近日，由匯納科技（股票代碼：300609.SZ）首席數據科學顧問胡宇教授帶領的數據科學團隊（賽商數據）和其他幾位教授合作撰寫的以「用機器學習評估及優化商場活動」為主要議題的研究論文，被國際管理領域頂級期刊ISR接收發表（《Information Systems Research》期刊簡稱“ISR”，是管理信息系統MIS領域國際公認最頂級兩大期刊之一）。
該論文以匯納科技 · 匯客云平臺數據為基礎，構建了一個全新的可解釋機器學習模型——「GANNM 模型」，準確地評估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費分配方式，以達到商場客流最大化。
01 首創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，即不同數量的活動預算的投入能相應帶來多大規模的客流提升。這是準確評估商場營銷活動的效果及進行進一步優化的基礎。
現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律和走勢 。現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驗，對數據中真實規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。
為了突破現有評估方法中的這些困難，胡宇教授帶領的數據科學家團隊創造性地提出一個綜合了廣義相加模型以及神經元網絡的新模型，命名為Generalized Additive Neural Network Model(GANNM) 模型。
● 該模型無需對曲線的規律和走勢做出人為假設，使得曲線完全從數據中學習得出，確保模型能精準捕捉數據中的趨勢。
● 同時該模型綜合了神經網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。這些曲線嚴格從數據中訓練得出，比其他現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。這些由模型從數據中學到的規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。
結果顯示，基于GANNM 模型優化的預算重新分配與原歷史數據中的經費分配方法相比，商場客流提升效果增加了11.2%，這個結果顯著地優于基于傳統回歸模型優化的結果（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管理場景的投資回報分析，給出精確的分析結果，以及可解讀的關系曲線，為商業決策提供參考。
Tips：如何才能構建起頂級的AI大數據模型？
AI模型、大數據資源及算力是實現AI大數據建模三個必要條件，缺一不可。
AI模型
有頂級的專家，才能構建頂級的AI模型。匯納首席數據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·皮爾斯講席教授（終身正教授）、商業分析中心聯席主任以及麻省理工學院（MIT）數字經濟研究所研究員，是國際頂尖的大數據科學家，他的研究成果多次發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據科學團隊，由數十位國際前沿專家組成，致力于把大數據和人工智能模型深度應用于商業場景。
大數據資源
模型的構建是第一步，在此基礎上需要大量的數據對模型進行訓練，讓模型不斷迭代優化。如果把高質量的人工智能模型比作一棵參天大樹，那么模型的建立就猶如培育了一株小樹苗，大規模、高質量、高實時的大數據資源，就是滋養這棵小樹茁壯成長的陽光、水分和養料。匯納科技·匯客云平臺所構建的行業數字底座，為模型的“生長”提供了必要的條件。
