來(lái)源： @首席數(shù)智官

hello 大家好，我們是數(shù)字化領(lǐng)軍者都在看的首席數(shù)智官。

關(guān)注我，每天給你講一個(gè)商業(yè)案例。

今天我們要給你講的是：銀行數(shù)字化轉(zhuǎn)型的核心痛點(diǎn)究竟在哪里？

博鰲亞洲論壇2024年年會(huì)期間，人民網(wǎng)正式發(fā)布《2024年中國(guó)AI大模型產(chǎn)業(yè)發(fā)展報(bào)告》。

報(bào)告系統(tǒng)性分析了AI大模型產(chǎn)業(yè)發(fā)展背景、現(xiàn)狀、典型案例、挑戰(zhàn)以及未來(lái)趨勢(shì)。旨在給政府部門、行業(yè)從業(yè)者、社會(huì)公眾提供價(jià)值參考。

《報(bào)告》認(rèn)為，與通用大模型相比，行業(yè)大模型具有專業(yè)性強(qiáng)、數(shù)據(jù)安全性高等特點(diǎn)，未來(lái)大模型真正的價(jià)值體現(xiàn)在更多行業(yè)及企業(yè)的應(yīng)用落地層面。

一方面，行業(yè)大模型將通用大模型用于形成多領(lǐng)域能力的資源集中于特定領(lǐng)域，模型參數(shù)相對(duì)較小，對(duì)于企業(yè)落地而言具有顯著的成本優(yōu)勢(shì)。另一方面，行業(yè)大模型結(jié)合企業(yè)或機(jī)構(gòu)內(nèi)部數(shù)據(jù)，為B端用戶的實(shí)際經(jīng)營(yíng)場(chǎng)景提供服務(wù)，能更加體現(xiàn)模型對(duì)于機(jī)構(gòu)的降本增效作用。

容聯(lián)云赤兔大模型，作為唯一金融行業(yè)大模型入選該報(bào)告呈現(xiàn)的我國(guó)大模型典型代表。

作為老牌云通訊服務(wù)商，容聯(lián)云近兩年正在積極向AI轉(zhuǎn)型。

去年12月19日，在容聯(lián)云“未來(lái)生成式——大模型應(yīng)用升級(jí)新品發(fā)布會(huì)”上，容聯(lián)云正式發(fā)布基于自研赤兔大模型的全新產(chǎn)品品牌【容犀智能】及生成式應(yīng)用【容犀Copilot】。

據(jù)介紹，容犀智能從業(yè)務(wù)場(chǎng)景出發(fā)，結(jié)合全流程鏈路的數(shù)據(jù)能力、大小模型應(yīng)用、端到端解決方案落地能力，彌合企業(yè)在數(shù)智化轉(zhuǎn)型時(shí)技術(shù)與業(yè)務(wù)應(yīng)用的差距，尋求投入與效益的最佳平衡，幫助企業(yè)實(shí)現(xiàn)營(yíng)銷服務(wù)數(shù)智化升級(jí)。全新的容犀智能品牌將包含容犀AICC、容犀Desk、諸葛IO/CDP/CEP、容犀Copilot四大模塊。

赤兔大模型在落地層面非常領(lǐng)先。除了人民網(wǎng)的AI大模型產(chǎn)業(yè)發(fā)展報(bào)告外，日前，國(guó)際數(shù)據(jù)公司IDC發(fā)布了《從典型落地案例看生成式AI采用旅程，3Q23》報(bào)告，通過(guò)幾個(gè)典型案例介紹用戶采用生成式AI的考量、應(yīng)用場(chǎng)景、落地路線、決策流程，為最終用戶提供參考建議。

容聯(lián)云基于自研赤兔大模型助力《XX銀行服務(wù)營(yíng)銷場(chǎng)景引入生成式AI》，入選該報(bào)告，從這個(gè)案例中，可以看到生成式AI落地的挑戰(zhàn)、合作伙伴選型的考量，以及生成式AI可能的落地路線。

前不久，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)始人孔淼向我們介紹了金融數(shù)字化營(yíng)銷的實(shí)戰(zhàn)經(jīng)驗(yàn)和行業(yè)發(fā)展趨勢(shì)。

