用戶DNA系統(tǒng)是以用戶為中心，整合多渠道信息，通過挖掘業(yè)務(wù)增長契機(jī)，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)運(yùn)營。用戶DNA系統(tǒng)主要由以下幾模塊構(gòu)成：數(shù)據(jù)收集，收據(jù)整合，用戶畫像，個(gè)性化推薦和智能投顧。

——來自智能投顧項(xiàng)目分享

本文整理自智能投顧學(xué)員&群友項(xiàng)目交流第一期的內(nèi)容，由誠壹金融科技數(shù)據(jù)產(chǎn)品經(jīng)理劉吉靜分享，主題為《用戶DNA系統(tǒng)項(xiàng)目規(guī)劃和思路》，后附答疑和王博精彩點(diǎn)評和“智能投顧”專業(yè)交流群的入群方式。

雷鋒網(wǎng)?AI慕課學(xué)院與AI金融評論聯(lián)合舉辦的“智能投顧高級特訓(xùn)班”還在如火如荼持續(xù)報(bào)名中，課程分為基礎(chǔ)、進(jìn)階、高級三個(gè)階段，在第二階段即將開始之前，AI慕課學(xué)院智能投顧群近期發(fā)起了項(xiàng)目分享活動(dòng)，來自智能投顧從業(yè)者、投資人、銀行產(chǎn)品經(jīng)理等學(xué)員互相交流??的學(xué)習(xí)經(jīng)驗(yàn)，以及如何在學(xué)習(xí)課程的過程中解決實(shí)際問題。

以下為劉吉靜的分享實(shí)錄，編輯做了不改變原意的梳理：

學(xué)習(xí)心得

現(xiàn)在《智能投顧高級特訓(xùn)班之基礎(chǔ)課程》已經(jīng)結(jié)束，王蓁博士授課思路很清晰，也很詳細(xì)，不僅對使用到的算法加以說明，還將推導(dǎo)過程進(jìn)行了完整講解，只要跟上王蓁博士的節(jié)奏，這些知識點(diǎn)能順利地掌握。根據(jù)原課程安排，在雷鋒網(wǎng)?AI慕課學(xué)院“智能投顧高級特訓(xùn)班”接下來的進(jìn)階課程中，王蓁博士將帶來更加詳細(xì)、實(shí)踐化機(jī)器學(xué)習(xí)算法進(jìn)階的教程，手把手教你搭建專屬的智能資產(chǎn)配置模型。同時(shí)，我對智能投顧進(jìn)階課程充滿了期待，希望對接下來的框架講解，也能順利地掌握。

編者注：課程還在報(bào)名中，傳送門：http://www.mooc.ai/course/157（點(diǎn)擊鏈接或者掃碼可看）

項(xiàng)目分享：用戶DNA系統(tǒng)項(xiàng)目規(guī)劃&思路

1、智能投顧：用戶DNA系統(tǒng)

用戶DNA系統(tǒng)是以用戶為中心，整合多渠道信息，通過挖掘業(yè)務(wù)增長契機(jī)，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)運(yùn)營。用戶DNA系統(tǒng)主要由以下幾模塊構(gòu)成：數(shù)據(jù)收集，收據(jù)整合，用戶畫像，個(gè)性化推薦和智能投顧。

