大数据驱动数字化运营

1、大数据驱动数字化运营北京上海深圳 香港新加坡目I在中国北京、上海、深圳、香港4个城市，及新加坡设立了分公司第四范式是领先的人工智能技A与服务提供商、数据科 v驱动行业应用的F新者。基于机器学4v术及行业应 用经验，能够对数据进行更加精确的挖掘与预测，揭示 出数据背后隐藏的海量规E，帮助企业实现智能变革， 提升运营效率。第四范式在AutoML、M移学习等技A领域的探索及实 L具有国际前瞻性，自主研发了世界上首个低门槛、端 到端的 Io台“第四范式A知 ，极大地y动人工智能 在不同行业的规模化应用。企 业 愿 景 实 现 I For Everyone:降低人工智能的门槛，使所有企业与客户都能享受人

2、工 智能带来的红利。企业文化 e正出奇:以为顾客F造价值为目标，突破r维定式，不固en规。坚持e正出奇实 现 I For Everyone第四范式简介丰富的AI落地场景案例AI媒体AI金融AI零售AI能源AI安防AI医+NLP词库语法规则模型物体识别肢体识别强化学习机器学习模型知识表示本体论方法语义理解实体消歧 实体识别机器学习逻辑网络推理逻辑推理贝叶斯推理计算机视觉非结构化 转结构化机器学习是人工智能领域最核心的底层技术人机智能交互、自然语言处理、计算机视觉、机器人和知识推理等应用领域技术都依赖千机器学习技术的底层支持硬件传感器人机智能交互图形学对话系统数据库知识图谱过程控制传感器机器人学机

3、器人硬件强化学习三维成像 摄像头硬件计算加速深度学习机器学习是目前实现人工智能应用的核心技术AI：抓(长尾A据的价值AI技1：99俱)全样本集充分开1日益丰富的大A据吸收、融合不同来源的A据微观级的事物描述(1091012)BI(2：抓大0小对样本进行抽样仅)用最具0分度的统计信息 无I吸收低饱和、噪音A据 规则A量有限(101000)战略制定策略制定策略执行A lF O RE V E R Y O N E01支行I户经理用31手段维VI户02市A部如4决定商品O告投放渠遣03保险销售如40I户Y荐保险04超市门店如4准确F排商品库E大多数线决策行0将由2工智能完R机器对数据 统计分析I 理解N

4、做出 业务决策AI如何与未来企业传统客户触达有意愿的用户无意愿的用户人工智能客户触达以用户营销为例，人工智能技术利用海量数据与长尾特征，更精准地实现对个体行为的洞察， 可以实现千人千面的营销触达。人工智能技术在零售行业应用广泛，本质是利用海量 数据与长尾特征，自动地实现对细微规律的洞察，更 精准、更快速地对业务目标提供决策第四范式将人工智能技术融入零售行业的业务流程中， 可提供全方位解决方案运营销售规划精准营销客户管理门店销量预测个性化推荐客户画像SKU销量预测产品精准营销流失预警智能定价优惠券精准发放睡眠客户激活15%机器学习模型1/51/61/71/81/91/101/111/121/13

5、1/141/151/161/171/181/191/201/211/221/231/241/251/261/271/281/291/301/312/12/22/3历史同比以2016年2月7日（除夕）对齐37同0误4机5学1下62误4真/89额机5学16237同0（农3对齐）机器学习模型在销售额大幅波动的春节期间仍能较好进行销售额预测，其平 均误差为18%，相比取历史同比销售额预测方式的33%误差值，提升45%相对误差平均值18%相对误差平均值33%业务目标为全国范围内的门店进行日销量预测，为门店的库存规划提供决策指导。录佳专家经验24%全局预测误差提升37.5%应用现有运营数据，建立了6700

6、0维的机器学习模 型，将每个门店销售额预测的误差控制在15%，并 在销售额大幅波动的春节月份实现了相较专家45以上的提升。某大型连锁超市案例 门店销售量预测Distance子区域ID(按实际销量排序)销售量利用机器学习技术，预测每个门店的外卖销量，使预测的平均绝对百分比误差控制在18%。模型的预测 结果可为外卖门店实现快速、科学、高效的选址决策指导。平均绝对百分比误差( MAPE): 18%地区信息人口信息住宅信息写字楼信息交通流量配送距离真实值模型预测值yi = f(xi1, , xin, disi)某餐饮连锁品牌案例 外卖销售量预测业务目标利用机器学习模型，通过在App端为客户智能推荐产品

7、与优惠，实现销售额和客单价提升选购界面菜单平均命中率 14.5%客单价提升 2%，预计单渠道全年可带来 亿级别 销 售额提升结算界面0.5%1.0%1.5%2.0%2.5%3.0%3.5%0%5%10%15%20%25%0.0%678910 11 12 13 14 15 16 17 18 19 20 21 寸 女命中率客单价提升某餐饮连锁品牌案例 智能推荐引擎系统项目目标：提高30万以下资产的客户对理财产品短信营销的响应率专家经验规则由客户经理采用专家规则从各资产段中筛选最有可 能购买的客户名单机器学习模型通过对客户画像、产品画像、市场环境的海量数据 分析，预测客户购买特定产品的概率3171,

8、2251741,26813,776400%1125%196%225%512%51%3410%400%800%1200%03,0006,0009,00012,000某理财产品短信营销成果1,000 30,000机器学习模型响应率提升30,000 300,000金额提升购买人数15,000提升比例资产段： 0 1,000专家经验规则营销方式 从各资产端中选择5万客户通过短信进行产品推荐效果与收益分析：对各资产段的客户营销效果均有显著提升响应率提高2倍 11倍成交金额提高50% 500%预计全年理财销售净收益提升2200万有效提升长尾客户的客户价值与留存率某股份制银行案例 理财产品精准营销项目目标：

9、提高卡中心客户对信用卡交易分期业务短信营销的响应率对比实验方案与结果统计：统计结果响应率、收入等指标筛选交易随机、专家规则、机器学习模型交易随机分组每组100万左右响应率手续费收入 发送短信数短信营销对筛选交易发送营销短信68.56响应率提升61.07收入提升效果与收益分析：第四范式机器学习模型对21的可分期交易发送短信 即可覆盖91的分期手续费，显著提升手续费收益的 同时，节约营销成本千元以下分期交易占比提升6倍，第四范式机器学习模 型能够准确覆盖低消费交易的分期需求1.230.737.804.840.631.40随机规则机器学习模型专家经验规则某股份制银行信用卡中心案例 交易分期精准营销项

10、目目标：提高卡中心客户对信用卡现金分期业务电话外呼营销的响应率对比实验方案与结果统计：统计结果响应率、收入等指标生成名单前1万客户名单客户随机分群每组1.8万目标客户响应客户数（人）总手续费（万元）总办理金额（万元）1,4141,304统一外呼外呼营销团队执行10.88%收入提升110名（8.44%）客户提升8.77%规模提升效果与收益分析：对千客户、收入与规模均有显著提升若仅对前5千名客户进行营销，则较专家规则 客户响应率提升22.6%收入提升22.8%规模提升20.4%机器学习模型能够准确命中头部客户，在营销资源有 限的情况下具有更高价值体现专家经验规则机器学习模型某股份制银行信用卡中心案例 现金分期精准营销理赔金额智能定损整体架构公众号上传受损 全局照片部位识别模型确定受损部位上传各受 损细节照片比对细节图片与模 型部位划分结果受损程度模型确定受损程度零配件维修 及价格库专家维 修经