他首先指出了金融科技監(jiān)管和數(shù)字金融驅(qū)動(dòng)下的市場(chǎng)機(jī)遇，再詳細(xì)論述了大模型技術(shù)在金融銷售服務(wù)場(chǎng)景中的應(yīng)用，比如如何利用大模型提取話術(shù)、優(yōu)化銷售策略，并通過(guò)實(shí)時(shí)標(biāo)簽和智能營(yíng)銷實(shí)現(xiàn)常態(tài)化經(jīng)營(yíng)策略。

對(duì)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(qiáng)調(diào)了中小銀行面臨的挑戰(zhàn)和需求，并指出這是當(dāng)下的市場(chǎng)機(jī)會(huì)。

金融是很大的概念，我先簡(jiǎn)單的說(shuō)一下我們的市場(chǎng)機(jī)會(huì)在哪兒。

第一個(gè)營(yíng)銷服務(wù)的市場(chǎng)機(jī)會(huì)在銀行的零售業(yè)務(wù)。大家都知道，近些年銀行的變化是非常大的。整個(gè)互聯(lián)網(wǎng)的技術(shù)慢慢滲透到銀行，銀行本身的業(yè)務(wù)從原來(lái)的資金和企業(yè)業(yè)務(wù)越來(lái)越多地也變成了像零售對(duì)客的服務(wù)。銀行的模式隨著客戶的習(xí)慣在改變，從原來(lái)的產(chǎn)品中心化走向用戶中心化。

第二個(gè)市場(chǎng)機(jī)會(huì)在腰部的金融機(jī)構(gòu)。金融機(jī)構(gòu)的投入節(jié)奏事實(shí)上很不一樣，可能大家都認(rèn)為現(xiàn)在已經(jīng)進(jìn)到深水區(qū)了，但中國(guó)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(yíng)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(bào)告——過(guò)去投入非常多的、占比非常多的是頭部的國(guó)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(lái)越高。所以整個(gè)腰部的金融機(jī)構(gòu)在這方面的投入是持續(xù)增加的。

在上述市場(chǎng)機(jī)會(huì)的前提下，我們相應(yīng)做了一些創(chuàng)新和突破。一個(gè)背景是大模型出現(xiàn)了，我們很快進(jìn)行了大模型在金融銷服場(chǎng)景的應(yīng)用。第二個(gè)重點(diǎn)是幫助中小銀行在構(gòu)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(lái)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(cuò)，但為什么沒(méi)有成功？

原因是真實(shí)的業(yè)務(wù)場(chǎng)景是開(kāi)放性的，要有極強(qiáng)的泛化能力，而我們可以通過(guò)固化輸入、強(qiáng)化輸出，通過(guò)任務(wù)式人工方式做人工智能，展現(xiàn)出一個(gè)場(chǎng)景，而實(shí)際上我們銷售服務(wù)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(duì)齊，需要非常多的臨場(chǎng)應(yīng)變能力。那么要把AI做好，意味著要投很多訓(xùn)練、很多場(chǎng)景去做。

第二點(diǎn)，大模型在應(yīng)用場(chǎng)景落地的時(shí)候，大家提了很多問(wèn)題，如算力成本問(wèn)題、內(nèi)容安全問(wèn)題、內(nèi)容可控問(wèn)題，這些問(wèn)題都是真實(shí)存在的，都沒(méi)有解決。

在這種情況下，我們的選擇是聚焦，我們?cè)谟懻摰臅r(shí)候喜歡的是把所有場(chǎng)景放在一起講，就變成所有東西去做一個(gè)最大的集合，會(huì)發(fā)現(xiàn)問(wèn)題特別多，但如果把這些場(chǎng)景結(jié)合商業(yè)價(jià)值不斷聚焦的時(shí)候，有一些場(chǎng)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(jié)合方式，這里面就有很多可以做的事情。在這個(gè)維度上，比如我們頭部的一家股份制銀行，大概有幾萬(wàn)個(gè)，其中差不多50%都是我們的，我們?cè)诶锩娲艘粋€(gè)多月，去看他們每天的工作，現(xiàn)在的痛點(diǎn)、計(jì)劃，哪些是新技術(shù)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(yīng)用場(chǎng)景。比如結(jié)合大模型去做我們的話術(shù)、策略、知識(shí)庫(kù)標(biāo)簽，幫助他們?cè)阡N售管理里去提高他們的業(yè)務(wù)價(jià)值。

