下載投融界APP
隨時隨地獲取新鮮資訊
服務熱線：400-858-9000 咨詢/投訴熱線：18658148790
2023年11月30日-12月1日，由中國科技產(chǎn)業(yè)智庫“甲子光年”主辦的“致追風趕月的你”2023甲子引力年終盛典在北京順利召開。
在此次大會上，行業(yè)大咖、專家學者、產(chǎn)業(yè)高管、投資大咖、科技企業(yè)創(chuàng)始人齊聚一堂，分享在實踐中遇到的難題和積累的經(jīng)驗，為未來科技與產(chǎn)業(yè)的融合尋找新的思路。
在企業(yè)數(shù)字化的專場上，容聯(lián)云產(chǎn)業(yè)數(shù)字云事業(yè)群副總經(jīng)理、諸葛智能創(chuàng)始人孔淼介紹了金融數(shù)字化營銷的實戰(zhàn)經(jīng)驗和行業(yè)發(fā)展趨勢。
他首先指出了金融科技監(jiān)管和數(shù)字金融驅(qū)動下的市場機遇，再詳細論述了大模型技術在金融銷售服務場景中的應用，比如如何利用大模型提取話術、優(yōu)化銷售策略，并通過實時標簽和智能營銷實現(xiàn)常態(tài)化經(jīng)營策略。
對于中小銀行和大行在數(shù)字化轉(zhuǎn)型中的差距，孔淼特別強調(diào)了中小銀行面臨的挑戰(zhàn)和需求，并指出這是當下的市場機會。
以下是容聯(lián)云產(chǎn)業(yè)數(shù)字云事業(yè)群副總經(jīng)理、諸葛智能創(chuàng)始人孔淼演講實錄，“甲子光年”整理刪改：
大家好，很高興今天在這里給大家分享我們金融數(shù)字化營銷的實戰(zhàn)經(jīng)驗。
金融是很大的概念，我先簡單的說一下我們的市場機會在哪兒。
第一個營銷服務的市場機會在銀行的零售業(yè)務。大家都知道，近些年銀行的變化是非常大的。整個互聯(lián)網(wǎng)的技術慢慢滲透到銀行，銀行本身的業(yè)務從原來的資金和企業(yè)業(yè)務越來越多地也變成了像零售對客的服務。銀行的模式隨著客戶的習慣在改變，從原來的產(chǎn)品中心化走向用戶中心化。
第二個市場機會在腰部的金融機構。金融機構的投入節(jié)奏事實上很不一樣，可能大家都認為現(xiàn)在已經(jīng)進到深水區(qū)了，但中國有4000家銀行。大家印象中的很多銀行都是頭部的大行、股份制銀行，但是4000家銀行里，很多都是中小銀行、民營銀行、大行分行，比如城投商行、農(nóng)信等等一類。這些我們可以看IDC在今年的報告——過去投入非常多的、占比非常多的是頭部的國有大行、股份制的銀行，近些年城市商業(yè)銀行、農(nóng)商行占比越來越高。所以整個腰部的金融機構在這方面的投入是持續(xù)增加的。
在上述市場機會的前提下，我們相應做了一些創(chuàng)新和突破。一個背景是大模型出現(xiàn)了，我們很快進行了大模型在金融銷服場景的應用。第二個重點是幫助中小銀行在構建新一代的核心系統(tǒng)。
1.大模型落地的可能性
大模型出來之后，大家都在討論AGI等等，但我們可以看到，2015年隨著AlphaGo戰(zhàn)勝李世石，出現(xiàn)了一波AI 1.0，就是以NLP為代表的一些廠商，可以看到他們可以秀出很眩的demo，好像效果很不錯，但為什么沒有成功?