（用戶DNA系統(tǒng)落地方案框架）

（用戶DNA系統(tǒng)落地步驟）

（1）通知系統(tǒng)：既能將用戶的信息及行為反饋銷售，又能協(xié)助我們完善用戶信息。

（2）標(biāo)簽管理系統(tǒng)：實(shí)現(xiàn)標(biāo)簽的自動(dòng)化配置及周期性計(jì)算。

（3）用戶畫像系統(tǒng)：DNA系統(tǒng)的橋梁，抽象出用戶的平臺價(jià)值全貌。

（4）用戶提取：為營銷活動(dòng)、精準(zhǔn)營銷、用戶挖掘與分析提供特定用戶群的提取。

2、推薦系統(tǒng)模塊

推薦服務(wù)首先需要采集（用戶基本信息、用戶行為信息）到離線存儲(chǔ)，然后在離線環(huán)境下利用推薦算法進(jìn)行用戶和物品的匹配計(jì)算，找出每個(gè)用戶可能感興趣的物品集合。通過線下的推薦算法（屬性、行為）找出用戶感興趣的產(chǎn)品后，不一定所有物品都可以推薦給用戶，因此需要通過一個(gè)過濾過程。線下找出每個(gè)用戶可能感興趣的物品集合后，將這些預(yù)先計(jì)算好的結(jié)果推送到在線存儲(chǔ)上，最終產(chǎn)品在有用戶訪問時(shí)通過在線API向推薦服務(wù)發(fā)起請求，獲得該用戶可能感興趣的物品，完成推薦業(yè)務(wù)。加上推薦效果的檢測與反饋，便完成一個(gè)推薦任務(wù)的完整流程。

3、推薦邏輯

（1）基于標(biāo)簽的冷啟動(dòng)推薦算法

離線狀態(tài)下根據(jù)用戶tag產(chǎn)出用戶分組，及分組的推薦理財(cái)產(chǎn)品。當(dāng)新用戶注冊時(shí)，根據(jù)新用戶的tag,把用戶歸到相應(yīng)的分組中，并獲取分組的推薦結(jié)果。主要有：K-MEAS聚類和決策樹分類。

（2）基于用戶的協(xié)同過濾

收集用戶行為信息，通過用戶對產(chǎn)品的行為評分。如不同的用戶對不同的作品有不同的評分（瀏覽、預(yù)約、參團(tuán)、購買）而評分接近則意味著用戶相近，便可判定為相似用戶。收集了用戶行為數(shù)據(jù)之后，接下來便要對數(shù)據(jù)進(jìn)行減噪（去除錯(cuò)誤信息）與歸一化（權(quán)重與歸一）操作，得到一個(gè)用戶偏好的二維矩陣，一維是用戶列表，另一維是物品列表，值是用戶對物品的偏好，一般是 [0,1] 或者 [-1, 1] 的浮點(diǎn)數(shù)值。通過KNN找到相鄰用戶， 通過皮爾遜算法計(jì)算相似度，確定推薦結(jié)果。

4、智能投顧模塊

智能投顧模塊主要分為4個(gè)部分：智能投顧的流程、實(shí)現(xiàn)方案、市場分析、心得體會(huì)。

智能投顧的流程：用戶畫像（主觀畫像+客觀畫像），確定投資者類型，輸出理財(cái)方案，針對理財(cái)方案，提出預(yù)期提示。

以下是我們操作的智能投顧實(shí)現(xiàn)方案。

• 方案一：確定投資者類型，輸出理財(cái)方案，針對理財(cái)方案前期為人工操作，有了一定的數(shù)據(jù)積累之后，機(jī)器學(xué)習(xí)理財(cái)師的思路，機(jī)器進(jìn)行上述步驟。而這種方案有一個(gè)凸顯的問題，就是系統(tǒng)水平完全依賴?yán)碡?cái)師。

• 方案二：確定投資者類型，輸出理財(cái)方案，針對理財(cái)方案通過算法，得出理財(cái)方案，不斷調(diào)參，優(yōu)化模型。這種方案適合中國本土的資產(chǎn)配置模型，算法工程師，wind 數(shù)據(jù)等。

