透過機器學習尋找最佳客戶

Seacoast Bank 運用 SAS^® Viya^® 上的 AI 和 SAS^® Visual Analytics提高客戶價值

隨著銀行服務轉向線上，銀行必須清楚了解其最忠實客戶，並回答以下問題：客戶的終身價值為何？是什麼推動了這樣的獲利能力？增加該價值的最佳機會為何？

銀行身為金融中介機構，擁有大量客戶資料。而其挑戰就在於，如何利用這些資料來了解客戶價值，進而找到服務、留住和獲取客戶的更好辦法。

Seacoast Bank 擁有大量客戶資料，其找上SAS 支援以深入了解客戶需求。第一步：整理來自不同來源的資料，使其一致、可信賴而變得有用。接下來，Seacoast 使用機器學習更深入了解其客戶，並利用 SAS Viya 上的 SAS 視覺化分析，讓員工能輕鬆取得這些洞察。

機器學習讓大規模個人化成真

透過進階分析改善客戶體驗，是現代銀行保持競爭力的必要條件。Seacoast 因其專屬的客戶分析平台，得以表現出色，該平台由 SAS 建置，可用於挖掘與客戶有關的多元目的洞察。

在將分析資料匯總並納入情境考量後，Seacoast 使用 SAS ^® Enterprise Miner™ 建立起客戶生命週期價值 (CLTV) 模型，該模型可查看每個客戶，評估客戶價值，並說明他們為何有價值。計算 CLTV 非常重要，這能預估客戶潛力，以及銀行應該投資多少來接觸和服務客戶，藉以取得最高的投資報酬率。

Seacoast 行銷長 Jeff Lee 表示：「由於我們更清楚哪些客戶群體會帶來價值，我們得以微調客戶應對策略和獲客的力道，藉此取得非常高的投資報酬。」

使用 CLTV 模型後，Seacoast 還加入預測模型並應用機器學習來解決特定的業務問題，例如大規模的個人化。憑藉SAS 之力，Seacoast 能根據每個客戶的偏好和交易紀錄，向他們各自進行銷售。

「如果沒有 SAS，我們真的無法完成目前的任務。」Lee 如是說。

客戶分析平台讓效率和獲利能力方面都獲得改善。隨著客戶洞察在整個組織中流通，行銷人員得以自動化行銷活動，前線員工可以加強銀行與最有價值客戶的關係，而商業銀行業者則能查看其個人化的檔案，並使用互動式儀表板追蹤成效。

由 SAS Viya 提供的即時洞察

以前，如果 Seacoast 的員工想要獲得更多客戶相關資訊，他們必須為每項查詢提出服務申請。「你得要提出申請，然後等待回覆，」Seacoast 的分析長 Robert Stillwell 表示。「這些不是依隨選所需，所以你無法和資料互動，也無法探索以尋找機會。」

現在，Seacoast 不再等待 IT 部門建立試算表，而是讓合適的員工取用並視覺化資料以建立洞察。SAS Viya 上的 SAS 視覺化分析會顯示來自客戶分析平台的資料，在受控管的隨選架構中提供資訊，因此業務部門的領導者能隨心所欲地運用這些洞察，也能信任他們的資料。而由於速度和運算能力是關鍵任務，故 Seacoast 藉由 SAS Viya 的 in-memory 功能來加快運算與探索。

「以前，我們只能看到一年的趨勢，因為我們無法對系統提供足夠的資料。」Stillwell 說。「但有了 SAS Viya，現在我們能夠看到四年的趨勢，這對我們來說非常重要。」

Seacoast 還受惠於更快的處理速度。「以前我們的流程非常繁重，以至於計算每月所需的內容幾乎需要花一整天的時間，」Stillwell 說到。「SAS Viya 的平行處理能讓我們更快取得資訊。」

銀行開始擁抱AI

自投資 SAS 以來，每位客戶的風險調整後收益(RAR)成長了 30%，而自動化行銷活動的投資報酬率則高達三位數。如此驚人的成效，促使銀行考慮擴展其數據分析運用，以透過其他方式增進客戶體驗。

Lee 第一個想到的是人工智慧，他表示銀行越來越需要服務提升技術，以滿足想要更好、更快、更便宜以及全天候服務的消費者。

「想想關於透過聊天室、電話和網路進行的互動，這些都很適合使用人工智慧，」Lee 說到。「AI 能完美契合我們業務中許多的使用情境。現在我們的資料井然有序，我們在機器學習方面日趨成熟，人工智慧將成為我們未來業務營運方式的重要組成。」