BT

您是否属于早期采用者或者创新人士?InfoQ正在努力为您设计更多新功能。了解更多

你的公司可以被机器学习改造吗?看这 70 个指标就知道了

| 作者 王嘉俊 关注 1 他的粉丝 发布于 2017年5月10日. 估计阅读时间: 不到一分钟 | 硅谷人工智能、机器学习、互联网金融、未来移动技术架构 ,尽在QCon上海2017

编者按:“范式大学”由第四范式发起,致力于成为培养工程师转型为数据科学家的“黄埔军校”。专栏专注于以人工智能解决具体商业问题。在这里你将会看到,企业如何通过可实施的方法完成 AI 转型;个人如何通过最新的科技工具,快速成为能解决问题的机器学习工程师。

机器学习正在改变越来越多的行业,为了更好的应用机器学习,我们盘点了一些可以被机器学习改造的行业,以及这些行业对应的具体指标。

在看这些指标的时候,我们可以考虑下面的问题:

  • 我们是为谁解决了什么问题?
  • 今天它是怎么解决的?
  • 它会如何有效影响业务?
  • 数据的输入是什么,这些数据来自哪里?
  • 输出是什么?它是如何被使用的?(在线算法、静态报表等)
  • 这是一个收入漏斗(省钱)还是收入增长(挣钱)的问题?

我们盘点的行业包括了计算广告、内容推荐、精准营销、金融、医疗健康、服务业、公司运营、制造业 8 个行业,包含了 70 个指标。由于时间和经验所限,我们没能覆盖到太多行业,每个行业的指标也有很多局限,但从中也许能给你一些启发,开发出更多适合机器学习的场景。

计算广告

1、客户细分

如果你能够定性的了解不同的客户群体,就可以给他们不同的市场方案(甚至由公司不同的部门提供)

影响:客户增长

2、预测终身价值(LTV,Lifetime Value)

如果你能够预测出高终身价值客户的特点,就可以进行客户细分,识别追加销售(upsell)的机会

影响:销售增长

3、客户份额估算

识别客户在不同类别上的花费情况,这将增加公司识别追加销售(upsell)和交叉销售的机会

影响:销售增长

4、产品组合

什么样的产品组合会产出最低的客户流失率?例如对于刚办理健身卡的人来说,30 岁以下的男私教 + 30 元的健康餐,是否会降低用户的流失率?

影响:用户维持

5、交叉销售/推荐算法

给你客户过去的浏览历史、购买历史和其他特征,他们未来最想购买的是什么?

影响:收入增长

6、追加销售

给你客户的特点,它在未来是否会追加购买?

影响:销售增长

7、渠道优化

给你这些客户的特征,最佳触达客户的方式是什么?

影响:客户增长,支出减少

8、折扣目标

通过折扣诱导消费的概率是多少?

影响:收入增长,客户满意度提高

9、再激活的可能性

对于已经停止使用的客户,再激活的可能性有多少?

影响:客户维持,客户满意度提高

10、搜索引擎优化和广告购买

为不同的关键字、广告位计算合适的价格

影响:优化推广效率

11、销售优先级

潜在客户关闭交易的可能性是多少?

影响:客户维持、收入增长

12、购物篮分析

通过分析用户的购物篮,提升推荐产品的购买率

影响:增加收入

13、最佳报价分析

分析过去的价格、销售数量和总销售额,得出最佳报价

影响:增加收入

内容推荐

14、电商推荐

根据用户和商品情况,推荐最合适的商品列表

15、好友推荐

根据用户的情况,给他推荐最适合的好友

影响:优化产品体验

16、音乐推荐

根据用户数据,给他推荐合适的音乐

影响:优化产品体验

17、主播位置推荐

根据用户数据、主播数据,确定主播页面的排列方法

影响:优化产品体验

18、新闻推荐

根据用户数据、内容数据,确定内容的推送和排列

影响:优化产品体验

19、餐厅推荐

根据用户数据、餐厅数据,确定餐厅的推送和排列

影响:优化产品体验

20、兴趣聚类

按照用户的兴趣,分成群组

影响:优化产品体验

精准营销

21、用户流失分析 

识别出流失用户的特征,以支持公司进行产品调整,并通过在线算法对流失的用户提供帮助

影响:用户维持

22、库存管理

对于一件商品,客户需要多少?什么时候需要?通过预测以达到精益库存,同时防止缺货情况的出现

影响:优化管理效率,优化支出

23、价格优化

为每个时间、项目和商店进行优化

影响:提升收入

24、新店选址

根据商店情况、产品情况、地理位置情况等数据进行新店选址

影响:提升收入,风险管理

25、商店中的商品布局

怎样的布局能够提高销售额?

影响:提升收入

26、在商店的购物路线

组合不同的购物路线,得出最佳的方案

影响:增加收入

27、价格敏感度

每增加单位价格,对销售量有什么影响

影响:优化管理,增加收入

28、代理和分支业绩

如何根据历史数据,预测新代理的业绩水平?

影响:优化管理

29、什么产品组合更好?

什么样的产品组合会带来最多的销售数量?

