銀行是受互聯網影響比較明顯的一個行業。很多銀行離柜率大大提升，現金方式的改變也促使銀行的變化。銀行也開始重視網絡和APP的發展。今天就讓faceui為大家介紹銀行類APP智能推薦系統新的趨勢，評估銀行類APP智能推薦系統的效果。

　　銀行類APP智能推薦系統新的趨勢

　　個性化推薦代表著銀行類APP智能推薦系統在移動端的一次重要探索，即從銀行APP向互聯網APP邊界的探索。

　　過去的銀行APP，它們中的大多數似乎是“孿生兄弟”——賬戶查詢、轉賬、購買理財、申請貸款、生活繳費、網點預約，構成了一款銀行APP的的標準模型。同質化帶來的是非常相似的應用界面，尤其是農商行、村鎮銀行的手機銀行APP，界面幾乎完全一樣。而這種“千人一面”的特征同樣也反映在早期銀行App的設計上。早期的推薦產品主要靠平臺運營人員依靠業務知識進行手工配置，策略投放也是基于場景相關性的固定位置展示，用戶訪問此場景時，將會“千人一面”地展示這些商品。

　　現在，銀行類APP開始關注用戶的個性化體驗，上線了廣發商城“看了又看”、“猜你喜歡”功能，為用戶提供商品的智能推薦服務。即整合眾多業務和推薦模型，為用戶提供“混合推薦”功能。如用戶打開發現精彩APP時映入眼簾的會是一個“瀑布流”，給每個用戶提供相匹配的飯票、商城、分期、小發播報等定制化服務和內容。"根據用戶日常行為偏好，將適合的商品優先篩選提供給用戶"。

　　這也就意味著，銀行類APP智能推薦系統對于銀行來講也是個新事物，需要經歷從0到1的全過程。

銀行類APP智能推薦系統（圖片來自網絡）

　　評估銀行類APP智能推薦系統的效果

　　推薦系統推薦質量的高低可以通過如下指標進行評估，作為推薦系統的反饋結果他們也是算法模型迭代優化的依據。這些指標有些可以定量計算，有些只能定性描述。

　　1、預測準確度：準確度表現在用戶對推薦內容的點擊率，點擊后的各種主動行為（購買、分享等），停留時長等。

　　2、覆蓋率：覆蓋率是描述一個推薦系統對物品長尾的發掘能力。最簡單的定義是，推薦系統推薦出來的物品占總物品的比例。

　　3、多樣性：良好的推薦系統不僅僅能夠準確預測用戶的喜好，而且能夠擴展用戶的視野，幫助用戶發現那些他們可能會感興趣，但不那么容易發現的東西。

　　比如：你在某個電商網站買了一雙鞋子，然后你每次登錄這個網站他都給你推薦鞋子，這種情況你就會對推薦系統很失望，這就是典型的不具備多樣性。假如知道了用戶的喜好，推薦系統大部分給他推薦感興趣的，小部分去試探新的興趣是更優的策略。

　　4、新穎性：新穎的推薦是指給用戶推薦那些他們以前沒有聽說過的物品。

銀行類APP智能推薦系統（圖片來自網絡）

　　5、驚喜度：如果推薦結果和用戶的歷史興趣不相似，但卻讓用戶覺得滿意，那么就可以說推薦結果的驚喜度很高。與新穎性的區別是推薦的新穎性僅僅取決于用戶是否聽說過這個推薦結果。

　　6、信任度：如果你有兩個朋友，一個人你很信任，一個人經常滿嘴跑火車，那么如果你信任的朋友推薦你去某個地方旅游，你很有可能聽從他的推薦，但如果是那位滿嘴跑火車的朋友推薦你去同樣的地方旅游，你很有可能不去。這兩個人可以看做兩個推薦系統，盡管他們的推薦結果相同，但用戶卻可能產生不同的反應，這就是因為用戶對他們有不同的信任度。

　　7、實時性：推薦系統的實時性，包括兩方面：一是實時更新推薦列表滿足用戶新的行為變化；二是將新加入系統的物品推薦給用戶。

　　8、健壯性：任何能帶來利益的算法系統都會被攻擊，最典型的案例就是搜索引擎的作弊與反作弊斗爭。健壯性衡量了推薦系統抗擊作弊的能力。

　　以上就是faceui為大家介紹的關于銀行類APP智能推薦系統的相關內容。雖然大家平時對銀行類APP關注和使用并不多，但這并不代表它沒有發展和完善的空間。