近日，由匯納科技（300609）（股票代碼：300609.SZ）首席數(shù)據(jù)科學顧問胡宇教授帶領的數(shù)據(jù)科學團隊（賽商數(shù)據(jù)）和其他幾位教授合作撰寫的以「用機器學習評估及優(yōu)化商場活動」為主要議題的研究論文，被國際管理領域頂級期刊ISR接收發(fā)表（《Information Systems Research》期刊簡稱“ISR”，是管理信息系統(tǒng)MIS領域國際公認最頂級兩大期刊之一）。

　　該論文以「匯納科技 · 匯客云」平臺數(shù)據(jù)為基礎，構(gòu)建了一個全新的可解釋機器學習模型――「GANNM 模型」，準確地評估以及刻畫不同類型的營銷活動對商場客流的影響，由此推算出最有效的營銷經(jīng)費分配方式，以達到商場客流最大化。

　　復制鏈接或點擊文末"閱讀原文"，查閱論文

　　https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3400105

　　01 首創(chuàng)GANNM模型，準確評估商場營銷活動ROI

　　本項研究首要解決的難點是如何準確刻畫商場營銷活動的投資回報曲線，即不同數(shù)量的活動預算的投入能相應帶來多大規(guī)模的客流提升。這是準確評估商場營銷活動的效果及進行進一步優(yōu)化的基礎。

　　難點

　　現(xiàn)有的評估方法普遍存在的問題：

　　一、難以準確刻畫以上曲線的客觀真實規(guī)律和走勢 ?，F(xiàn)有評估分析方法需要預先人為假設模型的曲線走勢，導致模型過于依賴人為的經(jīng)驗，對數(shù)據(jù)中真實規(guī)律的描述容易有偏差甚至誤導；

　　二、無法通過模型直接學習曲線。傳統(tǒng)機器學習模型雖可以極大提升預測精度，卻由于模型本身的黑箱原理，不能直接準確描繪具體的曲線關系，反映資金投入和客流提升的關系。

　　為了突破現(xiàn)有評估方法中的困難，胡宇教授帶領的數(shù)據(jù)科學家團隊創(chuàng)造性地提出一個綜合了廣義相加模型以及神經(jīng)元網(wǎng)絡的新模型，命名為Generalized Additive Neural Network Model (GANNM 模型)：

　　該模型無需對曲線的規(guī)律和走勢做出人為假設，使得曲線完全從數(shù)據(jù)中學習得出，確保模型能精準捕捉數(shù)據(jù)中的趨勢；

　　同時該模型綜合了神經(jīng)網(wǎng)絡模型在深度學習方面的強大預測能力，在廣義相加模型學習曲線的同時，利用深度學習模型學習并控制其他各類因素對曲線的影響，即剝離天氣、日期等等外部因素對客流的影響，以準確學習出在不同場景下由于對活動的資金投入帶來的客流收益。

　　此模型在保證可解釋性的同時，在預測的準確度方面實現(xiàn)了突破性的提升。

　　02 GANNM 模型有多強大？

　　在本次研究中，利用GANNM模型對五種不同類型的商場營銷活動進行了研究：旺季體驗型，旺季促銷型，淡季體驗型，淡季促銷型，以及電商促銷季活動（雙十一等）。

　　為每種類型的活動分別給出活動資金投入對客流提升的曲線關系。這些曲線嚴格從數(shù)據(jù)中訓練得出，比其他現(xiàn)有評估分析模型給出更細致、準確的投資回報分析。

　　在這些活動效果曲線的基礎上，可進一步模擬優(yōu)化分配活動預算，即在假設每年總預算不變的情況下，如何在不同類型的營銷活動之前優(yōu)化資金分配，得到最顯著的客流提升效果。例如，模型建議商場加大對體驗導向型活動的投資力度，以吸引更多的客流。

　　此外，模型也學習到了電商促銷季對商場客流的影響，并由此提出要么不參與，要么加大資金投入力度以和電商競爭的建議。這些由模型從數(shù)據(jù)中學到的規(guī)律和由此得出的管理建議，將會給商場的運營者和管理者提供一些新的管理思路。

　　結(jié)果顯示，基于GANNM 模型優(yōu)化的預算重新分配與原歷史數(shù)據(jù)中的經(jīng)費分配方法相比，商場客流提升效果增加了11.2%，這個結(jié)果顯著地優(yōu)于基于傳統(tǒng)回歸模型優(yōu)化的結(jié)果（3.2%）。

　　論文中研究的商場營銷活動的投資回報曲線對GANNM模型來說只是“小試牛刀”。

　　胡宇教授表示：GANNM模型可以廣泛應用于不同商業(yè)管理場景的投資回報分析，給出精確的分析結(jié)果，以及可解讀的關系曲線，為商業(yè)決策提供參考。

　　Tips

　　如何才能構(gòu)建起頂級的AI大數(shù)據(jù)模型？

　　AI模型、大數(shù)據(jù)資源及算力是實現(xiàn)AI大數(shù)據(jù)建模三個必要條件，缺一不可。

　　AI模型

　　有頂級的專家，才能構(gòu)建頂級的AI模型。匯納首席數(shù)據(jù)科學顧問胡宇教授，是佐治亞理工學院席勒商學院莎朗和大衛(wèi)·皮爾斯講席教授（終身正教授）、商業(yè)分析中心聯(lián)席主任以及麻省理工學員（MIT）數(shù)字經(jīng)濟研究所研究員，是國際頂尖的大數(shù)據(jù)科學家，他的研究成果多次發(fā)表在世界頂級學術期刊，被中國、美國、歐洲主流媒體廣泛引用和報道。胡宇教授所帶領的數(shù)據(jù)科學團隊，由數(shù)十位國際前沿專家組成，致力于把大數(shù)據(jù)和人工智能模型深度應用于商業(yè)場景。

　　大數(shù)據(jù)資源

　　模型的構(gòu)建是第一步，在此基礎上需要大量的數(shù)據(jù)對模型進行訓練，讓模型不斷迭代優(yōu)化。如果把高質(zhì)量的人工智能模型比作一顆參天大樹，那么模型的建立就猶如培育了一株小樹苗，大規(guī)模、高質(zhì)量、高實時的大數(shù)據(jù)資源，就是滋養(yǎng)這棵小樹茁壯成長的陽光、水和養(yǎng)料。匯納科技·匯客云平臺所構(gòu)建的行業(yè)數(shù)字底座，為模型的“生長”提供了必要的條件。