• 投資信鴿
  • 問題介紹
  • 主要目標
  • 線上測試
• 我們的方法
  • item-based
  • user-based
  • 共現關係
  • 資料處理

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

回目錄

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）

• 處理後的資料有使用： 產業比例、 股票共現

• 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。

回目錄