课程背景
随着计算机计算能力与网络带宽的倍增,同时成本持续下降,人工智能(AI)的应用也逐渐成熟与普及,围绕客户的服务一直是金融行业拓展创新的重点,主要原因包括:
1.客户群庞大、数据量大而且比较真实准确,为人工智能的数据分析和建模提供了坚实可靠的基础。
2.资金雄厚,可以对高科技大量投入。
3.时间成本高、人工工资高,提高效率的产出也高。
4.竞争激烈,并且正受到来自第三方金融科技服务的冲击。
不过目前一些所谓人工智能方案其实并不能算是人工智能,不少应用亦没有真正释放人工智能的潜在价值。其原因分析下来,主要是:
对AI技术的认识存在误区,或大或小片面理解AI的能力和局限。
缺乏业务支撑,唯技术而技术,不考虑实际问题。
浅尝辄止,AI应用标签化,不能以运营的思维长期坚持迭代优化。
如何把握AI发展趋势,结合银行自身客户服务特点及前台营销的需求,创新发展客户服务的体验和品质,是大家一直关注的问题。 本课程结合AI算法讲解和客服领域的实用案例,帮助学员从宏观角度审视AI技术应用的现状和发展,并从微观算法应用的角度结合客户服务过程中的精准营销和个性化推荐,切实提升对AI创新的理解,发挥自身的经验和优势,重塑自身的知识架构,构建业务型的创新组织。
课程详情
培训对象：
银行客户服务领域的管理及技术相关人员,以及对AI应用感兴趣的业务人员等
授课形式 讲授、案例剖析
课程时间：1 天
课程大纲详情
一、风起云涌,金融科技引爆金融创新
正在被颠覆的金融市场
如何认识金融科技发展的本质
真假美猴王,人工智能 v.s智能的人工
AI算法的“四重奏”
二、促进价值实现的人工智能成长
智能推荐的本质
好的推荐与推荐的好
情感计算的可能性
智能机器人与人工服务的边界在哪里
三、个性化服务的技术底座
搜索引擎技术
知识图谱构建
自然语言处理
用户画像技术
四、机器学习在智能客服中的经典应用
分类算法:提升银行精准营销
回归算法:银行客户能否购买理财产品
聚类算法:如何细分客户类别
五、深度学习让机器更智能
传统机器学习 v.s. 深度学习
4种典型的深度学习算法
如何利用深度学习算法实现多轮会话的准确率
六、如何有效迭代智能推荐系统
客户满意度是永恒的标尺
准确度如何去衡量和评价
如何有效冷启动一个AI推荐系统
算法的生命在于“持续优化”
授课老师
陈炳 信息技术与数据管理实战专家
常驻地：上海
邀请老师授课：13439064501 陈助理
