这看起来很有趣！利用随机森林节点嵌入实现个性化沟通与分群

与客户有效沟通对许多营销人员而言是一项挑战，尤其在既关乎个人长期财务健康又难以理解的情形下：养老金。全球范围内，参与者不愿提前考虑其养老金，导致对其退休养老金缺乏准备[1]、[2]。为使参与者获取其预期养老金收益信息，个性化养老金提供方的邮件沟通是首要且关键的一步。我们描述了一种机器学习方法，用于建模邮件简报以契合参与者兴趣。建模与分析数据来自荷兰一家大型养老金提供方发送的简报，并分为两部分。第一部分包含 2,228,000 名客户，第二部分为一试点研究数据，于 2018 年 7 月进行，含 465,711 名参与者。两种情况下，我们的算法利用随机森林从连续与分类数据中提取特征，并计算随机森林决策边界的节点嵌入。我们展示了该算法在分类任务上的有效性，及其用于数据挖掘任务的方式。为确认结果在多个数据集上有效，我们还在有关流失的基准数据集上说明了算法的性质。在所考虑的数据集中，所提建模相较其他基于随机森林的先进方法具竞争力，在养老金数据集中取得最佳曲线下面积（AUC）（0.948）。在描述性部分，该算法可识别客户分群，供营销部门更好地定向沟通。