九卦| 大模型时代，银行距离智能化客户经营还有多远？-环球热头条

作者 | 百融云创研究院

来源 | 九卦金融圈

编辑 | 武文 张云迪

(资料图)

谷歌副总裁、人工智能教父Geoffrey Hinton 在5月的一次公开发言提到“人类可能只是AI演化的过度阶段”.....他认为大模型时代，人工智能将有可能进行思维实验，这就意味着，大模型可以导致智能涌现，即人工智能可以跳出人类事先限定范围的藩篱，将能够进行推理.....

万亿级的连接，本就让AI学习速度对人类构成降维打击，若能够自行推理，就等于打破了学习的“光速边界”。AI还只会是人类的工具和助手吗？因此Geoffrey Hinton一再地吹响哨子，提醒人类，人工智能的光速发展，对人类构成的威胁......

新事物的出现，人类的认知往往会经历“看不起、看不懂、跟不上”几个阶段。如何把握智能化的趋势，将其用于解决银行业一以贯之的“海量客群之痛”，是值得银行及科技公司在当下这个关键时点，必须去探索的方向。

Part.01

银行业大规模系统建设的投入阶段已经过去，之前是不计成本的投入，但无法打通对前线绩效负责的最后一公里，智能化时代，这一切应该得到改变，各家银行都开始关注投入产出比，数字化转型变得更加理性。具体来说，经营过程存在以下四大趋势：

一是从资产端向负债端拓展，汇、贷、存的数字化能力建设分别处于大局已定、趋近成熟及扬帆起航阶段。

二是从建设到运营，科技和数据的价值如何变现？要通过运营从客户端变现，做到对客户有用、对员工有用、对用户有用。

三是从贵宾到中长尾，百融云创在服务银行的过程中发现，不同银行的中长尾客群中蕴藏15~20%不等的可投资金额50万以上的客群，亟待用人+数字化挖掘中长尾客群中的金矿。

四是从单向推送到闭环迭代，大部分银行都有经营客户的各种策略，但往往只限于策略的单向推送，策略无法根据客户的反应调优，导致“智商偏低”。智能化的内涵是利用数据与系统，形成效果评估迭代闭环，保持经营客户的策略始终是聪明的。

Part.02

智能化本质是数字驱动，通过人工智能技术、大规模机器学习来摆脱对人经验的依赖，虽在当前这个阶段，人工智能还未出现智能涌现，却足可以使得经营客户的策略不断优化迭代变得更加聪明。

银行通过建设一套人+数字化体系，扩大经营范围的同时，以数据洞察为基础实现对客户有温度的关系营销，能够有效地管理起海量的中长尾客群，构建起稳固的金字塔型，具有自生力量，客户资产不断向上输送的客户经营体系。

迈入智能运营阶段，需要几个必要条件：

很多银行都已经认识到外部数据的重要性，连网商银行的数据都有70%来自于外部，只有30%来自于阿里内部。但外部标签并非越多越好，而是要有效有用，提升标签的质量，推动银行的轻量化运营。

除了头部的零售银行，大部分银行对于评估迭代闭环基本都停留在概念与方法论上，并没有在实践中真正跑通闭环。但缺乏了评估环节，等于蒙眼狂奔，总行发布的策略，往往前线执行力很低，因为效果不佳，但如何改进效果，又没有清晰的方向。

系统是提升效率的刚需，上文提到了银行业已经基本走过了轰轰烈烈建设系统的阶段，但前线需要的某些必要的系统与工具仍然缺失，例如在做客户经营时，需要支持策略自动生成、策略执行后数据回检、生成报表的中台系统，否则只能人肉去做这一切非常繁杂的工作。

除了上述关键问题，由于体制机制的限制，银行在迈入智能化的阶段时，最大的问题是缺人，缺乏必要的职能岗位。客群运营的环节多、流程长，需要各类专业人才各司其职，但矛盾的是，银行的总行与分行作为机关，缺乏相关的岗位设置，也缺乏运营领域各类专业人才，且部门之间职能分割，比如数据团队、客群经营团队、产品团队分属不同部门，难以形成合理，构建高效运营团队。