• 方案三：基于用戶的協(xié)同過濾算法，為相似的用戶推薦相同的理財(cái)方案。

針對目前智能投顧市場，從數(shù)據(jù)源、產(chǎn)品思路、團(tuán)隊(duì)組織三個(gè)方面做分析——

首先，數(shù)據(jù)源方面，與其他互聯(lián)網(wǎng)行業(yè)相比，金融領(lǐng)域可供機(jī)器學(xué)習(xí)的數(shù)據(jù)“珍貴有限”，我們只能從各個(gè)渠道盡可能地合理合法地獲取各方數(shù)據(jù)信息，主要是：場景內(nèi)數(shù)據(jù)，平臺自身數(shù)據(jù)以及外部征信數(shù)據(jù)；其次，不管是人工智能，還是“人工+智能”，只要能夠高效、低成本的為用戶提供出高收益的理財(cái)方案，就是成功的系統(tǒng)；最后是團(tuán)隊(duì)組織職能。

專家點(diǎn)評

以下是《智能投顧高級特訓(xùn)班》（點(diǎn)擊可看）主講人王蓁博士對本期分享內(nèi)容做的點(diǎn)評——

王蓁：首先非常感謝劉吉靜女士的精彩分享。下面我就劉女士分享的內(nèi)容談?wù)勛约旱南敕?，如有不對，歡迎大家批評指正。

整體來說分享的內(nèi)容很好，細(xì)節(jié)上，分享的智能投顧屬于比較特定的構(gòu)建投資組合環(huán)節(jié)，我個(gè)人認(rèn)為智投端到端的一整套系統(tǒng)人工智能的應(yīng)用上，美國的智能投顧和國內(nèi)常見的智能投顧都是符合的，不過確實(shí)有真實(shí)應(yīng)用人工智能技術(shù)的智能投顧，并且人工智能在智能投顧的具體應(yīng)用不限于構(gòu)建投資組合這一個(gè)環(huán)節(jié)，包括用戶畫像，擇時(shí)選基等等，都是可以基于人工智能的。在我對中國銀行實(shí)際項(xiàng)目的實(shí)施中，智能投顧實(shí)際上是包括了分享PPT中的全部流程。

在財(cái)富管理領(lǐng)域，分享PPT上闡述的用戶畫像還是大家努力的方向，但因?yàn)閲鴥?nèi)人才嚴(yán)重缺乏，現(xiàn)在商業(yè)化的主要都是簡單問卷，這也一部分是監(jiān)管的原因。

用戶DNA系統(tǒng)頁，這塊部分分析得很好，在這里我補(bǔ)充一點(diǎn)。實(shí)際項(xiàng)目中，驗(yàn)證效果中你會(huì)發(fā)現(xiàn)很難驗(yàn)證，為什么？因?yàn)闆]有一個(gè)用戶分類結(jié)果的標(biāo)準(zhǔn)答案。版本迭代，其中會(huì)涉及到大量的樣本偏差和數(shù)據(jù)缺失的問題，也可以解決。這都是我在實(shí)際項(xiàng)目中碰到的真實(shí)困難。

推薦系統(tǒng)板塊整體思路很好，其中推薦效果的檢驗(yàn)方法，其實(shí)是使用了營銷的體系，UV，PV，CPS等等類似指標(biāo)，這樣的好處是便于領(lǐng)導(dǎo)直觀理解。但其中可能存在嚴(yán)重的ascertainment bias，數(shù)據(jù)和背后的邏輯可能不一致。其實(shí)還可以增加一項(xiàng)效果檢驗(yàn)方法，推薦人物可以類比搜索的結(jié)果推薦，所以可以計(jì)算MAP，DCG等指標(biāo)，具有很好的說服力。但背后引出一個(gè)問題，就是訓(xùn)練集的獲取怎么做？也可以解決，比如通過半監(jiān)督學(xué)習(xí)+小樣本重復(fù)抽樣獲取。

整體PPT能看出是非常有框架的，是經(jīng)過了大量的討論后的結(jié)果，是一個(gè)比較完整的系統(tǒng)。因?yàn)橄到y(tǒng)龐大，所以其中項(xiàng)目實(shí)施（如果照著這個(gè)框架做）可能需要兩三年甚至更長時(shí)間，而且要做好心理準(zhǔn)備，預(yù)想的問題在實(shí)施中輕松解決了，而實(shí)際項(xiàng)目中碰到的問題，可能是之前完全沒有預(yù)想到的。士不可以不弘毅，不忘初心。

