アウトバウンドコール先の最適化によって反応率が1.6倍に向上

事例詳細

与信勤務区分、契約者年齢、職務コード、職業コード、利用店舗単価、割賦限度額、利用金額、割賦限度額更新年、カード限度額消化率、入会年、利用回数、優待率算出基準額、月平均利用金額、顧客残高、住居区分、商品数等のデータを用いて、顧客1人1人に対して新サービスに加入する確率を予測した。
従来方法は無作為に30万人のうち1万人を抽出していたが、新サービスに加入する確率の高い顧客を抽出することで、反応数が1.6倍に向上した。

経緯等

・新サービスに加入する人を知りたい。
・従来方法は無作為に30万人のうち1万人を抽出していたが、AIを使った手法で実施したい。