原因是真實的業(yè)務場景是開放性的，要有極強的泛化能力，而我們可以通過固化輸入、強化輸出，通過任務式人工方式做人工智能，展現(xiàn)出一個場景，而實際上我們銷售服務環(huán)境里，面臨的客戶需求是多種多樣的，自己的人員管理也很難一致和對齊，需要非常多的臨場應變能力。那么要把AI做好，意味著要投很多訓練、很多場景去做。
第二點，大模型在應用場景落地的時候，大家提了很多問題，如算力成本問題、內(nèi)容安全問題、內(nèi)容可控問題，這些問題都是真實存在的，都沒有解決。
在這種情況下，我們的選擇是聚焦，我們在討論的時候喜歡的是把所有場景放在一起講，就變成所有東西去做一個最大的集合，會發(fā)現(xiàn)問題特別多，但如果把這些場景結合商業(yè)價值不斷聚焦的時候，有一些場景是算力成本、內(nèi)容安全都可控的。
比如不做在線，做離散，用大小模型結合方式，這里面就有很多可以做的事情。在這個維度上，比如我們頭部的一家股份制銀行，大概有幾萬個，其中差不多50%都是我們的，我們在里面待了一個多月，去看他們每天的工作，現(xiàn)在的痛點、計劃，哪些是新技術可以去改變的，在算力成本、在安全可控上，我們都找到了我們的一些應用場景。比如結合大模型去做我們的話術、策略、知識庫標簽，幫助他們在銷售管理里去提高他們的業(yè)務價值。
原來AI 1.0的時候就有AI輔助，這時候更多的有文本機器人、語音機器人、實時的銷售輔助、質(zhì)檢，很多時候是一個工具，不是一個CoPilot。而我們今天是叫CoPilot，同樣的可能是因為我們的前端也有這樣的SDK、彈窗給他做實時的推薦理性，特別難，給他做內(nèi)容推薦，但這只有我們給他推薦的是個性化的內(nèi)容，是真正能成為銷售和客服的業(yè)務領航員，是真正的CoPilot。
2.中小銀行的痛點
第二個是最近幾個月我大概50%、60%的時候都在一線見各個銀行的員工，從高層到基層，大概見了幾十家銀行的員工。中小銀行和大行存在極大差距。
第一，大行可能是幾萬人、幾千人的科技團隊，中小銀行只有幾百人，甚至上百人。
第二，大行信息交換密度極高，數(shù)字化人才程度極高，組織架構調(diào)整很快。
很快的大家都要做金融科技，“十四五”規(guī)劃一出大家都開始干。但小行所有內(nèi)部上來的人全都是原來在區(qū)域銀行去做一線銷售業(yè)務人員提起來的，根本不懂什么叫數(shù)字化，什么叫數(shù)智化。
但老板就一個字“干”，還沒那么多人能干，也沒有那么多技術，怎么辦?他們迫切需要專業(yè)的人給他們提供端對端的解決方案，幫他們?nèi)ネ晟扑麄兊乃悸罚瑤退麄內(nèi)プ雎涞?，而不是給他們吹噓一堆能力。
在這個維度上，我們幫他們?nèi)ナ崂砹恕?/span>
在今天如果要改變以用戶為中心的金融營銷趨勢時，需要構建的項目群從新一代的埋點、行為分析、營銷數(shù)據(jù)統(tǒng)一平臺、用戶的智能營銷，從上面去支撐它的各個業(yè)務環(huán)節(jié)提升。
第一，現(xiàn)有銷售輔助面臨什么問題?
