Erhöhung der Akzeptanzrate durch maschinelles Lernen

Wir haben ein verhaltensbasiertes Modell zur Optimierung des Underwritings mit einem personalisierten Angebot in Echtzeit und mit minimaler Latenzzeit entwickelt. Das Modell berechnet die Wahrscheinlichkeit der Annahme eines jeden Kundenangebots auf der Grundlage von Hunderten von Merkmalen, einschließlich Daten der Kreditbüros. Die Zahl der angenommenen Kreditangebote stieg durch das individuelle Angebot für jeden Kunden um 30 %.