Part.03

百融的解决方案针对性地补充银行数智化客群运营所需要的各项能力：包括数据标签及建模能力、体系化策略运营能力、基于AB Test的运营闭环、人才与编制瓶颈、直达痛点的系统与数字化工具。

百融云创向银行交付的是业务结果，提供包括数据、模型、策略规划、话术内容、系统（策略引擎）、运营（可代客运营）、迭代调优等各个环节的一站式解决方案。经过AB Test，为银行的经营指标如财富MAU、AUM、贵宾客户数提升等带来可观、清晰、可衡量的业务增益，同时在服务的过程中为银行建立起客群链式输送体系及数智化运营机制。

具体解决方案为4+1闭环服务：包括数字洞察、智能策略、渠道触客、敏捷迭代及数字化系统和工具。

数字洞察：百融有两类数据标签能够有效解决高潜客户挖掘及金融偏好分析的问题。

可投资等级预测标签：基于百融数据，在某国有行省分行服务中，在AUM20万以下的长尾客户中，补充识别共 18% 的潜在高价值客户，其中包含有车客户9%、有房客户7%以及企业主客户2.10%。

投资偏好预测标签及模型：

标签效果：通过百融数据标记有投资偏好的客户，发现其理财、基金购买的意愿均有2倍以上的提升；

模型效果：通过百融数据标签分别构建理财、基金响应模型，评分Top10%的客户对产品购买意愿有3.20和4.51倍的提升。

智能策略：根据百融的经验，单次触达策略难以取得预期效果，因此百融是沿时间流来设计多波次、立体式的策略规划，从而有章法、成体系地触客。基于客户价值分层，遵循多波次，轻重渠道结合的立体式策略布放原则。

尤其对于事件类策略，比如代发MOT，更要沿着发薪日设计T-7、T-3、T、T+3、T+7一系列的触客策略，才能有效完成入金、固沙、防流失的经营目的。

内容运营：内容的适配性，在触客的一瞬间几乎可以决定经营的效果，百融服务客户过程中将针对不同客群、不同offer（产品与活动、权益）、不同渠道设计触客内容，并持续迭代优化使得内容更优。

敏捷迭代：根据不同业务场景、细分业务目标来定义成功准则，形成迭代优化闭环，找到最佳实践，在这个环节有两点至关重要。

首先要针对每项策略定义成功标准，涵盖客户行为激励、业务指标转化等维度，实现对策略的精细化管理及有效性甄别；

之后要进行大规模A B test：通过设置对照组与实验组（对照组采取自然增长，实验组匹配具体策略）对比转化结果，验证策略有效性。快速迭代，实现优质策略的沉淀，形成银行自有的策略库。

系统支撑：提升效率、沉淀智慧的营销策略引擎。多数银行面临手工导入策略、策略众多难以科学排序及统筹及策略效果难以追踪等问题。百融策略引擎基于业务思维设计，降低了业务人员操作的门槛，更能够提升效率、沉淀智慧，策略开发部署时间能从以往2周以上缩短至30分钟，且内嵌策略成功准则，有助于形成迭代评估闭环。虽然系统建设需要投入时间成本，但这是一劳永逸的工作，后续部署及评估迭代的效率会有质的飞跃。

百融云创典型业务场景包括休眠客户激活、中长尾客群资产提升及代发客群经营三大类，如下图：

Part.04

“大模型时代，银行距离智能化客户经营还有多远？”当我把这问题输给ChatGPT，它这样回答：

嗯，这个回答，中规中矩吧。但相信不远的未来，当大模型赋能了智能涌现，人工智能对人类工作的替代性将会大比例提升。对于银行的整体经营来讲，能否用好人工智能技术，将造成银行之间再一次巨大的分野。祝福所有银行都能在这个时代抓住AI的机遇。

责任编辑：Rex_14