面向广告商 prospecting 中不平衡表格数据的深度学习方法：直接邮寄 prospecting 的案例

获取新客户是企业增长的关键过程。 prospecting 是通过从线上数字广告、线性电视、户外广告到直邮等多种方法识别和营销潜在客户的过程。尽管数字广告（尤其是社交媒体和搜索广告）快速增长，但研究显示直邮仍是获取新客户最有效的方式之一。然而，在直邮领域应用现代机器学习技术存在显著空白，这些技术可显著提升定向和个性化策略。本文聚焦直邮方法的部署。我们提出一种监督学习方法，用于识别新客户，即 prospecting，其包含如何定义数据标签和排序潜在客户。将 prospecting 问题转化为监督学习问题导致不平衡表格数据。当前表格数据的国家级先进方法是基于树的集成方法，如随机森林和 XGBoost。我们提出一种针对不平衡表格数据的深度学习框架。该框架旨在处理大规模不平衡数据集，涉及大量数值和类别特征。我们的框架包含两个组件：自编码器和前馈神经网络。我们通过直邮广告的透明真实案例研究展示了该框架的有效性。我们的结果表明，所提深度学习框架在实际应用中优于基于树的随机森林方法。