成功大學「未來智慧工場」將機器學習及人工智慧技術，運用於客戶往來行為與金融服務需求分析，發展精準行銷，建立推薦系統模型，已為銀⾏外幣定存業務成交率提升225%！本專案應邀出席台北⾦融科技展， 11月29日、30日於台北世貿中心一館分享展示研究成果，成大教授現場講解、參與專案助理及研究生也分享執行專案過程中的心路歷程，吸引各界滿滿的注意。

機器學習以及人工智慧技術的蓬勃發展，將使金融科技改朝換代並推上新一層的高峰，以往量大龐雜而無從著手的客戶與銀行互動的金融行為資料，因分析技術與硬體設備的不足，僅能如雞肋般棄之一旁。

成功大學統計學系李政德教授帶領研究團隊，大舉應用當前先進的類神經網絡技術結合數學統計模型，從數百萬筆客戶與銀行的歷史往來資料中識別出具有特定金融產品購買潛力的客戶群體，予以數據金礦能發揮其最大效用，且同時能提升銀行端行銷部門金融商品訊息廣告投放的效益及增強銀行客戶對金融商品的消費體驗。成大AI精準行銷模組與現存銀行規則方法進行A/B Test，成交率在外幣定存專案提升225%！

李政德教授指出，能與永豐銀行合作將AI技術導入金融商品之客戶推薦是幸運的，從產學合作過程中，我們意識到金融領域運用AI技術的兩大挑戰，如何有效地表示每一位客戶的金融交易行為，以及如何解決購買與否的極端標記資料不平衡，我們的特徵表示學習與深度訓練模型在實務上嘗試克服此二挑戰，或許融合二者的端到端的訓練與預測能產生更好的結果，這是值得深入研討的。

成大統計所研究助理陳欣瑜說，在怎麼創新或是卓越的新技術，若是不能應用到實際產業中，總有種紙上談兵的空泛，而透過成大未來智慧工場與永豐銀行的專案合作能進一步弭平學術與實務之間的差距，很幸運這次能有機會做為一個模型開發者，分析客戶與銀行往來行為的數據資料來進一步滿足客戶對金融服務的需求。這次我們結合特徵表示學習的技術與深度學習模型應用於金融領域的實務資料，即使模型最終取得不俗的預測表現，但深入探討複雜的金融交易資料後，我們認為AI 技術應用於金融領域仍有一定的發展空間。

成大數據所碩二研究生徐翊展說，客戶是否會購買金融商品，是客戶本身的需求還是電銷之下的成功呢？我覺得是相輔相成的，在這次專案中我們透過機器學習的方式，當新產品上線時，可以透過客戶以往的記錄找出最有可能購買的名單，進一步達成精準推銷，而其中我們的深度森林也具有豐富的可解釋性。

經過一年的產學合作，客戶往來行為與金融服務需求分析專案的研究成果，受到成大及銀行雙方的肯定，並核定執行新一期的計畫--個人化商品推薦系統，透過機器學習建立更精準的「個人化商品推薦系統」，自動化的分析客戶與商品資料，抓出人力難以辨別的隱藏偏好，達成真正的「個人化商品推薦」，讓客戶在想到要買該商品「之前」就先看到商品，以增加交易成功的機率。（未來智慧工場提供）