— 模型质量不断提升，根据 ROC-AUC 指标，平均准确率已达到 80%。消费贷款指标表现最佳，信用卡和借记卡指标略差，但总体而言，我们对所有结果均感到满意。
该方法的唯一缺点是用于应用模型的 Cookie 数据覆盖率较高。并非所有浏览器都会收集网站访问者的数据，而且许多用户经常清除 Cookie，这使得身份识别和数据收集变得复杂。
— 您能分享哪些试点成果吗？
— 相对于标准申请审核 (RK)，在审核阶段（通过网站访问）获得批准的申请比例增加了 26%。乍一看，2.33% 的访问量带来的审核成功率并不高，但我们必须明白，这个比例并非来自提交的申请，而是来自网站访问量。
试点项目的主要成果是平均申请成本降低了21%。这成为试点项目取得成功的基石。
— 客户会感受到使用这种模式的效果吗？
— 我们的广告将减少向非目标用户展示的频率，这样人们就不会浪费时间提交申请。这样，我们不会增加忠实客户的数量，而是会减少烦躁客户的数量。虽然第一种选择也是可行的，但这取决于“优质”细分市场的容量和业务需求。
— 这个项目能给银行带来什么额外的“好处”吗？
— 除了形成的兴趣类别外，我们的承包商还 电报筛查 提供了访问过的 URL 数据。我们进行了分析，并按类别对一些网站进行了分组，这使得 ROC-AUC 增加了 1-1.5%。例如，如果用户访问了小额信贷机构的页面（目的是获得小额贷款），那么提交贷款申请的概率会显著提高，而贷款批准的概率则会趋于零。
— Yandex 的广告活动策略因此发生了哪些变化？
— 总体而言，广告设置的原则保持不变，只是现在有了额外的细分，您可以利用这些细分来降低特定用户的点击价格（直至排除他们的展示次数），或者相反，提高费率并更频繁地赢得适合用户的 Yandex.Direct 展示次数竞标。