專題：第21屆中國國際金融論壇

　　第21屆中國國際金融論壇于2024年12月19日-20日在上海召開。Datatist 畫龍科技創(chuàng)始人&CEO、博士宋碧蓮出席并演講。

　　以下為演講實錄：

　　今天，我非常榮幸能夠在此向大家介紹Datatist畫龍科技在商業(yè)決策大模型技術(shù)方面所取得的進展。

　　首先，容我簡要介紹一下我們團隊的背景。剛才浦發(fā)銀行葛總對行業(yè)創(chuàng)業(yè)環(huán)境的描述可謂恰到好處，實際上也精準(zhǔn)地反映了我們公司創(chuàng)立的初衷與背景。我們的團隊是一個典型的由科學(xué)家團隊組成的創(chuàng)業(yè)集體，成員原隸屬于美國自然科學(xué)基金會，一個國家級科研機構(gòu)。在實驗室期間，我們的團隊專注于工業(yè)AI領(lǐng)域，被譽為“工業(yè)AI之父”，并曾五次榮膺世界算法競賽冠軍。

　　在全球范圍內(nèi)，我們在機器學(xué)習(xí)算法方面處于領(lǐng)先地位。這項技術(shù)最初應(yīng)用于工業(yè)領(lǐng)域，在2011年，我們的團隊首次被邀請加入美國eBay，開啟了將這一頂尖實驗室成果從工業(yè)應(yīng)用開始轉(zhuǎn)化為商業(yè)應(yīng)用的過程。這標(biāo)志著該技術(shù)從全球頂級研究環(huán)境中走出，邁向商業(yè)化落地的重要一步。商業(yè)化取得成功后，我們進一步踏上了創(chuàng)業(yè)之路，致力于驗證這項技術(shù)是否能夠催生一個新的產(chǎn)業(yè)，并最終形成一種新質(zhì)生產(chǎn)力，幫助眾多企業(yè)迅速降低成本、提高效率，從而達成數(shù)據(jù)驅(qū)動經(jīng)濟發(fā)展的目標(biāo)。在科學(xué)家向企業(yè)家轉(zhuǎn)型之前，我們首先進行了嚴(yán)格的商業(yè)化驗證，以確認(rèn)這項技術(shù)確實能夠為企業(yè)帶來顯著的降本增效。

　　我們的技術(shù)首次進入商業(yè)領(lǐng)域正好在美國eBay處于數(shù)字化轉(zhuǎn)型的關(guān)鍵時期。作為全球電子商務(wù)領(lǐng)域的先驅(qū)之一，eBay早在三十年前便開始了數(shù)字化轉(zhuǎn)型之旅，是美國最早一批培養(yǎng)相關(guān)專業(yè)人才的企業(yè)之一。當(dāng)時，eBay已經(jīng)建立了一個由上千名數(shù)據(jù)專家組成的團隊，其中專注于數(shù)據(jù)應(yīng)用、賦能業(yè)務(wù)決策的數(shù)字化營銷團隊就有300人之多。經(jīng)過長期的努力，eBay已經(jīng)將其交易轉(zhuǎn)化率從最初的千分之一提升到了1%，即每100個營銷活動能夠促成約1次交易——這是一個相當(dāng)可觀的成績。

　　然而，盡管取得了顯著的進步，eBay的轉(zhuǎn)化率提升遇到了瓶頸。為了突破這一限制，eBay決定尋求技術(shù)的升級，于是邀請了我們團隊——來自美國國家級科研院所的AI專業(yè)人士加盟，希望我們能為公司內(nèi)部的技術(shù)和生產(chǎn)力帶來質(zhì)的飛躍。通過引入我們的機器學(xué)習(xí)算法，能夠大幅提升其交易轉(zhuǎn)化率，突破現(xiàn)有的增長瓶頸。

