金融 / 商户支付
Square：商户业务类别分类
- 企业
- Square
- 国家
- 美国
- 实施阶段
- 运营中
- 资料发布
- 日期依据
- 资料发布的时间，可能与启用日期不同。
- 依据核验方式
- 通过搜索工具的正文摘录核验
业务问题
Square主要使用商家注册时自行选择的行业信息。这种方式很容易出错。有的商家为了尽快完成注册而随意选择，也有像同时经营美发和美甲的店铺那样难以只选一项的情况。行业代码还会影响Square支付的刷卡手续费和从卡组织获得的权益。
使用的技术与数据
Square基于RoBERTa架构构建了行业分类模型，使用的是roberta-large。训练素材是经人工逐一核对的、随机抽取的20,000多名商家样本。输入包括店铺名称、注册时选择的行业与细分行业，以及在售商品和服务清单。商品按购买频次排序，并截取到模型可读的长度。注册时自动生成的商品条目会被剔除，只保留商家自己修改过的条目。训练在Databricks的GPU集群上进行，预测每天更新。
成果
Square估计，与原有方式相比，行业判别的准确率在绝对值上提升了约30%。在测试数据中，相对自主申报的提升幅度在零售和家居维修类目尤其明显。公司表示，这些预测已用于所有需要按行业拆分的内部指标。
局限与待解问题
准确率的提升是用自有测试数据得出的估计值。原文没有给出由此带来手续费下降或支付流水变化的数字。
来源
- RoBERTa Model for Merchant Categorization at Squaredeveloper.squareup.com, 查阅
本案例根据公开资料整理，并非 ATF Works 客户的成果。