原來(lái)AI 1.0的時(shí)候就有AI輔助，這時(shí)候更多的有文本機(jī)器人、語(yǔ)音機(jī)器人、實(shí)時(shí)的銷售輔助、質(zhì)檢，很多時(shí)候是一個(gè)工具，不是一個(gè)CoPilot。而我們今天是叫CoPilot，同樣的可能是因?yàn)槲覀兊那岸艘灿羞@樣的SDK、彈窗給他做實(shí)時(shí)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(gè)性化的內(nèi)容，是真正能成為銷售和客服的業(yè)務(wù)領(lǐng)航員，是真正的CoPilot。

2.中小銀行的痛點(diǎn)

第二個(gè)是最近幾個(gè)月我大概50%、60%的時(shí)候都在一線見(jiàn)各個(gè)銀行的員工，從高層到基層，大概見(jiàn)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(wàn)人、幾千人的科技團(tuán)隊(duì)，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(gòu)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(kāi)始干。但小行所有內(nèi)部上來(lái)的人全都是原來(lái)在區(qū)域銀行去做一線銷售業(yè)務(wù)人員提起來(lái)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(gè)字“干”，還沒(méi)那么多人能干，也沒(méi)有那么多技術(shù)，怎么辦？他們迫切需要專業(yè)的人給他們提供端對(duì)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(gè)維度上，我們幫他們?nèi)ナ崂砹恕?/p>

在今天如果要改變以用戶為中心的金融營(yíng)銷趨勢(shì)時(shí)，需要構(gòu)建的項(xiàng)目群從新一代的埋點(diǎn)、行為分析、營(yíng)銷數(shù)據(jù)統(tǒng)一平臺(tái)、用戶的智能營(yíng)銷，從上面去支撐它的各個(gè)業(yè)務(wù)環(huán)節(jié)提升。

第一，現(xiàn)有銷售輔助面臨什么問(wèn)題？

跟不同的人交流的時(shí)候，很重要的一個(gè)是話術(shù)，一個(gè)是MOT，在金融的電銷人員也是一樣的，一直都是很難的問(wèn)題。我們經(jīng)常講用戶的個(gè)性化，面向于做千人千面，但是銷售的千人千面很難實(shí)現(xiàn)。真正好的話術(shù)往往不是來(lái)自于公司提供，因?yàn)楦?jìng)爭(zhēng)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(shù)，來(lái)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(lái)的。

第二，即使變成話術(shù)給到銷售做培訓(xùn)，他不知道我應(yīng)該在哪個(gè)節(jié)點(diǎn)，哪一個(gè)出現(xiàn)轉(zhuǎn)變的時(shí)候應(yīng)該怎么去說(shuō)，只是告訴他一個(gè)統(tǒng)一策略。最后去復(fù)制也會(huì)很難。

我們看到好的金融機(jī)構(gòu)會(huì)成立主管組長(zhǎng)分析師的決策，天天有人聽(tīng)錄音，有人去更新數(shù)據(jù)。從產(chǎn)品策略、利益點(diǎn)，再到話術(shù)，聽(tīng)一線銷售提煉出他們有效的話術(shù)再形成話術(shù)庫(kù)再去做賦能培訓(xùn)。但是絕大多數(shù)金融機(jī)構(gòu)沒(méi)有這樣的人，他不知道怎么建這個(gè)組織架構(gòu)也不知道怎么去培訓(xùn)。

所以如果想要質(zhì)量得需要人知道怎么聽(tīng)錄音。原來(lái)通過(guò)技術(shù)人員做NLP，做解析，雖然有量但是不懂業(yè)務(wù)。原來(lái)的AI只會(huì)做規(guī)則式的東西，不懂業(yè)務(wù)就很難兼顧質(zhì)和量。

3.金融數(shù)智化產(chǎn)品的架構(gòu)

今天我們整個(gè)大的產(chǎn)品架構(gòu)是把與客戶聯(lián)絡(luò)的從智能語(yǔ)音AICC、客服企微和在線繪畫的繪畫數(shù)據(jù)以及業(yè)務(wù)轉(zhuǎn)化結(jié)果的業(yè)務(wù)數(shù)據(jù)集成進(jìn)來(lái)再利用大小模型結(jié)合，再利用對(duì)于鏈路數(shù)據(jù)的洞察，形成從知識(shí)、話術(shù)、QA策略賦能給客服、客戶經(jīng)理。