　　在受邀加入eBay之后，我們的技術(shù)首次應(yīng)用于商業(yè)領(lǐng)域。這一過程大約花費了一年時間，其間我們與公司內(nèi)部的300多名科學(xué)家以及麥肯錫的專業(yè)顧問進行了廣泛的交流和比對。通過不懈的努力，在大約一年的時間里，我們將eBay的整體轉(zhuǎn)化率實現(xiàn)了超過十倍的增長。這項成就促使eBay CEO成立了決策委員會（即如今所說的數(shù)字化轉(zhuǎn)型辦公室），以推動全公司的技術(shù)升級。在此過程中，我們帶領(lǐng)了由十幾個副總裁組成的團隊，負(fù)責(zé)新用戶獲取、活躍度促進及轉(zhuǎn)化的全流程改造，涉及上萬個營銷渠道。

　　這次技術(shù)革新不僅在eBay取得了巨大成功，還在兩年后穩(wěn)定下來時吸引了LinkedIn CEO的關(guān)注，并邀請我們團隊加入。LinkedIn當(dāng)時擁有一個由200名科學(xué)家組成的團隊，其中包括150位來自eBay等頂級互聯(lián)網(wǎng)的科學(xué)家和50位前麥肯錫專家。他們也一樣遇到了轉(zhuǎn)化率的瓶頸問題，我們在短短三個月內(nèi)再次實現(xiàn)了接近十倍的提升。這標(biāo)志著我們的技術(shù)從電商領(lǐng)域成功擴展到了社交平臺，通過推廣會員服務(wù)實現(xiàn)了社交平臺的商業(yè)化落地。

　　隨著技術(shù)的成功應(yīng)用，2016年Facebook創(chuàng)始人馬克·扎克伯格也看上了這個新技術(shù)希望能幫助優(yōu)化廣告業(yè)務(wù)的轉(zhuǎn)化率。引入這項新的技術(shù)后，廣告轉(zhuǎn)化率再度獲得了顯著的增長，最終促使Facebook服務(wù)器數(shù)量從2萬臺猛增到20萬臺，加速了AI拉新技術(shù)的落地和發(fā)展。

　　目前在全球范圍內(nèi)，致力于將類似技術(shù)產(chǎn)品化的公司主要有兩家：一家是Salesforce，另一家是我們Datatist畫龍科技。Salesforce主要聚焦于B2B場景，而我們則專注于零售業(yè)務(wù)（即B2C場景）。這兩家可能是迄今為止唯一成功實現(xiàn)真正產(chǎn)品化和商業(yè)化的企業(yè)。其他公司要么僅限于內(nèi)部使用，要么已開源的技術(shù)并不針對同一方向，例如內(nèi)容推薦算法或其他相關(guān)領(lǐng)域。

　　回國前為了更好地服務(wù)于國內(nèi)金融行業(yè)，我們互聯(lián)網(wǎng)博士團隊聯(lián)合了一個在海外擁有超過20年銀行經(jīng)驗的博士專家團隊一起創(chuàng)立了這家公司，他們之前專門從事金融AI的應(yīng)用和研究。我們的銀行智能營銷案例被美國沃頓商學(xué)院收錄為經(jīng)典教學(xué)案例，在金融AI領(lǐng)域也是最早的創(chuàng)新者之一。

　　作為海外高層次引進人才，我們回國已近八年，在中國開展了大量的本地化實踐。自光大銀行開始，我們已經(jīng)覆蓋了中農(nóng)工建交郵儲等幾乎所有的大型國有銀行，并與眾多地方性銀行建立了合作關(guān)系，如上海農(nóng)商行、上海銀行、南京銀行、杭州銀行、寧波銀行等。

　　目前，我們已經(jīng)將這些先進的技術(shù)打造成了高度產(chǎn)品化的解決方案，接下來我將詳細(xì)介紹這一解決方案的具體內(nèi)容及其如何為企業(yè)帶來顯著的價值。

　　人工智能并非我們這一代所發(fā)明，因為在全球范圍內(nèi)，它的發(fā)展歷程已經(jīng)接近幾十年，甚至可以追溯至上百年。只不過在過去，它可能有著不同的名稱和應(yīng)用形式。今天，我將根據(jù)人工智能商業(yè)化或產(chǎn)業(yè)化推廣落地的成熟路徑來為大家進行介紹三代人工智能技術(shù)。

