端的停留时间。

在广发卡发现精彩APP负责人朱小凡看来,“银行APP属于基础类财务工具,如果跟社交、游戏类APP相比,活跃度肯定比不上。但放在同类银行APP里,有没有提前做好用户生活场景的布局,有没有做足够的投入,决定了银行APP上用户的活跃度和使用时长。”

相比过去,银行只负责发卡、信贷、理财等纯金融场景的服务,针对不同客群提供不同的权益,而如今,如果银行还是单纯只做这些,用户根本感受不到个性化体验,更妄论用户黏性和满意度的改善。

而这种“千人一面”的特征同样也反映在早期银行APP的设计上。例如,运营人员会依靠业务知识进行手工配置,如根据商品的点击、转化、订单数据等进行手动排序。当商品单元较少时,人工运营不算繁重,但随着平台上商品的不断入驻,人工推荐的弊端就变得十分明显。

要知道,移动互联网浪潮的带动下,移动端的用户、消费习惯、场景都在发生改变,银行APP的产品逻辑和商业模式需要适时迎合用户需求的变化。这时候,基于用户行为、搜索数据、商品属性等特征提供的个性化推荐得到了银行APP的欢迎。

据了解,国内众多银行APP上应用了个性化推荐算法的并不多,较早的像招商银行“掌上生活”和交通银行的“买单吧”实际上也在不断摸索中。

指尖上的发现精彩APP:由便利而生,读懂你的个性化

作为发行国内第一张真正意义信用卡的老牌股份制银行——广发银行,一直走在时代的前沿,不断利用新技术为用户提供更优质的服务。2018年初,广发银行卡中心开始组建ABC项目群(A-Artificial Intelligence,B-Big Data,C-Cloud Computing),通过在项目规划和实施实战中不断沉淀,构建了多层次的金融科技人才体系。广发银行信用卡官方APP——“发现精彩”正是ABC项目群的重点支撑场景之一,主要致力于应用数据智能技术为用户提供千人千面的专属服务和个性化体验,并于2019年11月底升级上线“发现精彩4.0”。

如今,该APP平台集合了移动支付、分期理财、饭票商城、趣味游戏、内容广场等入口,连接近4500万用户,这些用户每天产生着大量与生活服务相关的数据。在全民抗疫期间,不少银行网点无法正常营业,使得用户更加依赖APP的使用。

广发卡发现精彩APP团队是如何从这些数据中提炼有价值的信息同时,进一步提升人们生活的便利性呢?

绑住用户从“喜欢”开始

相比于人工推荐,基于算法的个性化推荐,在发现精彩APP上的多个板块中应用性非常强,目前已在饭票、商城、小发播报等场景中验证了其有效性。如今,平台上在构建的用户标签维度已经高达3000多个,如年龄、性别、籍贯、星座等基本资料外,也包括很多用户行为和特征如注册时间、绑卡情况、消费情况。

2018年12月,发现精彩APP首款推荐模型——饭票实时模型上线。

发现精彩APP项目组的产品带头人彭建丹向我们解释, 发现精彩APP一开始就构建了矩阵化的业务推荐模型目标,多场景多业务应用推荐系统,为此在智能化的探索上花了很多的心思。 大概在2017年就开始规划,到2018年初,团队敲定模型需求,选定饭票作为第一个试水场景。

“先从饭票这个场景入手,在于饭票是基于地理位置进行推荐的,带有很强的个性化推荐属性。”

谈起来这段经历,彭建丹颇为感慨,“推荐系统最早起源于1995年,2012年头条系的产品重点使用推荐系统构建信息流推荐,但推荐系统并不是一开始就在所有互联网公司的APP全面开花的。即使像阿里、腾讯等互联网公司的一些重点APP,大力构建推荐系统也是从2017年开始的。也就是说,在2018年,推荐系统对于银行来讲,也是个新事物,我们也是经历了从0到1的全过程。”

难就难在0这个上面。在冷启动阶段,缺乏对前台业务的有效埋点,团队根本无法追踪到用户在使用APP时的行为。“这也是为什么最初我们先对数据埋点进行改造,花了近三个月时间养数据。”

当时除了风险部门,广发信用卡中心还没有实时的建模团队,需要依赖第三方公司。但与第三方建模团队合作,就需要对不同银行的业务单元熟悉磨合。饭票推荐模型作为第一个试水模型,上线后不断打磨,逐步优化推荐策略,才最终调整为现在的点击率。

彭建丹向我们展示了模型推荐的全流程,“本质上讲,推荐的过程,就是根据不同的用户偏好,对物品进行排序,然后择优推荐。”

给用户做出推荐响应的过程可分为:召回、初排、精排三步。召回,即从十万以上内容池中快速初筛出候选集;初排,即根据点击率预估给候选集初步排序;精排,即根据需要调整排序。

