发帖
雷达卡
关于存量客群的内容，我们推荐大家来学习两大内容，分别是：
①贷中客群营销
②客群智能系统推荐
一.贷中客群营销
在番茄风控历史的课程内容中，我们跟大家介绍了关于贷中营销的内容：比如营销策略上，最基本的营销方式有：短信营销、推送、ivr、人工客户，强度依次增加。
比如：对于某个客群，他在这两个体系中都有相对应的评分。如果两个评分都比较高了，那我就不去直接营销他。我先使用较低成本的短信营销评分去营销他，优先发送短信邀约他办理。观察具体的效果。
比如他出账了，也可以不去营销他，看他是否有办理某业务的动作。先发他两天短信。如果仍没有办理，那我再通过电销的方式，依次增大强度。
而这里的相关的营销方式，需要用AB test进行比对。那么在相关贷中策略中，究竟哪种营销策略对应着不同的客群会好一些呢？有没有好一点的营销策略可以直接参考呢？答案是有的。
另外是贷中策略中，我们还有涉及一个客群流失预警的内容，即什么样的客群是最容易流失的，应该如何开发这个流失模型？这里我们会用到衡量客群忠诚度分数的模型的内容：
[backcolor=rgba(18, 18, 18, 0.5)]
编辑
添加图片注释，不超过 140 字（可选）
关于这里贷中营销的内容，可以来关注番茄风控之前的训练营的内容：
《第一期的全线条训练营课程》
二.客群智能系统推荐
客群智能推荐，是本次内容中我们重点跟大家介绍的内容。
推荐系统的目标是挖掘用户的潜在兴趣，让用户更容易发现其所感兴趣的信息，并且使合适的信息能提供给需要的用户。
推荐系统的主要任务联系用户和信息，一方面帮助用户发现对自己 有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。
推荐系统跟我们平常所使用的搜索引擎也不一样。比如我们在互联网搜索东西，搜索系统是已经将带有一定的目标性的内容推送给用户的。
而和搜索引擎不同是，推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。因此，从某种意义上说，推荐系统和搜索引擎对于用户来说是两个互补的工具。搜索引擎满足了用户有明确目的时的主动查找需求，而推荐系统能够在用户没有明确目的的时候帮助他们发现感兴趣的新内容。
2.1.推荐系统的目标及现状
①信息过载（information overload）
②用户具备主动的信息过滤意识
③用户品味的个性化差异
④用户兴趣变化的及时捕捉
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
2.2.常用的推荐系统常用算法
①基于内容的推荐
②协同过滤
③基于模型推荐
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
【课程部分课件】
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
.....(部分内容预览，详见本周会员课程)
关于推荐系统的内容，本次我们还将跟大家分享奈飞（Netflix）推荐系统架构介绍：
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
更多详细内容，有兴趣的童鞋可关注：
[backcolor=rgba(18, 18, 18, 0.5)]
编辑切换为居中
添加图片注释，不超过 140 字（可选）
...
~原创文章
京公网安备 11010802022788号