跟不同的人交流的時候，很重要的一個是話術，一個是MOT，在金融的電銷人員也是一樣的，一直都是很難的問題。我們經(jīng)常講用戶的個性化，面向于做千人千面，但是銷售的千人千面很難實現(xiàn)。真正好的話術往往不是來自于公司提供，因為競爭一直都在變化，客戶一直都在變化，所以往往好的銷售策略話術，來自于一線銷售。那些愿意干活，那些有沖勁的人他自己的聰明才智提煉出來的。
第二，即使變成話術給到銷售做培訓，他不知道我應該在哪個節(jié)點，哪一個出現(xiàn)轉(zhuǎn)變的時候應該怎么去說，只是告訴他一個統(tǒng)一策略。最后去復制也會很難。
我們看到好的金融機構會成立主管組長分析師的決策，天天有人聽錄音，有人去更新數(shù)據(jù)。從產(chǎn)品策略、利益點，再到話術，聽一線銷售提煉出他們有效的話術再形成話術庫再去做賦能培訓。但是絕大多數(shù)金融機構沒有這樣的人，他不知道怎么建這個組織架構也不知道怎么去培訓。
所以如果想要質(zhì)量得需要人知道怎么聽錄音。原來通過技術人員做NLP，做解析，雖然有量但是不懂業(yè)務。原來的AI只會做規(guī)則式的東西，不懂業(yè)務就很難兼顧質(zhì)和量。
3.金融數(shù)智化產(chǎn)品的架構
今天我們整個大的產(chǎn)品架構是把與客戶聯(lián)絡的從智能語音AICC、客服企微和在線會話的會話數(shù)據(jù)以及業(yè)務轉(zhuǎn)化結果的業(yè)務數(shù)據(jù)集成進來再利用大小模型結合，再利用對于鏈路數(shù)據(jù)的洞察，形成從知識、話術、QA策略賦能給客服、客戶經(jīng)理。
展開來講，第一個是大模型話術。
今天大模型泛化能力非常強，以前需要沒有變化都需要投人做訓練，并且需要業(yè)務人員和訓練數(shù)據(jù)配合?，F(xiàn)在我通過大模型能做些提取，提取完之后通過轉(zhuǎn)化效果挖掘出優(yōu)質(zhì)話術，再配合原來的QA話術給到負責人。這個負責人就不需要像以前一樣要不斷地聽錄音，只需要做審核。
這樣在前端，比如說我們外呼平臺里大家戴著耳機，在一個后臺界面上就會彈出一個框。隨著客戶溝通過程中就會彈出不同的內(nèi)容給到他選擇個性化內(nèi)容。
第二個是SOP的挖掘。
現(xiàn)在很多銷售的過程中，我們SOP是靠電銷團隊自己運營出來的，但這些人不在一線，所以很多東西定的是脫離一線的。而我們因為來自于很多一線的錄音，能根據(jù)一線錄音結果，我們訪問提煉，形成了很多與客戶溝通之間的QA，從而建立模型，給到他個性化SOP的策略配置。
第三個是場景助手。
因為我們有很多金融和客戶，也有很多聚焦的場景，比如說像銀行證券保險，包括他們的客服場景;銀行的建卡、電銷、分期催收還款;證券的投顧、合規(guī)、開戶;保險的理財、理賠等等。這些場景里面我們會沉淀非常多的Know-How，把它形成我們的標簽和我們的知識體系，從而去給到我們銷售更好的一些智能問答。
原來做這件事情是極難的。因為我們原來的很多知識需要業(yè)務人員做QA，配合訓練師去做，而且知識是很分散的。最后你統(tǒng)一去匯聚運用的時候投入成本極高。
現(xiàn)在不用了，現(xiàn)在就和chatGPT剛出來的時候有個PDF，把PDF一傳馬上能做多意圖理解是一樣的，我們也能做到。做到不同的場景下分類，多文檔的管理，統(tǒng)一的知識管理，在你的局部也能有ChatGPT這樣一個知識的體驗，形成真正的智能化問答。
4.智能營銷的必要性和方法
智能營銷簡單來講就是常態(tài)化經(jīng)營策略。很多東西是客戶經(jīng)理管不過來的時候，原來是圈客群，中心化所以做營銷，但現(xiàn)在你要自動的基于客戶的一些不同時機做個性化營銷、觸發(fā)式營銷，這是互聯(lián)網(wǎng)非常擅長的一套，金融今天也是需要的。
