基于人工智能的信用卡安全營銷及應用

陳任峰

(銀聯數據服務有限公司 上海 201201) (rfchen@cupdata.com)

隨著我國金融體制改革和商業銀行市場化的持續推進，以及第三方支付體系的劇烈沖擊，信用卡行業競爭日趨白熱化.在此大環境下，搶奪支付場景流量、升級產品服務權益以加大信用卡營銷力度，成為商業銀行精準獲客引流、增強用戶黏性的重要抓手.值得關注的是，在產品權益快速多元化的同時，信用卡傳統市場營銷管理面臨重大安全挑戰.薅羊毛、惡意搶購、暴力套現、虛假訂單等營銷攻擊行為難以避免[1-2]，極大損耗了銀行營銷資源及經濟利益，如何向優質目標客群提供精準營銷紅利顯得尤為關鍵.

1 信用卡市場營銷面臨的安全挑戰

隨著移動互聯網和移動支付的成熟應用，網絡營銷成為信用卡尤為重要的營銷手段之一.然而，信用卡營銷資源被機器“羊毛黨”暴力攻擊，如暴力搶優惠券等事件時有發生.攻擊者利用攻擊工具模擬人類行為，繞過前端頁面驗證向后臺發送批量請求，如批量注冊、暴力破解密碼、批量發送短信等行為，輕則影響服務器性能，重則為銀行造成巨大經濟損失，大大降低了優質客群的營銷紅利.與此同時，銀行傳統規則對識別機器行為局限性大:一則規則有限，一旦被識破，難以及時更新；二則規則越復雜，被破解后更難以維護[3].因此，如何提升信用卡安全營銷能力，成為商業銀行業務模式創優的迫切需要.

近年來，人工智能(artificial intelligence, AI)領域的新一代信息革命浪潮伴隨“互聯網+金融”的融合發展，為信用卡傳統營銷模式提供了新的技術路線[4-5].AI技術摒棄了以往模式中的經驗思維，呈現出深度學習、跨界融合、人機協同、群智開放、自主操作等特征，在機器識別、欺詐偵測、信用評級、精準營銷等方面均有重要突破[6-8].基于此，本文以信用卡網絡安全營銷為切入點，旨在研究基于AI技術的精準營銷方案，通過被動防控與主動挖掘相結合，提供了人機識別與精準營銷的案例分析，以期輔助銀行保障營銷資源合理投放、精準定位目標客群，進而提升信用卡業務收入，并逐步完成多渠道、多產品的營銷策略全面升級，為銀行信用卡營銷業務的健康持續發展提供解決思路.

2 基于AI技術的安全營銷路徑分析

為了提高信用卡營銷效率，快速精準搜索目標客群，本文提出了以下2種解決路徑：即基于人機識別模型的被動防控與基于精準營銷模型的主動挖掘.一方面通過AI算法提高對惡意攻擊營銷資源的機器識別能力，以保障優質客群的服務權益；另一方面通過大數據營銷響應模型，精準搜索具有業務需求的營銷高響應客群.

2.1 被動防控：人機識別

依托于設備行為數據、場景行為鏈、設備、 IP訪問歷史、全站安全態勢等多維度監控，結合AI技術的數據挖掘，可輔助實現人機驗證的準確識別.以某項目為例，本研究針對信用卡營銷網頁前端的滑塊驗證方式，構建了基于AI算法的二分類模型，對人與機器行為進行預測識別.

初始變量及其描述如表1所示.通過驗證碼拖動行為的數據分解，還原點的軌跡信息，并基于點的位置變化進行特征加工.與此同時，通過數據探索與可視化，探究機器與人的行為模式差異.

表1 人機識別模型變量描述

圖1和圖2展示了機器與人的滑動軌跡，可以看出機器軌跡多分布于固定值，或呈現反復的劇烈波動；而人的軌跡相對比較靈活，與機器軌跡差異性較大.

在對數據表現的初步探索后，深入挖掘了位置、速度、角度、設備等多個維度的上百個候選變量.設置該模型樣本的訓練集與測試集比例為7∶3，在參數調優、模型融合等模型開發及調優后，人機識別模型判別準確率達到99.06%，可為防控信用卡網絡營銷活動的機器攻擊行為提供參考依據.

