该论文以「汇纳科技 汇客云」平台数据为基础，构建了一个全新的可解释机器学习模型――「GANNM 模型」，准确地评估以及刻画不同类型的营销活动对商场客流的影响，由此推算出最有效的营销经费分配方式，以达到商场客流最大化。

　　复制链接或点击文末"阅读原文"，查阅论文

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

　　01 首创GANNM模型，准确评估商场营销活动ROI

　　本项研究首要解决的难点是如何准确刻画商场营销活动的投资回报曲线，即不同数量的活动预算的投入能相应带来多大规模的客流提升。这是准确评估商场营销活动的效果及进行进一步优化的基础。

　　难点

　　现有的评估方法普遍存在的问题：

　　一、难以准确刻画以上曲线的客观真实规律和走势 。现有评估分析方法需要预先人为假设模型的曲线走势，导致模型过于依赖人为的经验，对数据中真实规律的描述容易有偏差甚至误导；

　　二、无法通过模型直接学习曲线。传统机器学习模型虽可以极大提升预测精度，却由于模型本身的黑箱原理，不能直接准确描绘具体的曲线关系，反映资金投入和客流提升的关系。

　　为了突破现有评估方法中的困难，胡宇教授带领的数据科学家团队创造性地提出一个综合了广义相加模型以及神经元网络的新模型，命名为Generalized Additive Neural Network Model (GANNM 模型)：

　　该模型无需对曲线的规律和走势做出人为假设，使得曲线完全从数据中学习得出，确保模型能精准捕捉数据中的趋势；

　　同时该模型综合了神经网络模型在深度学习方面的强大预测能力，在广义相加模型学习曲线的同时，利用深度学习模型学习并控制其他各类因素对曲线的影响，即剥离天气、日期等等外部因素对客流的影响，以准确学习出在不同场景下由于对活动的资金投入带来的客流收益。

　　此模型在保证可解释性的同时，在预测的准确度方面实现了突破性的提升。

　　02 GANNM 模型有多强大？

　　在本次研究中，利用GANNM模型对五种不同类型的商场营销活动进行了研究：旺季体验型，旺季促销型，淡季体验型，淡季促销型，以及电商促销季活动（双十一等）。

　　为每种类型的活动分别给出活动资金投入对客流提升的曲线关系。这些曲线严格从数据中训练得出，比其他现有评估分析模型给出更细致、准确的投资回报分析。

　　在这些活动效果曲线的基础上，可进一步模拟优化分配活动预算，即在假设每年总预算不变的情况下，如何在不同类型的营销活动之前优化资金分配，得到最显著的客流提升效果。例如，模型建议商场加大对体验导向型活动的投资力度，以吸引更多的客流。

　　此外，模型也学习到了电商促销季对商场客流的影响，并由此提出要么不参与，要么加大资金投入力度以和电商竞争的建议。这些由模型从数据中学到的规律和由此得出的管理建议，将会给商场的运营者和管理者提供一些新的管理思路。

　　结果显示，基于GANNM 模型优化的预算重新分配与原历史数据中的经费分配方法相比，商场客流提升效果增加了11.2%，这个结果显著地优于基于传统回归模型优化的结果（3.2%）。

　　论文中研究的商场营销活动的投资回报曲线对GANNM模型来说只是“小试牛刀”。

　　胡宇教授表示：GANNM模型可以广泛应用于不同商业管理场景的投资回报分析，给出精确的分析结果，以及可解读的关系曲线，为商业决策提供参考。

　　Tips

　　如何才能构建起顶级的AI大数据模型？

　　AI模型、大数据资源及算力是实现AI大数据建模三个必要条件，缺一不可。

　　AI模型

　　有顶级的专家，才能构建顶级的AI模型。汇纳首席数据科学顾问胡宇教授，是佐治亚理工学院席勒商学院莎朗和大卫皮尔斯讲席教授（终身正教授）、商业分析中心联席主任以及麻省理工学员（MIT）数字经济研究所研究员，是国际顶尖的大数据科学家，他的研究成果多次发表在世界顶级学术期刊，被中国、美国、欧洲主流媒体广泛引用和报道。胡宇教授所带领的数据科学团队，由数十位国际前沿专家组成，致力于把大数据和人工智能模型深度应用于商业场景。

　　大数据资源

　　模型的构建是第一步，在此基础上需要大量的数据对模型进行训练，让模型不断迭代优化。如果把高质量的人工智能模型比作一颗参天大树，那么模型的建立就犹如培育了一株小树苗，大规模、高质量、高实时的大数据资源，就是滋养这棵小树茁壮成长的阳光、水和养料。汇纳科技汇客云平台所构建的行业数字底座，为模型的“生长”提供了必要的条件。