　　第一代商業(yè)化成功的是感知類AI：最早成熟的領(lǐng)域是感知類AI，即模擬人的聽覺和視覺的技術(shù)。這類技術(shù)現(xiàn)在已經(jīng)被許多公司用于商業(yè)化，并且不少公司因此上市。這些技術(shù)也經(jīng)歷過漫長的演變過程。比如視覺AI的圖像識別技術(shù)在從實驗室走向工業(yè)界之前，實際上經(jīng)過了Google等公司大量地圖圖像的拍攝與深度學(xué)習(xí)過程，最終形成了TensorFlow這樣的平臺。有了這個商業(yè)化基礎(chǔ)能力的突破，才能讓其他公司能夠利用這些系統(tǒng)進行商業(yè)化推廣，如應(yīng)用于安防等領(lǐng)域。如果沒有中間階段的標(biāo)準(zhǔn)化和商業(yè)化過渡，很難形成今天的產(chǎn)業(yè)規(guī)模。

　　第二代是認(rèn)知類AI。 它們可以幫助人做給予文本的語義分析和理解。比如現(xiàn)在的大語言模型。

　　第一代和第二代AI分別可以做感知和認(rèn)知，第三代人工智能則重在模擬人的決策能力，在預(yù)測方面能力突出。

　　第三代商業(yè)化成功的是商業(yè)決策AI：為什么商業(yè)決策AI的商業(yè)化進程會比感知類AI晚很多？這是因為商業(yè)決策AI的難度更大。商業(yè)決策涉及眾多垂直領(lǐng)域，每個領(lǐng)域的業(yè)務(wù)形態(tài)、場景和問題都不同，解決問題的復(fù)雜性極高，行業(yè)的差異也非常大。以金融為例，銀行、保險、證券各有不同的業(yè)務(wù)模式；銀行內(nèi)部個金網(wǎng)金不同部門的目標(biāo)也不盡相同。互聯(lián)網(wǎng)公司與傳統(tǒng)零售業(yè)之間存在差別，甚至零售業(yè)連快消品與耐消品都不一樣。這導(dǎo)致了一個普遍的問題：大家常常質(zhì)疑決策AI能否實現(xiàn)通用化和產(chǎn)品化。多年以來，我們致力于解決這個問題，探索是否可以像圖像AI一樣，創(chuàng)建一個類似于TensorFlow的平臺，使各種各樣的企業(yè)能夠在我們的基礎(chǔ)上形成標(biāo)準(zhǔn)化解決方案。經(jīng)過近30年的實踐，我們已經(jīng)將上述提到的各個方向基本上全部做成了產(chǎn)品。

　　這個圖上面列出了我們已經(jīng)成熟的很多垂直方向的決策AI產(chǎn)品，今天時間有限，我重點介紹一下其中我們獨創(chuàng)的零售AI產(chǎn)品。

　　零售AI：零售AI賦能存量用戶經(jīng)營，在美國叫Martech領(lǐng)域，是一個萬億美金的巨大賽道，國內(nèi)也是一個重要的賽道叫從產(chǎn)品經(jīng)營到用戶經(jīng)營的數(shù)字化轉(zhuǎn)型。在這個賽道中，我們強調(diào)的是數(shù)智化營銷或者叫數(shù)智化經(jīng)營，主要用于用戶的拉新、促活和轉(zhuǎn)化，從而解決零售業(yè)務(wù)的ROI增長問題。

　　這一領(lǐng)域的技術(shù)最早由海外的互聯(lián)網(wǎng)公司應(yīng)用成功之后，吸引了大量2B企業(yè)加入這個領(lǐng)域開發(fā)工具以賦能各個公司。這種工具在國外經(jīng)歷了約30年的發(fā)展，而在國內(nèi)，自2016年左右我們回國時，市場剛剛進入數(shù)據(jù)采集和各種應(yīng)用的階段。盡管短短數(shù)年間發(fā)生了翻天覆地的變化，但仍然落后于美國多年。在美國該領(lǐng)域早已在2009年就進入了大規(guī)模并購階段，幾十個軟件工具基本被幾家大公司并購?fù)戤?。他們之所以進入并購浪潮，是因為這些大企業(yè)都意識到數(shù)字化轉(zhuǎn)型是一個巨大的賽道，而且認(rèn)識到只有將各種工具整合在一起才能發(fā)揮巨大的協(xié)同效應(yīng)。