展開(kāi)來(lái)講，第一個(gè)是大模型話術(shù)。

今天大模型泛化能力非常強(qiáng)，以前需要沒(méi)有變化都需要投人做訓(xùn)練，并且需要業(yè)務(wù)人員和訓(xùn)練數(shù)據(jù)配合?，F(xiàn)在我通過(guò)大模型能做些提取，提取完之后通過(guò)轉(zhuǎn)化效果挖掘出優(yōu)質(zhì)話術(shù)，再配合原來(lái)的QA話術(shù)給到負(fù)責(zé)人。這個(gè)負(fù)責(zé)人就不需要像以前一樣要不斷地聽(tīng)錄音，只需要做審核。

這樣在前端，比如說(shuō)我們外呼平臺(tái)里大家戴著耳機(jī)，在一個(gè)后臺(tái)界面上就會(huì)彈出一個(gè)框。隨著客戶溝通過(guò)程中就會(huì)彈出不同的內(nèi)容給到他選擇個(gè)性化內(nèi)容。

第二個(gè)是SOP的挖掘。

現(xiàn)在很多銷售的過(guò)程中，我們SOP是靠電銷團(tuán)隊(duì)自己運(yùn)營(yíng)出來(lái)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?yàn)閬?lái)自于很多一線的錄音，能根據(jù)一線錄音結(jié)果，我們?cè)L問(wèn)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(gè)性化SOP的策略配置。

第三個(gè)是場(chǎng)景助手。

因?yàn)槲覀冇泻芏嘟鹑诤涂蛻?，也有很多聚焦的?chǎng)景，比如說(shuō)像銀行證券保險(xiǎn)，包括他們的客服場(chǎng)景；銀行的建卡、電銷、分期催收還款；證券的投顧、合規(guī)、開(kāi)戶；保險(xiǎn)的理財(cái)、理賠等等。這些場(chǎng)景里面我們會(huì)沉淀非常多的Know-How，把它形成我們的標(biāo)簽和我們的知識(shí)體系，從而去給到我們銷售更好的一些智能問(wèn)答。

原來(lái)做這件事情是極難的。因?yàn)槲覀冊(cè)瓉?lái)的很多知識(shí)需要業(yè)務(wù)人員做QA，配合訓(xùn)練師去做，而且知識(shí)是很分散的。最后你統(tǒng)一去匯聚運(yùn)用的時(shí)候投入成本極高。

現(xiàn)在不用了，現(xiàn)在就和chatGPT剛出來(lái)的時(shí)候有個(gè)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(chǎng)景下分類，多文檔的管理，統(tǒng)一的知識(shí)管理，在你的局部也能有ChatGPT這樣一個(gè)知識(shí)的體驗(yàn)，形成真正的智能化問(wèn)答。

4.智能營(yíng)銷的必要性和方法

智能營(yíng)銷簡(jiǎn)單來(lái)講就是常態(tài)化經(jīng)營(yíng)策略。很多東西是客戶經(jīng)理管不過(guò)來(lái)的時(shí)候，原來(lái)是圈客群，中心化所以做營(yíng)銷，但現(xiàn)在你要自動(dòng)的基于客戶的一些不同時(shí)機(jī)做個(gè)性化營(yíng)銷、觸發(fā)式營(yíng)銷，這是互聯(lián)網(wǎng)非常擅長(zhǎng)的一套，金融今天也是需要的。

中小銀行做數(shù)字化營(yíng)銷項(xiàng)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(yàn)。

渠道與客戶體驗(yàn)在原來(lái)銀行里面是網(wǎng)點(diǎn)、柜臺(tái)，今天的用戶很多時(shí)候是趨于線上包括微信包括手機(jī)銀行這種多渠道，并且用戶可能從線上渠道再到網(wǎng)點(diǎn)，或者在手機(jī)銀行里面辦理業(yè)務(wù)，這個(gè)時(shí)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(chǔ)和IT架構(gòu)里面數(shù)據(jù)是沒(méi)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(yàn)上來(lái)講，金融銀行如果要構(gòu)建數(shù)字金融的話，必須以用戶為中心，它就需要實(shí)現(xiàn)用戶渠道數(shù)據(jù)統(tǒng)一。

