Spade 推出了 Spade Predictions——一套为银行和金融科技公司提供的产品，提供此前主要由大型金融机构开发的交易分析访问权限。其核心是一个基于支付行为训练的基础模型，并与经过验证的商家数据相匹配。机构可以直接使用它，进一步训练以完成特定任务，或在 Spade 的软件、基础设施和嵌入上构建自己的模型。
此举正值主要银行和支付网络越来越多地基于其交易数据创建 AI 模型。这类项目需要广泛的客户历史记录、研究团队和大量投资，使得资源有限的小型机构难以获得可比的解决方案。Spade 旨在使交易 AI 更加普及于整个行业。
Spade Predictions 包含两个组件：一个使用经过验证的商家记录识别交易背后的业务，另一个解释客户行为，识别需求和风险。这解决了一个长期存在的问题：卡网络通常将交易描述中的商家名称限制为 25 个字符。该技术有助于将客户与产品匹配，预测支出并检测欺诈。Spade 表示，它不会接收个人身份信息，定制模型使用机构自己的标识符。
早期测试结果令人鼓舞。一个为美国银行信用项目进一步训练的模型比传统倾向模型表现高出 35%。使用 Spade 的商家嵌入的版本识别出约 10% 更多的未来借款人。在一次欺诈测试中，该模型在八个月的发卡行交易中进行了评估：系统足够早地识别出可疑商家，以阻止高达 300 万美元的欺诈性支出。在一个案例中，信号在第一个阻止发生前五个月就出现了。
Predictions 是 Merchant Graph 上的第三个套件，这是一个涵盖美国和加拿大 99.9% 公司的经过验证的企业数据库。根据 Spade 的说法，该图谱以超过 99% 的准确率在不到 40 毫秒内实时匹配商家。数据库记录了企业销售的商品、运营地点、与品牌的联系以及客户与他们的互动方式；地点与母品牌和所有者相连。其他两个套件是 Enrichment 和 Data Operations。Enrichment 向所有支付渠道的交易中添加有关商家、地点和品牌的验证信息，包括本地、新的和第三方路由的交易。Data Operations 允许注册特定商家和类别，并在匹配时获取自己的标识符；Spade 在名称更改、搬迁和新 ID 期间保持匹配。
本材料仅供参考，不构成财务建议或推荐。
相关文章