　　我們現(xiàn)在遇到的問題恰恰是他們在十幾年前的階段——在沒有進行大規(guī)模并購之前，市場上充滿了碎片化的工具購買現(xiàn)象。面對這種情況，我們需要思考如何加速整合，提升效率，以迎接數(shù)字化轉(zhuǎn)型帶來的巨大機遇。

　　許多企業(yè)在進行數(shù)字化轉(zhuǎn)型時投入巨大，購買了大量工具，但為何未能產(chǎn)生預(yù)期的巨大經(jīng)濟價值？這主要是因為大家忽略了一個關(guān)鍵因素：海外每家企業(yè)幾乎都要購買七八個不同類型的軟件，這些軟件涵蓋對公業(yè)務(wù)、對私業(yè)務(wù)、數(shù)據(jù)采集（包括內(nèi)部和外部數(shù)據(jù)、線上線下數(shù)據(jù)）、數(shù)據(jù)分析與用戶畫像、營銷觸達及渠道構(gòu)建（如智能外呼和智能客服）、內(nèi)容創(chuàng)建等多個方面。最終形成一套完整的體系，不僅涉及存量用戶的經(jīng)營，還包括新客戶的獲取，實現(xiàn)了內(nèi)外一體化管理。

　　在海外，即使是小型企業(yè)或互聯(lián)網(wǎng)公司，通常也會至少配備七八種這樣的軟件，并且擁有專門的數(shù)字化運營團隊來使用這些工具。例如，在美國的eBay和LinkedIn，我們都有數(shù)百人的團隊致力于此。如果缺乏這樣的專業(yè)團隊，即使擁有先進工具，也無法充分發(fā)揮其效果。遺憾的是，全球范圍內(nèi)尚未有哪家公司將這一整套流程完全產(chǎn)品化，因此國內(nèi)銀行、券商或保險公司在這方面的人才缺失非常嚴(yán)重，這也是我們創(chuàng)業(yè)的初衷——將這樣一支專業(yè)的團隊從自然人轉(zhuǎn)化為機器人，使企業(yè)能夠迅速獲得世界級的專業(yè)支持。

　　我們是全球唯一一個成功將這套體系全面產(chǎn)品化的團隊，同時也是該領(lǐng)域中擁有最多發(fā)明專利的團隊。我們將這一技術(shù)引入中國，在眾多AI軟件中脫穎而出，成為為數(shù)不多的在中國擁有全套發(fā)明專利的團隊之一。

　　決策大腦的產(chǎn)品化創(chuàng)新點如下：

　　1．核心算法門檻高，擁有發(fā)明專利，ROI特別高，同行很難企及：ROI（投資回報率）是人工智能應(yīng)用中最關(guān)鍵的考核指標(biāo)，尤其是在全局ROI而非僅限于部門級ROI的情況下。以某大型國內(nèi)綜合網(wǎng)絡(luò)零售商為例，我們的模型算法轉(zhuǎn)化率達到了京東經(jīng)驗組的26倍。隨后在某大型線上線下深度融合的零售平臺的競爭中，我們用40萬元的成本為蘇寧易購創(chuàng)造了8億元的收益，即每投入1元可賺取2000元，打破了ROI的歷史記錄。此外，在某國有銀行河北省分行上半年的“開門紅”活動中，我們幫助其資產(chǎn)提升了六七百億，其中大眾客戶存款增加了178億，顯示了我們AI技術(shù)的高度有效性。在資產(chǎn)提升方面，某國有銀行總部多年來一直致力于模型開發(fā)，并得到了多家頂級咨詢公司的專業(yè)賦能。在山東省分行的項目中，我們與總行派遣的五個頂級模型團隊進行了現(xiàn)場比拼。對方五個團隊在三個月內(nèi)僅完成了少數(shù)幾個模型的開發(fā)，總計實現(xiàn)了20多億元的業(yè)績；而我們團隊僅用一個月就完成了數(shù)十個模型的開發(fā)，并創(chuàng)造了153億元的業(yè)績。此外，在等待對方完成開發(fā)的過程中，我們還額外實現(xiàn)了超過100億元的收益，最終在三個月內(nèi)共創(chuàng)造了250億元的顯著業(yè)績。這一對比充分展示了我們在模型開發(fā)效率和效果上的顯著優(yōu)勢。通過高效的開發(fā)流程和精準(zhǔn)的模型應(yīng)用，我們不僅大幅縮短了項目周期，還為客戶帶來了遠(yuǎn)超預(yù)期的經(jīng)濟效益。

