Page 12 - SPARK Xpress Q4
P. 12

SPARK Xpress 2021 N0.04







           新光人壽與元富證券                                                                                                           2. 元富證券 - 建構「投資能力推薦」模型 : 發掘調額潛在客群觸動投資動能


           率先以 AutoML 發展數據創新 -POC 案例                                                                                                  客戶進行投資交易時,若想要調整交易額度以符合所需下單規模,傳統調

                                                                                                                               額審查作業會需要由證券評估客戶資產財力、交割風險與交易量等面向進行

               今年首次由新光金控數數部與人壽市場行銷部、證券數位金融部及經紀                                                                                 審核。本次透過 AutoML 工具快速生成 300 多種模型創建,準確率落在 75%

        部共同協作,以科技賦能驅動創新,運用 AutoML 進行預測性分析試驗,分                                                                                  區間,供未來實際落地的指引方向,以建立迅速察覺顧客的交易情形變化所


        別為人壽 - 提高保險再購機會及證券 - 投資能力推薦以觸動投資動能,其說                                                                                  需額度推薦模型,並進一步將業務決策運用在模型產出結果。依據客戶分層,

        明如下 :                                                                                                                  規畫差異化的經營策略,主動推薦客戶調整額度,讓客戶掌握投資機會。


        1. 新光人壽 -「保險再購」預測模型 : 準確度及再購率大幅提升

                                                                                                                                       透過機器學習,可以提供交易額度的預測數值
               新光人壽運用 AutoML 內建的上百種模型,透過自動排名模型優劣的功

        能,不僅可快速瞭解不同的演算法,分別對原始數據做了哪些不同的預處理
                                                                                                                                      歷史資料面向                                AutoML                              產出應用
        或特徵工程,更能夠從 Model Blueprint 快速釐清哪些演算法與參數組合來

        配適歷史資料。整體來看,訓練時間、預測準確性與應用延伸性方面皆可帶                                                                                          基本資料
                                                                                                                                                                                                          建議調整額度與原因

        來明顯的助益,人壽透過現行 300 多萬保戶建置保險再購機器學習模型,蒐                                                                                                     交易資料
                                                                                                                                                                                                             「客戶分群」與
        集包含保戶基本資料、往來會員註記、投保之保單險種與繳納保費收入等多
                                                                                                                                                                                                             「差異化經營」
        種面向資料範圍,運用監督式機器學習方法創建 AI 模型以預測客戶未來再
                                                                                                                                   庫存水位
        購保險的機率,準確度由 40.25% 提升到 89.83%。                                                                                                           風險違約


                                                                                                                                                                                                        優質客群              虧損客群
                                                                                                                                                                      Machine Learning                  專屬額度            階梯式控管



                                                                                                                              圖 4:資料來源 數位數據暨科技發展部整理。


                                                                                                                                      針對 AI 應該用在公司哪方面才能創造最大的商業價值 ? 未來在金融場域

                                                                                                                               裡,從行銷、營運、風險控管、既有客戶促動與作業流程自動化等主題,業


                                                                                                                               務單位在決定應用的方向後,優先測試於增加商業價值的應用案例,建立一

                                                                                                                               個實驗性環境將機器學習模型整合進公司既有作業流程,用以快速建立原形

                                                                                                                               (prototype),以便推廣至其他提案或跨單位應用。最終,AI 應用不僅要創造


                                                                                                                               一個終生學習的文化,更需要讓組織團隊願意接受並導入最新的機器學習技

                                                                                                                               術來幫助公司目標成長,同時,管理階層也透過提倡數據導向的決策模式,

                                                                                                                               使數據資料在企業內部進行有效的使用,以發揮數據更大價值。
                            圖 3:資料來源 數位數據暨科技發展部整理。
    12                                                                                                                                                                                                                                   13
   7   8   9   10   11   12   13   14   15   16   17