指尖上的发现精彩APP:由便利而生,读懂你的个性化  

图注:打开发现精彩APP首页-饭票-推荐位置上,能看到APP根据用户日常行为偏好,将适合的商品优先筛选推荐给用户。

值得一提的是,饭票主要做了协同过滤召回和基于地理位置的召回,也就是说,我们现在能看到的饭票个性化推荐页面,主要是基于用户行为轨迹及商品地理位置的推荐。

重新定义客户价值

然而,用户搜索的方式非常多样,搜索场景也非常细分和丰富,并且对接业务种类多,流量差异大,单单在商城和饭票这两个入口上就有着比较多的差异点。为了解决这些挑战,近些年项目组与其他部门及合作伙伴也在不断磨合。

彭建丹还指出,除了与第三方共建模型,团队也尝试了自建模型,两种方式相辅相成。“自建模型可以加深我们对技术的理解,加强自身的技术沉淀,这让我们对自己的模型有更多可控性。”

2019年9月,商城相似商品推荐模型上线,主要部署在商品详情页看了又看、商城首页猜你喜欢两个个位置上。该款推荐模型实用、高效,适用性强,可以在多个场景复用。据统计,该模型推荐较人工推荐有15%的点击率提升。

指尖上的发现精彩APP:由便利而生,读懂你的个性化  

尝到“甜头”的项目组开始意识到,将APP上现有业务数据化、关键业务数据要素建模只是治了表象,更重要的是对APP上的推荐架构进行持续、整体性的升级。

究竟该如何做呢?

兵马未动,粮草先行。发现精彩APP项目组其实早有筹谋。

早在2018年6月,饭票、商城推荐模型上线之前,项目组就尝试构建了“分群”功能,如今基本覆盖了APP上还款、分期、商城、饭票、理财、生活增值、星级功能、无卡付、商旅、保险等核心业务场景。

指尖上的发现精彩APP:由便利而生,读懂你的个性化  

彭建丹指出,“分群”其实也是一种规则性“千人千面”手段,即对不同类型的用户进行分群,其使用界面推荐的内容会有所区别。目前主要依据两个维度:一是用户属性,如是否为他行卡用户、持卡等级等;二是用户行为,如是否有分期需要等。

“后来出现的推荐模式其实是由‘分群’演进而来,以构建用户画像,产品画像为依托,可以说,一个用户就是一个群。”

在此期间,团队还推动了数据从每天更新到分钟级更新,并对广发卡饭票、商城、分期、保险等不同业务场景中积累的数据进行整合,加强对数据时效性和丰富性上的改造。

从用户角度来讲,训练好的规则机制可根据这些数据,充分理解每个用户的商品/消费需求,更快更精准地推荐给用户。

以饭票推荐为例,饭票推荐的商户比人工规则推荐的更加准确。首先,模型推荐较人工推荐在CTR上有40%的提升;其次,模型推荐的购买转化率略高于人工推荐。“目前,饭票全部用户月度人均消费金额为100元左右。由于效果达到了预期,我们接下来会把推荐的三个结果扩展到推荐整个饭票列表,扩大服务范围。”

而对平台上入驻的商家来讲,则能够对每个商品维护详情页的推荐进行精准化配置。

某商家向发现精彩APP团队反馈,“以前给每个商品维护详情页内的推荐,在上架商品较多的情况下是个累活。我们一般只给重点商品配置看了又看的关联推荐,因为人手不够。现在有了推荐模型,在减少机械式人力成本的同时,算法比我们还懂得用户,现在详情页内的流量关联流量有了60%以上的增长。”

可以看到,基于对“推荐”功能的长期打磨和理解,以及对平台各个场景中数据的改造,除了让APP上各项用户点击量有大幅提升外,更重要的是,广发银行信用卡中心对用户价值的洞察,从群体逐步转变了为对个体的关注。

还能带来什么?

如今,因受到金融大环境的波动及国家金融强监管政策的影响,银行业正迎来金融科技多元化赋能的机遇期。无论是哪家银行,都已将数字化转型、数据中台如何建设的问题摆在了首要位置,而银行也从传统的业务驱动进化到了用户价值驱动的金融科技阶段。

一直以来,为降低经营成本并提高客户满意度,广发银行信用卡中心做了很多努力和尝试,从最开始发布one卡、搭建个性化的权益平台等,到如今,发现精彩APP也在快速迭代升级中。

在接下来的2020年里,发现精彩APP 5.0又会有怎样的“精彩”等待用户来发现呢?

朱小凡指出了APP两步走的路线:一是继续推动APP智能化,如搜索、推荐、客服等方面的技术进程;二是针对场景进一步升级。每家银行都有着属于自身的业务特征,尽管一款银行APP上可能网罗了各个场景,但银行势必会结合自身的业务优势发力。

正如推荐算法首先在Netflix、Amazon等互联网产品上落地,便很快蔓延开来,个性化推荐基于对用户行为的推测,首先满足了用户需求,同时也让互联网公司找到了客户获取、激发活跃、提高留存的新型商业模式。银行APP也不应该只是原来网上银行或是网点柜面的复制品,将会从用户的视角看产品,把用户的金融信贷及生活习惯保留在APP上的同时,以新的技术和场景运营方式重塑这个平台。

而一切都是刚刚开始。

(雷锋网 (公众号:雷锋网)

随意打赏

提交建议
微信扫一扫,分享给好友吧。