第二個(gè)是做金融產(chǎn)品差異化的時(shí)候，營(yíng)銷策略都會(huì)變，變了之后不同的業(yè)務(wù)需求也在變化。

比如手機(jī)銀行不僅要了解各個(gè)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(yàn)優(yōu)化、業(yè)務(wù)促合。原來(lái)它的營(yíng)銷更多是客戶經(jīng)理去服務(wù)于它的保有客群。今天線上的營(yíng)銷過(guò)程背后，我們有更多的客戶在線上會(huì)自主參與過(guò)程，我們?cè)瓉?lái)的資產(chǎn)管理AUM原來(lái)可能只管300萬(wàn)或者100萬(wàn)資產(chǎn)以上。那三百萬(wàn)、一百萬(wàn)以下以前在線下柜臺(tái)的時(shí)候是抓不住他的，今天是可以通過(guò)線上沉淀他們的數(shù)據(jù)對(duì)他們做運(yùn)營(yíng)，那這個(gè)時(shí)候缺失的是對(duì)于中常規(guī)的常態(tài)化的運(yùn)營(yíng)策略。

第三個(gè)是信貸場(chǎng)景的需要。

在信貸系統(tǒng)升級(jí)之前，可能我們都是傳統(tǒng)的通過(guò)紙質(zhì)在線下做一些經(jīng)營(yíng)房抵貸，是比較麻煩的。今天在線上我們的開(kāi)展貸款業(yè)務(wù)很靈活之后，尤其是民營(yíng)銀行貸款銀行無(wú)論對(duì)公貸款還是對(duì)私貸款。但是線上的時(shí)候從身份證識(shí)別，再到申請(qǐng)、額度信審，整個(gè)環(huán)節(jié)里面流程非常長(zhǎng)，且客戶趨于不同區(qū)域的網(wǎng)絡(luò)、手機(jī)型號(hào)版本，一旦出問(wèn)題之后，可能都會(huì)影響你的資產(chǎn)的轉(zhuǎn)化率百分之零點(diǎn)幾。這個(gè)流程和轉(zhuǎn)化就是非常關(guān)鍵的。

對(duì)這些需求我們提供了幾個(gè)能力。

第一個(gè)就是新一代的埋點(diǎn)產(chǎn)業(yè)信息技術(shù)平臺(tái)。就是我們很多廠商說(shuō)我有埋點(diǎn)，我做了。但我們做的不是埋點(diǎn)，是埋背后的人。背后的埋點(diǎn)無(wú)論是你，已經(jīng)有的埋點(diǎn)系統(tǒng)或者是你沒(méi)有埋，我們進(jìn)SDK，全方位地從埋這個(gè)人，人進(jìn)來(lái)之后再形成行為數(shù)據(jù)，解決行為數(shù)據(jù)有無(wú)的問(wèn)題，再形成這種統(tǒng)一的洞察，從而構(gòu)建你非常豐富的叫營(yíng)銷過(guò)程的鏈路。

第二個(gè)是用戶實(shí)時(shí)標(biāo)簽CDP。銀行很多都做了標(biāo)簽，非常多的標(biāo)簽，幾千個(gè)幾萬(wàn)個(gè)標(biāo)簽。這些標(biāo)簽更多是基于業(yè)務(wù)結(jié)果的標(biāo)簽。今天有很多是營(yíng)銷過(guò)程的標(biāo)簽，這個(gè)銀行是缺失的。為什么？因?yàn)榻裉飚?dāng)你有業(yè)務(wù)結(jié)果再去做用戶營(yíng)銷的時(shí)候，可能別人已經(jīng)在理財(cái)?shù)狡谇耙呀?jīng)給他發(fā)了一個(gè)優(yōu)惠券或者一個(gè)權(quán)益已經(jīng)把客戶拉走了，金融客戶是沒(méi)有什么忠誠(chéng)度的。

這個(gè)時(shí)候要在過(guò)程中提前預(yù)測(cè)。他如果到期前，頻繁在手機(jī)銀行上去看賬戶，看一些情況。這個(gè)客戶是不是要把錢轉(zhuǎn)走了？我是不是得干預(yù)了？等等。所以這里面對(duì)于銀行內(nèi)部是要有一套實(shí)時(shí)的這種標(biāo)簽的能力來(lái)豐富他的一些經(jīng)營(yíng)和維系客戶的策略，包括剛剛說(shuō)的中常規(guī)的客戶經(jīng)營(yíng)。

你接到過(guò)銀行的語(yǔ)音電話嗎？歡迎在評(píng)論區(qū)留言告訴我們。

如果你覺(jué)得本文有價(jià)值，歡迎點(diǎn)贊分享收藏。

如果你想進(jìn)一步與我交流，歡迎隨時(shí)私信。

關(guān)注 @首席數(shù)智官，數(shù)字化領(lǐng)軍者都在看