2.2 主動挖掘：精準營銷

AI技術的快速發展催生了新零售業態，更對商業銀行主動搜索、精準營銷的大數據分析及運用能力提出了更高要求.隨著信用卡年費、手續費等傳統費用逐漸減免，提升分期、收單等中間業務收入尤為重要.信用卡營銷不應只停留在“廣撒網”的被動防控階段，更應進一步細分支付場景和消費群體，主動挖掘潛在目標客戶，以降低營銷風險及營銷成本，同時減免客戶打擾.基于某電銷分期項目，建立了AI-營銷響應模型，通過預測客戶的分期響應概率，篩選出響應率高的客戶進行電話營銷，并與傳統營銷模式進行比對.模型設計思路如圖3所示:

圖1 機器滑動軌跡

圖3 基于AI算法的營銷響應模型

圖4 分期響應模型評價指標

在樣本清洗中，選取6個月項目數據為觀測期，按照1∶5的比例隨機抽取正負樣本，得到建?？捎脴颖?通過對數據表現的初步排查，剔除了部分特殊卡產品.在特征提取中，該模型主要包括交易金額、交易筆數、額度使用、交易時間、分期特征以及賬戶屬性等維度，共計百余個特征變量.在建模過程中，通過參數調優、變量篩選、算法比對等技術手段，多次對模型進行深度迭代.

該模型經過樣本內驗證及跨時區校驗，各方面指標表現較好.KS值達到0.601，可見模型對分期響應客戶的區分能力較強；AUC值為0.887，模型準確性較高；此外，同時參考了LIFT提升圖與GAIN增益圖，如圖4所示.

模型開發完成后，通過實際測試驗證了該模型對目標客群的定位準確性.在相同人力外呼同等數量客戶的情況下，相比無篩選情況的分期響應率提升27%、無效名單下降40%、營銷人員人均產值提升70%.此外，在傳統的分期營銷模式中，分期產品單一，營銷客群分散，無法根據客戶關聯偏好推薦其最感興趣的分期產品類別，不利于實現收入的最大化.基于AI算法的預測模型，可輔助銀行實現精細化的智能營銷管理模式，通過預測每位客戶響應概率相對較高的產品集，提升產品營銷組合的決策能力.

3 總 結

本文為信用卡安全精準營銷提出了一種基于AI技術的模型方案.一方面分析了當前信用卡網絡營銷面臨的安全挑戰及其防控技術，另一方面從主動挖掘的角度，為商業銀行提供精準營銷的解決方案.經驗證，該模型各方面指標表現穩定，AI算法可有效實現機器攻擊行為偵測，判別準確率達到99.06%；精準營銷模型可提升27%營銷響應率，坐席人員人均產值提升70%.

基于此，本研究可為信用卡的安全營銷提供技術解決思路，保障了優質客群的服務體驗，同時減少了營銷人力、資源及時間成本.通過AI算法結合業務經驗輔助實現營銷資源的最優配置，從而降低營銷資源攻擊風險，減免非目標客戶打擾，進一步提升了中間業務收入，尤其為信用卡安全營銷模式提供了決策參考.

[1]歐陽志友, 孫孝魁. 基于梯度提升模型的行為式驗證碼人機識別[J]. 信息網絡安全, 2017 (9): 143-146

[2]鄧紅. 電子商務網絡營銷平臺的安全性分析[J]. 現代電子技術, 2017, 40(7): 88-91

[3]瑞數信息. 動態安全技術杜絕薅羊毛[J]. 金融電子化, 2017 (6): 85-86

[4]賀倩. 人工智能技術的發展與應用[J]. 電力信息與通信技術, 2017, 15(9): 32-37

[5]Li J, Wang R, Wang J, et al. Analysis and forecasting of the oil consumption in China based on combination models optimized by artificial intelligence algorithms[J]. Energy, 2018, 144(1): 243-264

[6]佚名. 上海市政府發布《關于本市推動新一代人工智能發展的實施意見》[J]. 上海信息化, 2017 (12): 83-83

[7]呂欣, 李洪霞, 李鵬. 大數據與國家治理[M]. 北京: 電子工業出版社, 2017

[8]于孝建, 彭永喻. 人工智能在金融風險管理領域的應用及挑戰[J]. 南方金融, 2017, 1(9): 70-74