信用卡公司可以跨多个业务领域使用人工智能应用程序。基于人工智能的欺诈检测是金融领域讨论最广泛的人工智能应用之一，它对信用卡的作用似乎与对银行的作用类似。此外，信用卡公司和金融机构可以使用人工智能软件进行改进客户服务并开展以客户为目标的营销活动。
在这篇文章中，我们详细介绍三位著名的使用情况在信用卡行业AI软件，并描述了如何与客户每天他们中的一些互动。这些用例包括：
- 欺诈检测:信用卡公司有可能实现预测分析在现有的欺诈检测工作流程中减少误报。
- 聊天机器人旅游:信用卡公司提供检查他们的银行结余及以上，而旅行的客户聊天机器人。这些聊天机器人运行自然语言处理(NLP)。
- 卡联营销：利用人口统计数据和信用卡购买历史，信用卡公司可以数字化地向客户提供有针对性的促销和交易。
我们还讨论了如何最大的信用卡公司，包括万事达和签证，使用这些应用程序是否他们所看到的成功与他们。我们开始我们的AI的勘探信用卡欺诈检测和分析如何预测可以实现它的信用卡公司和银行的一致好评。这可能证明对银行和信用卡公司重要的是要有以强大的欺诈管理方法，以保持他们的客户，其他业务合作伙伴，和对方的安全。
欺诈检测
AI软件可以分析并就其被欺诈可能性分数信用卡交易类似，它可能如何得分银行交易。信用卡公司可以使用任何预测分析或异常检测来实现这一点，但预测分析解决方案可能是因为更深入的培训方式，软件采用更加困难。
预测分析算法必须大量金融数据上进行训练。在这种情况下，这将是一系列“事件”包含有关个人信用卡交易的数据。数据科学家任务是训练算法会，一次就全部暴露在数据库中。
这种方式就是使算法逐渐开始“理解”什么可以接受的交易的样子，而让它发现自身的欺诈行为。此外，软件的培训这种方式有发现以前未发现的欺诈方法，并开始萎靡不振更欺诈交易的可能性。
万事达卡的决定智力
万事达基于预测分析的欺诈检测解决方案，决策智能，据称分析客户数据，商家数据，以及众多的其他数据源的得分对他们的欺诈交易的可能性。它拒绝的是低于客户的信用卡公司选择的阈值的交易。例如：欺诈A 90％的可能性。
万事达还声称，他们的软件将客户划分为具有类似遭遇欺诈可能性的群体。他们声称这有可能减少误报。下面的图表解释了万事达卡的客户和他们的客户所声称的决策智能的好处:
决定智力因素如数据：
- 客户数据，包括网上购物行为
- 一天的时间
- Geolocational数据
- 关于谁是商家和他们的客户群的一般人口统计数据
- 购买的类型，如经常性会员或个别产品
我们采访了Sanmay Das，计算机科学与工程学院副教授华盛顿大学圣路易斯分校，关于金融机构如何利用这些数据的。面试不仅涉及欺诈检测和信用风险评分为客户。当被问及如何信用风险原有的工作模式，达斯说：
一个单独的银行会有所有的信息，基本上就是“你到底买了什么”，“你在哪里买的”，“美元价值是多少”等等。这是非常有用的，事实上，之前的研究表明，利用机器学习技术可以很好地利用这些信息来评估某人可能拖欠信用卡债务的风险。
在我们所做的工作中，我们实际上并没有一个人的所有购买行为的详细数据。我们所拥有的基本上是你在月度报表上看到的最上面的数字。你会看到关于"你的未偿余额是多少" "你之前的付款是多少" "如果你迟付了，你迟付了多少天"等等的信息这些信息仍然是很多的。
个人信用卡公司可能会受益于他们，以提高他们都欺诈检测和信用风险预测方法共享数据的合作伙伴关系。这是因为信用卡公司可能没有每个客户详细数据，但仍然有机会获得必要的信用评分和确定客户的欺诈行为的风险一般的信用信息。
供应商景观：DataVisor
DataVisor还提供了欺诈检测的预测分析。该公司声称，其软件可以为交易、保险索赔、贷款申请和经常性付款创建欺诈风险评分。他们还表示，他们的软件可以根据新发现的欺诈方法识别新的风险因素。
DataVisor的一个案例研究它们帮助一家全球金融机构发现了一些欺诈手段，而这些手段超出了它们现有的反欺诈措施。案例研究表明，该客户使用了来自不同公司的许多欺诈检测解决方案，但希望提高其欺诈检测方法的准确性和效率。
根据案例研究，DataVisor帮助金融机构将检测到的欺诈交易数量增加了20%。报告还说，他们的检测准确率上升到94%，假阳性率下降到0.9%。据称，该客户每年从避免退款中节省了1200万美元。
我们在文章中深入探讨了人工智能在信用卡欺诈检测中的作用，用于信用卡诈骗的机器学习- 7个用于检测和预防的应用
聊天机器人的旅行
一些信用卡公司从为其移动金融应用程序配备人工智能中获益。例如,签证加拿大与合作芬兰人AI以提高签证程序聊天机器人背后的自然语言处理算法。
据称，Visa的聊天机器人可以让客户在国内或国外旅行时找到重要的财务信息。这包括最近的位置自动取款机以及他们访问的国家的汇率信息。
此外，客户可以据称询问如何编写自己的银行账户和信用卡的旅行提示机器人。这包括确保移动应用程序通知接通旅游，有利的国际金融服务，并禁止放错地方的卡。
下面是芬兰人AI的网站，显示了他们的步骤采取聊天机器人来了解什么是被要求和响应准确的图像。这里已包括列表解释详细解释这些步骤：