　　2．算法已經(jīng)實現(xiàn)標(biāo)準(zhǔn)化和產(chǎn)品化，開箱即用，效率高：我們的產(chǎn)品已經(jīng)實現(xiàn)了高度標(biāo)準(zhǔn)化，能夠在短時間內(nèi)快速部署并投入使用。例如，在某大型線上線下深度融合的零售平臺，我們一天內(nèi)完成了數(shù)據(jù)接入和活動上線；哪怕在銀行由于數(shù)據(jù)清洗的需求，周期稍長但模型部署也只需一周左右。從去年到今年，我們在短短幾個月內(nèi)服務(wù)了六大行的幾十個省分行，平均一名模型工程師可以負(fù)責(zé)十幾個項目，一周內(nèi)即可完成實施。這種高效的標(biāo)準(zhǔn)化流程顯著縮短了實施周期，提高了項目的響應(yīng)速度和執(zhí)行效率。

　　在面對一些大型銀行總行不愿購買產(chǎn)品的困境時，我們不得不采用“人肉戰(zhàn)術(shù)”，即派遣團隊駐場服務(wù)。即便如此，我們的開發(fā)效率依然遠(yuǎn)超同行。例如，在一次現(xiàn)場PK中，其他團隊用了三個月時間才完成模型構(gòu)建，而我們一個月內(nèi)就開發(fā)完成了數(shù)十個模型，準(zhǔn)備就緒等待評估。這證明了我們在開發(fā)效率上的極大優(yōu)勢。

　　3．算法的行業(yè)化覆蓋廣，場景豐富，具有廣闊市場應(yīng)用前景：以銀行為例，我們的系統(tǒng)能夠全面覆蓋個人金融（個金）、網(wǎng)絡(luò)金融（網(wǎng)金）、信用卡及信貸等多個業(yè)務(wù)線。每個業(yè)務(wù)場景中都部署了數(shù)十個模型，貫穿用戶生命周期的各個階段，包括公域拉新、私域拉新、交叉銷售、復(fù)購等。因此，該系統(tǒng)的應(yīng)用場景極為豐富，幾乎涵蓋了所有銀行業(yè)務(wù)流程中的關(guān)鍵環(huán)節(jié)。

　　4．商業(yè)化基礎(chǔ)已經(jīng)具備，成功案例豐富，已經(jīng)形成智能運營的行業(yè)領(lǐng)袖地位：我們已經(jīng)完成了幾百個成功案例，行業(yè)里面80% 存量用戶的智能運營決策系統(tǒng)幾乎都是我們提供的。

　　5．規(guī)?；茝V局面形成：Datatist畫龍科技算法的接口靈活，作為AI as a service， 可被集成到大量供應(yīng)商的體系內(nèi)形成大規(guī)模渠道銷售。目前已經(jīng)被Oracle、用友、銀聯(lián)、華為、京東科技、通聯(lián)金融、宇信科技、博彥科技、維度、以及中國聯(lián)通等各種合作伙伴集成進他們的產(chǎn)品和服務(wù)。如果以這些合作伙伴的名義面向客戶，其背后的技術(shù)支持依然來自我們。

