＜正＞商業(yè)銀行傳統(tǒng)營(yíng)銷模式存在企業(yè)信息不對(duì)稱、以產(chǎn)品為中心、過(guò)于依賴主觀經(jīng)驗(yàn)等問(wèn)題。本文通過(guò)建立商業(yè)銀行對(duì)公客戶畫像,利用過(guò)采樣、滾動(dòng)訓(xùn)練的方法解決城市行數(shù)據(jù)集中正負(fù)樣本不均衡以及數(shù)據(jù)量過(guò)小的問(wèn)題,并選用在分類模型中效果較好的XGBoost模型預(yù)測(cè)融資需求高的小微企業(yè),以此提高營(yíng)銷成功率。該模型在測(cè)試集中的預(yù)測(cè)效果精確率達(dá)到39%,比傳統(tǒng)營(yíng)銷模式中客戶經(jīng)理隨機(jī)預(yù)測(cè)的營(yíng)銷成功率提高了90倍,召回率為30%,命中率為三成,方法的有效性得到了驗(yàn)證。 

【文章頁(yè)數(shù)】：8 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于XGBoost的三分類優(yōu)惠券預(yù)測(cè)方法[J]. 張微薇,劉盾,賈修一.  南京航空航天大學(xué)學(xué)報(bào). 2019(05)
[2]AdaBoost算法研究進(jìn)展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動(dòng)化學(xué)報(bào). 2013(06)

碩士論文
[1]大數(shù)據(jù)背景下中小銀行小微信貸發(fā)展研究[D]. 姜濤.浙江大學(xué) 2018
[2]基于優(yōu)化的xgboost模型的商業(yè)銀行電話營(yíng)銷效果分析[D]. 徐彬心.蘭州大學(xué) 2017



本文編號(hào)：3687083