中小銀行做數(shù)字化營銷項目群的必要性在哪兒？有三方面：
第一方面是渠道與客戶體驗。
渠道與客戶體驗在原來銀行里面是網(wǎng)點、柜臺，今天的用戶很多時候是趨于線上包括微信包括手機銀行這種多渠道，并且用戶可能從線上渠道再到網(wǎng)點，或者在手機銀行里面辦理業(yè)務，這個時候以用戶為中心的渠道是線上線下全渠道融合的。
今天的銀行，很多基礎和IT架構里面數(shù)據(jù)是沒有融合在一起的，甚至像行為數(shù)據(jù)都是缺失的。所以從渠道客戶體驗上來講，金融銀行如果要構建數(shù)字金融的話，必須以用戶為中心，它就需要實現(xiàn)用戶渠道數(shù)據(jù)統(tǒng)一。
第二個是做金融產(chǎn)品差異化的時候，營銷策略都會變，變了之后不同的業(yè)務需求也在變化。
比如手機銀行不僅要了解各個渠道的數(shù)字，而是要做渠道背后的用戶融合、投放優(yōu)化、體驗優(yōu)化、業(yè)務促合。原來它的營銷更多是客戶經(jīng)理去服務于它的保有客群。今天線上的營銷過程背后，我們有更多的客戶在線上會自主參與過程，我們原來的資產(chǎn)管理AUM原來可能只管300萬或者100萬資產(chǎn)以上。那三百萬、一百萬以下以前在線下柜臺的時候是抓不住他的，今天是可以通過線上沉淀他們的數(shù)據(jù)對他們做運營，那這個時候缺失的是對于中常規(guī)的常態(tài)化的運營策略。
第三個是信貸場景的需要。
在信貸系統(tǒng)升級之前，可能我們都是傳統(tǒng)的通過紙質(zhì)在線下做一些經(jīng)營房抵貸，是比較麻煩的。今天在線上我們的開展貸款業(yè)務很靈活之后，尤其是民營銀行貸款銀行無論對公貸款還是對私貸款。但是線上的時候從身份證識別，再到申請、額度信審，整個環(huán)節(jié)里面流程非常長，且客戶趨于不同區(qū)域的網(wǎng)絡、手機型號版本，一旦出問題之后，可能都會影響你的資產(chǎn)的轉(zhuǎn)化率百分之零點幾。這個流程和轉(zhuǎn)化就是非常關鍵的。
對這些需求我們提供了幾個能力。
第一個就是新一代的埋點產(chǎn)業(yè)信息技術平臺。就是我們很多廠商說我有埋點，我做了。但我們做的不是埋點，是埋背后的人。背后的埋點無論是你，已經(jīng)有的埋點系統(tǒng)或者是你沒有埋，我們進SDK，全方位地從埋這個人，人進來之后再形成行為數(shù)據(jù)，解決行為數(shù)據(jù)有無的問題，再形成這種統(tǒng)一的洞察，從而構建你非常豐富的叫營銷過程的鏈路。
第二個是用戶實時標簽CDP。銀行很多都做了標簽，非常多的標簽，幾千個幾萬個標簽。這些標簽更多是基于業(yè)務結果的標簽。今天有很多是營銷過程的標簽，這個銀行是缺失的。為什么?因為今天當你有業(yè)務結果再去做用戶營銷的時候，可能別人已經(jīng)在理財?shù)狡谇耙呀?jīng)給他發(fā)了一個優(yōu)惠券或者一個權益已經(jīng)把客戶拉走了，金融客戶是沒有什么忠誠度的。
這個時候要在過程中提前預測。他如果到期前，頻繁在手機銀行上去看賬戶，看一些情況。這個客戶是不是要把錢轉(zhuǎn)走了？我是不是得干預了?等等。所以這里面對于銀行內(nèi)部是要有一套實時的這種標簽的能力來豐富他的一些經(jīng)營和維系客戶的策略，包括剛剛說的中常規(guī)的客戶經(jīng)營。
我們整個產(chǎn)品線是全信創(chuàng)的，并且我們是CMMI5，最高級別的認證?，F(xiàn)在我們在銀行、證券、保險等各個領域內(nèi)已經(jīng)覆蓋了非常多的頭部客戶。
謝謝。