影响:增加收入

30、供应商选择

我们在从最好的供货商进货吗?

影响:减少支出

31、邮件分组

对不同的客户邮件进行分组,选择不同的策略发送邮件

影响:优化客户体验,提升收入

32、地推人员管理(也适合很多垂直行业)

确定每天需要多少劳动力配给

影响:优化管理

金融 

33、风险预估 

给定借款人和贷款的特点,预测债务是否能得到回收?

影响:管理风险

34、财政或货币风险

我们需要多少的资金来满足这些需求?

影响:风险管理

35、新品种金融产品推广

通过分析相关金融产品的历史数据,一个新品种的金融产品最适合在哪些地方推广?

影响:收入增长

36、催收时间确定

在什么时间点进行催收,会有最好的效果?

影响:风险管理

37、欺诈检测

当系统预测交易可能涉及到欺诈时,决定是否要阻止一笔交易(例如信用卡欺诈)

影响:风险管理,减少支出

38、反洗钱

使用机器学习和模糊匹配来检测和反洗钱法相抵触的交易

影响:风险管理

医疗健康 

39、索赔审核的优先次序

根据特征选择,确定哪些索赔应该由审核员手动审核

影响:提升审核效率,提升审核精度

40、医疗保险的欺诈分析

通过用户数据,分析医疗保险中的欺诈行为

影响:风险管理,减少支出

41、医疗资源配置

根据最初病人的访问,优化/预测手术室和床位

影响:优化医院管理,提升资源使用率,增加收入

42、实时预警

根据实时的患者数据,为医生提供警报

影响:风险管理

43、处方依从性

预测哪个病人更可能不遵循医生的处方

影响:提高就医效果

44、医生流失

医院希望保留那些多点执业的医生,怎么确定哪些医生更容易流失?

影响:维持组织稳定,防止核心资产流失

45、药物(剂量)有效性

预测不同类型、剂量的药物对治疗疾病的效果

影响:提升就医效果

46、再入院风险

根据患者的属性、病史、诊断和治疗,预测再入院的风险

影响:提升就医效果

47、识别产品包装盒中警告的生物标志物

在药品存储、流通过程中做到更为安全

影响:风险管理

48、药物/化学发现和分析

更准确、高效的发现新的药物、化学品的可能性

影响:创新发现

49、识别不良反应

例如在社交网络中监测药物会出现的早期问题

影响:风险控制

50、预测不同地区对不同药物需求

根据药物销量数据、不同地区的疾病数据、药店、医院数据等,确定药物的分发策略

影响:优化管理

51、通过不用的方法预测处方依从性并提醒患者

根据患者数据、药物依从性的历史等,预测哪些患者会不遵循医嘱

影响:优化客户体验

52、患者评价数据

识别患者对药物的看法,哪些是正面反馈、哪些是负面反馈,以及如何通过反馈提高药物的质量

影响:优化客户体验

服务业 

53、酒店动态定价

根据酒店历史数据、日期、人流量等各种信息,确定酒店动态定价

影响:提升收入

54、酒店优惠券

分析不同的优惠政策会给酒店带来什么影响

影响:提升收入

55、酒店预约管理

预测一天当中会有多少人预约酒店

影响:优化管理

56、飞机调度

根据客流、天气状况,给出最佳的调度方案

影响:优化管理

57、旅游预测

根据旅游地的情况,分析是否要新增航线

影响:新产品开发

公司运营

58、简历筛选

根据候选人的特征,包括上一份工作、毕业学校、学历、年龄等进行简历筛选

影响:优化招聘效率

59、员工流失

预测哪些员工最有可能离开

影响:维持公司稳定

60、培训推荐

基于绩效考核数据,推荐特定的培训项目

影响:提升员工水平

61、可能性问题预测

尽早预测建设项目中可能会出现的问题

影响:风险管理

62、呼叫接听路径

基于呼叫者 ID 的历史、时间、呼叫的数量、拥有的产品、流失的风险、终身价值的多少确定呼叫的路径,这决定了每一个呼叫者的等待时间

影响:提升用户体验,保证关键用户的体验

63、呼叫中心的消息优化

把最合适的数据放在操作员的屏幕上

影响:提高操作员效率,提升用户体验

64、呼叫量预测

为了更好的确定呼叫人员的排班,进行呼叫量的预测

影响:减少呼叫中心的成本,优化管理

制造业

65、产量管理

通过监测土壤的传感器数据,预测农产品的产量

影响:优化管理

66、灾害预测

通过土壤数据、天气数据、农作物数据等,预测是否会发生农作物灾害

影响:风险控制

67、故障预测

通过传感器数据来预测故障的发生

影响:优化管理

68、保修预测

预测产品是否需要保修

影响:优化管理

69、电力分配

根据地区、时间的不同,确定需要分配的电力

影响:优化管理

70、可能问题预测

尽早预测建设项目中可能会出现的问题

影响:风险管理

参考文章:https://www.kaggle.com/wiki/DataScienceUseCases


感谢杜小芳对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ@丁晓昀),微信(微信号:InfoQChina)关注我们。

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我
社区评论

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT