6月23日，在第四范式“金融范”系列第一期分享会中，我们为大家带来了以《科技赋能零售金融业务转型》为主题的分享，详解了零售金融业务的三大机遇，并提出加速零售金融智慧化转型新方案，以助力零售金融业务转型。

本次分享有哪些精彩观点？关于金融零售业务转型，金融行业受众最关心的话题是什么？分享会中，哪些议题受到了普遍关注、引发了热烈讨论？以下是分享会的内容重点及答疑点亮整理

内容重点

1. 金融零售业务智能化转型新趋势：

金融零售客户行为的改变让银行从“卡思维”转变为“APP思维”，“客户”转变为“用户”，如何为用户创造更多价值、优化从增长到留存到变现的用户全生命周期，成为金融零售线上化转型的核心。

2.  金融零售业务智能化转型的思考：

通过1个核心商业模型、1个智能化引擎、1个零售转型体系、1个持续扩展方案，以线上化运营方式（智能推荐、智能搜索、智能推送），助力金融机构实现整体业务目标，帮助其快速提升MAU与AUM。

3.  第四范式金融零售智能转型实践：

核心原则是以满足客户需求与提升客户体验为中心。建设规划思路一般为：利用在线化可实验的机制释放创新能力，并通过人工智能建立个性化服务能力。以智能推荐、智能搜索、智能推送等能力实现金融零售用户的精准个性化匹配与体验的提升。

答疑亮点

Q1.  在实操过程中，着手建设APP生态不是一件容易的事，针对入门阶段的零售银行，有什么好的破冰建议？

A1：以APP为核心的转型在于构建平台和生态体系，因此在开始阶段，建议预先明确整体方向及KPI，如MAU/DAU，并以此为核心驱动力，通过目标导向，围绕选择合适的建设策略、技术加速手段等。

Q2.  关于提高MAU、DAU，很多用户的需求很直接，如查余额、转账，但本身可能不具有粘性。针对此行为，应当如何提升客户粘性？

A2：客户查余额、转账等低频交易属于刚需行为，因此在提供基本功能外，可借助内容推荐等功能提高用户活跃度和留存率；通过增加用户接触点，可更多地分析用户浏览行为，了解用户行为偏好，针对用户需求精准匹配，拉升MAU/DAU。

Q3.  关于N种产品与M种需求（产品与需求非一一对应关系），匹配的依据从哪里来？

A3：一方面，利用AI技术进行金融机构产品特征、客户行为数据（需求）挖掘；另一方面利用AI的高维、实时模型不断快速匹配并迭代，从而使匹配效果持续提升，实现个性化精准匹配。

Q4.  针对刚起步的小银行怎么做内容社区的运营？

A4：在初期可借助AI解决方案，逐渐提高内容丰富度和用户量，后期以此为基础，通过数据的持续积累和方案的快速迭代，实现APP活跃度的提升。

Q5.  关于在分享中提到的营销智能化引擎，会不会对运营团队的素质、规模要求很高？

A5：银行可以依托运营团队现有能力，吸收引进智能化的工具、技术、产品方案，提高运营团队在线化运营能力；而团队规模则由运营过程中持续增长的用户需求和金融机构方的自身发展要求决定。

Q6.  APP的需求入口肯定是有限的，如何精准收集客户需求信息？

A6：一方面是以APP入口为主，另一方面则是将金融机构方已有的客户信息进行高维、实时、闭环处理，以放大数据资产的应用价值。

Q7.  App怎么解决冷启动问题呢？因为一开始并没有那么多数据,无论是用户数据还是app本身物料数据。

A7：对特定客群、特定产品等场景的数据推演会逐步积累，效果进而愈发明显。

Q8.  有一些产品，监管部门不能在互联网上推某些理财产品，那如何做才能合规？

A8：通过分析监管要求，在满足合规要求的前提下，进行APP的推荐运营，为用户呈现出最合适的产品和服务。

Q9. 关于内容拉动产品这个概念，金融机构怎么评价内容的变现能力呢？

A9：这是一个“低频打高频”的过程，可以通过内容推荐对APP活跃度和留存带来拉升，然后再通过智能化能力提升变现能力，拉动用户交易。

以上是本期直播的全部内容回顾。第四范式“金融范”系列第二期分享会将在7月21日举办，第二期分享会以《监管科技强化金融风控》为主题，活动详情后续将公布在本公众号，敬请期待。

第四范式是领先的人工智能平台与技术服务提供商，依托于企业级机器学习平台及AutoML等前沿技术，降低人工智能的应用门槛，加速传统产业的智能化转型进程。目前，公司已在金融、零售、制造、医疗、能源、互联网等领域成功落地了AI应用，助力各行业企业的AI创新变革。