- 文字/语音输入:客户输入或记录他们的问题并将其发送给聊天机器人。这通常是通过智能手机上的移动应用程序完成的。
- 自然语言处理:给个别词类加上标签，以确定句子的意思，同时分析问题背后的情感。此外，这涉及到识别重要实体的名称，如银行本身、客户的名称或他们正在处理的问题的类型。
- 机器学习(ML):通过运行该算法将决定聊天机器人如何响应从用户的问题中提取的信息。在图像中，芬兰人AI是指这些工艺不同形式的“学习”，但这些在很大程度上是营销的术语，并不能从根本上改变了ML过程。
- 决策:芬兰人AI声称该软件是指回一些硬的规则，当决定在响应的类型给，这可以帮助ML模型产生一个清晰的回应。
- 回应：该聊天机器人响应用户的文本形式的问题，这个问题和响应稍后用于进一步火车聊天机器人
在工作流程中采用聊天机器人
我们采访了Madhusudan Mathihalli， CTO和联合创始人通道AI，企业可以了解如何获取聊天机器人工作，以自己的优势。当我们问他关于聊天机器人如何处理具体问题，Mathihalli说：
我们不必须非常，非常定制特定客户的订单，喜欢个性化。我们仍然可以理解自然语言，理解的依赖关系。无论您与奶酪，奶酪不，奶酪就在旁边说。这些是渲染同样的事情都只是不同的方式。我们只需要使用自然语言识别，我该如何理解用户在问什么，领悟的要求，了解意图，并将其映射到工作流。我们应该能够处理很多这些类型的场景。
Mathihalli声称，用自然语言识别用户的问题是推动软件成功的一个基本方面。随着客户反复使用单词，ML算法可以逐渐理解更多的单词，这意味着金融机构在开始训练聊天机器人时，可能不需要关注客户说话方式的每一个细节。
Card-Linked营销
信用卡公司可以利用客户数据和消费行为向客户展示基于自己的信用卡或借记卡活动的第三方广告。这就是所谓的卡联营销。
影响哪些交易与哪些客户相匹配的因素包括人口统计数据、一年中的时间和客户的地理位置。然后，这些因素本质上是与购物和理财习惯相违背的，以便为客户展示最有针对性的广告。
信用卡交易创建有关客户花的钱和什么样的产品有全面的了解，他们购买其中的数据。这些数据可以让机器学习模型实时根据他们最近的消费习惯相匹配的客户交易。
对于卡挂钩营销培训的算法
当分析与机器学习人口指，公司将不太可能建立强硬的规则，他们的软件来识别个人的这些差异。这意味着ML算法对这种类型的应用不一定需要大量的培训，教它关于性别的产品或系列产品，如婴儿食品。取而代之的是，该系统可以来通过他们的消费习惯，以查找有关客户的这些细节。
这是通过将性别化的产品标记为更有可能卖给男性或女性，然后让算法逐渐获得对男性和女性更经常购买的产品的更广泛的“理解”来实现的。在这种情况下，机器学习算法实际上并没有经过培训来识别顾客是男是女。相反，它被训练将他们的消费习惯与更有效的营销的目的联系起来。
虽然在某种程度上，软件需要将一种产品或另一种产品标记为“针对男性”或“针对女性”，但如果他们的消费行为显示出比平常更高的成功可能性，它仍然可以向异性推荐这些产品中的一种。
我们采访了萨米特Borar数据科学与工程，总监Myntra有关的机遇AI在印度的零售和电子商务。当被问及他如何公司发现并存储的人口统计数据，Borar说：
当我们要求性别时，我们有明确的性别和含蓄的性别。隐性性别指的是某人在为谁购物。例如，我可能是男性，但我可能为我的妻子购物。因此，只向男性提供建议可能不是正确的做法。我们从显性性别开始，慢慢地向隐性性别转变(基于购买历史)。
博拉尔声称，他的公司允许他们的人工智能软件确定客户的“隐性性别”，即客户对性别化产品的偏好倾向于何处。考虑到一些男性和女性可能会使用通常与异性有关的产品，这可能会使销售范围略微扩大。
理论上，顾客在购买他们可能会购买的商品时，会收到一个通知。这是一个最好的情况下，试图实现信用卡连接营销，或营销具体依赖于信用卡和借记卡活动。
供应商景观：Cardlytics
Cardlytics是一家向金融行业销售卡片链接营销软件的人工智能供应商。他们声称使用“购买图表”，或基于购买行为的人口统计数据来匹配客户可能愿意花钱的交易。
该公司还声称，他们已经设计了AI软件的客户敏感信息重点发展的隐私，同时还提供高效的营销交易和客户匹配。下面是Cardlytics的网站的图形，说明信息的安全为重点的流程：
业绩报告从银行的数据库发送到Cardlytics的营销前线，然后与零售商沟通信息。然后，零售商可能会利用这些信息进行更好的营销活动，然后将这些信息反馈给Cardlytics，以匹配客户群。
Cardlytic出版了一新闻稿关于Celent进行的关于美国银行“美国银行理想”营销计划的案例研究。根据案例研究，美国银行成为了Cardlytics的客户，后者使用了大约70%的美国家庭的消费数据。
该研究还表明，零售商可以可靠地将其营销预算的一部分投入到与信用卡相关的营销中，并获得显著的投资回报率。这意味着，希望以有利可图的方式瞄准有技术意识的客户的公司，可能希望进一步研究人工智能卡关联营销的应用。
标题图片来源：Indepedent.co.uk
