银行类APP智能推荐系统新的趋势，评估银行类APP智能推荐系统的效果

银行是受互联网影响比较明显的一个行业。很多银行离柜率大大提升，现金方式的改变也促使银行的变化。银行也开始重视网络和APP的发展。今天就让faceui为大家介绍银行类APP智能推荐系统新的趋势，评估银行类APP智能推荐系统的效果。

　　银行类APP智能推荐系统新的趋势

　　个性化推荐代表着银行类APP智能推荐系统在移动端的一次重要探索，即从银行APP向互联网APP边界的探索。

　　过去的银行APP，它们中的大多数似乎是“孪生兄弟”——账户查询、转账、购买理财、申请贷款、生活缴费、网点预约，构成了一款银行APP的的标准模型。同质化带来的是非常相似的应用界面，尤其是农商行、村镇银行的手机银行APP，界面几乎完全一样。而这种“千人一面”的特征同样也反映在早期银行App的设计上。早期的推荐产品主要靠平台运营人员依靠业务知识进行手工配置，策略投放也是基于场景相关性的固定位置展示，用户访问此场景时，将会“千人一面”地展示这些商品。

　　现在，银行类APP开始关注用户的个性化体验，上线了广发商城“看了又看”、“猜你喜欢”功能，为用户提供商品的智能推荐服务。即整合众多业务和推荐模型，为用户提供“混合推荐”功能。如用户打开发现精彩APP时映入眼帘的会是一个“瀑布流”，给每个用户提供相匹配的饭票、商城、分期、小发播报等定制化服务和内容。"根据用户日常行为偏好，将适合的商品优先筛选提供给用户"。

　　这也就意味着，银行类APP智能推荐系统对于银行来讲也是个新事物，需要经历从0到1的全过程。

银行类APP智能推荐系统（图片来自网络）

　　评估银行类APP智能推荐系统的效果

　　推荐系统推荐质量的高低可以通过如下指标进行评估，作为推荐系统的反馈结果他们也是算法模型迭代优化的依据。这些指标有些可以定量计算，有些只能定性描述。

　　1、预测准确度：准确度表现在用户对推荐内容的点击率，点击后的各种主动行为（购买、分享等），停留时长等。

　　2、覆盖率：覆盖率是描述一个推荐系统对物品长尾的发掘能力。最简单的定义是，推荐系统推荐出来的物品占总物品的比例。

　　3、多样性：良好的推荐系统不仅仅能够准确预测用户的喜好，而且能够扩展用户的视野，帮助用户发现那些他们可能会感兴趣，但不那么容易发现的东西。

　　比如：你在某个电商网站买了一双鞋子，然后你每次登录这个网站他都给你推荐鞋子，这种情况你就会对推荐系统很失望，这就是典型的不具备多样性。假如知道了用户的喜好，推荐系统大部分给他推荐感兴趣的，小部分去试探新的兴趣是更优的策略。

　　4、新颖性：新颖的推荐是指给用户推荐那些他们以前没有听说过的物品。

银行类APP智能推荐系统（图片来自网络）

　　5、惊喜度：如果推荐结果和用户的历史兴趣不相似，但却让用户觉得满意，那么就可以说推荐结果的惊喜度很高。与新颖性的区别是推荐的新颖性仅仅取决于用户是否听说过这个推荐结果。

　　6、信任度：如果你有两个朋友，一个人你很信任，一个人经常满嘴跑火车，那么如果你信任的朋友推荐你去某个地方旅游，你很有可能听从他的推荐，但如果是那位满嘴跑火车的朋友推荐你去同样的地方旅游，你很有可能不去。这两个人可以看做两个推荐系统，尽管他们的推荐结果相同，但用户却可能产生不同的反应，这就是因为用户对他们有不同的信任度。

　　7、实时性：推荐系统的实时性，包括两方面：一是实时更新推荐列表满足用户新的行为变化；二是将新加入系统的物品推荐给用户。

　　8、健壮性：任何能带来利益的算法系统都会被攻击，最典型的案例就是搜索引擎的作弊与反作弊斗争。健壮性衡量了推荐系统抗击作弊的能力。

　　以上就是faceui为大家介绍的关于银行类APP智能推荐系统的相关内容。虽然大家平时对银行类APP关注和使用并不多，但这并不代表它没有发展和完善的空间。