針對玉山旗下兩個 app (Fugle富果投資、玉山證券A+行動下單),目前推波訊息功能主要是由用戶自己設定條件(如下圖),所以玉山想發展自動化推波的功能,透過分析客戶行為,去偵測客戶喜好,自動化推波適合的內容給客戶,提升客戶體驗。相對來說,假如客戶收到有意思的資訊,就會點入查看,所以也會增加客戶使用 app 的頻率。
一檔股票在「特定條件或情境時」很「聰明」的找到適當的通知時機,⾃自動發出「特定內容」,能夠讓追蹤這檔股票的⽤用⼾戶,覺得這訊息對於他的投資有幫助,甚⾄至刺刺激股票交易的意願。
- 質化指標:根據與 mentor 的討論,自動推播提醒的內容要有投資幫助
- 量化指標:自動推播提醒(非顧客自行設定), 每分鐘不超過 10 次,每週至少一次
Development Skill icon by Icons8
根據公司的殖利率、本益比、股價淨值比、BETA值與現金水位,這5個比率當作公司特徵,並透過使用者的訂閱與觀看清單找出最相近的5間公司進行推薦。
1. 使用者特徵:使用者訂閱清單中的公司各比率的平均 * 0.7 + 使用者瀏覽紀錄中的公司各比率的平均 * 0.3
2. 找出與使用者特徵最相近的 5 間公司,並進行推薦
缺點:若有極端值,可能會被平均掉
KMeans公司分群 :利用上述幾項比率將公司進行分群,但分群效果不好,所以最後沒有使用。
根據訂閱資料與瀏覽紀律計算出使用者的產業喜好,找出相似喜好的使用者並將其之訂閱清單推薦給使用者。
1. 使用者特徵:使用者訂閱清單中的公司產業 * 0.7 + 使用者瀏覽紀錄中的公司產業 * 0.3
2. 利用 KD-Tree 計算出與其歐式距離最相近者
3. 隨機挑選最相近使用者的訂閱清單中還未訂閱過的公司進行推薦
4. 由於最近的使用者的訂閱清單可能過於相似,因此改成最相近的 5 個人
缺點:如果使用者行為資料不夠多,會影響推薦效果
整理出各股之間的共現關係,當使用者觀看任何一檔股票時進行推薦,亦即「看過的人也看過」。
-
主要資料:
- 公司財務比率:TEJ 抓取
- 訂閱清單:Fugle 提供
- 瀏覽紀錄:Fugle 提供
-
資料處理:資料處理程式及簡介 (處理過後的資料最後並非全部都有使用)
-
處理後資料沒使用原因:原本想要將使用者分類,但使用者特徵過少,就算將一些特徵抽出來,分類效果也不盡人意,因此最後選擇不使用。