精彩互動(dòng)

雷鋒網(wǎng)?AI慕課學(xué)院本期項(xiàng)目分享拋磚引玉，不少學(xué)員和群友都積極參與其中產(chǎn)生思維碰撞。這里附上部分學(xué)員的精彩互動(dòng)：

平安金融大數(shù)據(jù)總監(jiān)：對于方案三，基于用戶的協(xié)同過濾算法，為相似的用戶推薦相同的理財(cái)方案?！爸悄芡额檻?yīng)該是一個(gè)千人千面，根據(jù)用戶的畫像和資產(chǎn)流動(dòng)性做的資產(chǎn)配置組合，這種方案的出發(fā)點(diǎn)是什么呢？

劉：因?yàn)槲覀儷@取的用戶信息有限，而且用戶的測評信息準(zhǔn)確度也是有待考量的，所以我想基于用戶的行為數(shù)據(jù)做些參考，用戶有相似平臺行為的，通過我們的挖掘跟驗(yàn)證，可能會(huì)彌補(bǔ)我們其他兩個(gè)方案的缺陷。

智能投顧從業(yè)者：劉老師，能簡單講一下你們的DNA產(chǎn)品的底層大類資產(chǎn)都是哪些種類嗎？來源是什么？

劉：DNA是我們公司一個(gè)基于用戶的數(shù)據(jù)中心  您說的底層大類資產(chǎn)應(yīng)該是我們公司理財(cái)產(chǎn)品的底層資產(chǎn)。

銀行產(chǎn)品經(jīng)理：您的方案跟智能投顧是不是一個(gè)概念？

劉：我覺得這是一個(gè)循序漸進(jìn)的過程：首先數(shù)據(jù)源是一個(gè)問題， 其次是我們現(xiàn)在沒有數(shù)據(jù)積累， 第三我們做這個(gè)系統(tǒng)的最終目的。我覺得我們做所有系統(tǒng)的目的都是在精準(zhǔn)營銷，提高轉(zhuǎn)化率。至于智能投顧也是這些系統(tǒng)的一份子。

（完）

編者預(yù)告：項(xiàng)目分享活動(dòng)還在繼續(xù)，下周二將由智能投顧一線從業(yè)者續(xù)航分享，而除了線上群活動(dòng)之外，我們將于11月18號在北京舉辦線下項(xiàng)目交流沙龍，如果你是智能投顧從業(yè)者，身處銀行、基金、證券公司等，有興趣參與或者有項(xiàng)目想要分享，希望一起探討智能投顧的現(xiàn)在和未來，歡迎根據(jù)文末海報(bào)提醒提交報(bào)名審核，審核通過將可參與，通過審核的朋友也可加入【智能投顧專業(yè)交流群】（請務(wù)必認(rèn)真提交信息，提高審核通過概率）。

---

在“智能投顧高級特訓(xùn)班”接下來的進(jìn)階課程中，王蓁博士將帶來更加詳細(xì)、實(shí)踐化機(jī)器學(xué)習(xí)算法進(jìn)階的教程，手把手教你搭建專屬的智能資產(chǎn)配置模型。掃描下方二維碼獲取更多課程詳情~

相關(guān)文章：

回顧 | 風(fēng)口殺到，智能投顧卻在中國遭遇水土不服？

Al x 量化：智能投顧戳中了金融機(jī)構(gòu)財(cái)富管理業(yè)務(wù)的哪些痛點(diǎn)？

回顧 | 智能投顧中的基礎(chǔ)核心，華爾街老司機(jī)手把手教你搭建智能資產(chǎn)配置模型

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。