　　接下來我們將探討另一個極為重要的議題：為什么許多銀行盡管開發(fā)了模型，但效果卻不盡如人意。這并不是因為模型本身質(zhì)量差——實際上，這些模型已經(jīng)比傳統(tǒng)的人工決策方式有了顯著改進。問題的核心在于這些模型未能有效落地到一線業(yè)務(wù)場景中，業(yè)務(wù)人員不會使用或不愿使用，而且營銷中臺缺乏模型自動化的模塊，導(dǎo)致模型無法集成到業(yè)務(wù)系統(tǒng)中，無法發(fā)揮規(guī)模化效應(yīng)。

　　模型難以落地的原因：以某大型國有銀行支付平臺為例，即便我們有長期的合作關(guān)系，大多數(shù)情況下它們?nèi)匀灰蕾嚇?biāo)簽進行人群選擇，僅有少量模型被開發(fā)成標(biāo)簽形式供使用。這種模式使得模型無法完全集成到業(yè)務(wù)系統(tǒng)中，從而限制了其效能的發(fā)揮。因此，在這一過程中，我們需要一整套產(chǎn)品來支持模型的應(yīng)用，正如我們在海外看到的完整解決方案一樣。

　　在國內(nèi)，雖然各個板塊都有人在做，但從回國后的多年實踐中我們發(fā)現(xiàn)，很多供應(yīng)商只專注于某個片段，而這些片段無法無縫集成，導(dǎo)致整體效率低下。2018年，美國對中國的科技封鎖加劇，許多跨國企業(yè)的相關(guān)產(chǎn)品在中國無法訪問，這也促使我們必須自主研發(fā)一套完整的解決方案。為此我們將salesforce ， adobe ， Oracle 這幾年并購的大部分martech 產(chǎn)品都進行了自主研發(fā)，形成了全球獨創(chuàng)的真正的一體化的自動化智能化運營系統(tǒng)。大部分金融客戶的營銷系統(tǒng)還是1.0，2.0 階段， 我們的系統(tǒng)卻已到了6.0 階段。

　　現(xiàn)在，讓我們一同了解全套產(chǎn)品帶來的優(yōu)勢，并為大家介紹數(shù)字化轉(zhuǎn)型從1.0到6.0的區(qū)別。

　　1.0 半手工版營銷活動管理平臺

　　在1.0階段，大部分小型銀行已經(jīng)建立了較為完善的基礎(chǔ)架構(gòu)，包括大數(shù)據(jù)平臺、埋點系統(tǒng)、模型開發(fā)平臺、分析平臺、標(biāo)簽平臺、權(quán)益平臺以及內(nèi)容平臺，并且擁有眾多用戶觸達渠道，涵蓋線上線下的多種方式。然而，盡管這些系統(tǒng)和工具已經(jīng)到位，但在實際操作中，開展一次營銷活動仍然需要大量手工關(guān)聯(lián)工作。營銷人員必須在各個系統(tǒng)之間來回切換，依賴多個團隊協(xié)作完成任務(wù)。例如，某頭部券商在引入我們的6.0系統(tǒng)之前，每年舉辦60場活動就已經(jīng)感到力不從心；而在采用6.0系統(tǒng)后，實現(xiàn)了自動化操作，一年內(nèi)成功舉辦了10萬場活動，效率提升了數(shù)百倍。這表明，許多銀行已經(jīng)意識到這一問題，并正逐步向更高級別的自動化轉(zhuǎn)型。

　　2.0 自動化營銷管理平臺

　　進入2.0階段，大型國有銀行已構(gòu)建了各自的智能化運營系統(tǒng)。然而，這些系統(tǒng)通常分散在各個業(yè)務(wù)部門，形成多個獨立的系統(tǒng)，導(dǎo)致一系列問題：系統(tǒng)的部署僅限于部門級而非企業(yè)級，無法實現(xiàn)全渠道覆蓋，必須在不同系統(tǒng)之間頻繁切換；AI對接能力不足，大部分AI應(yīng)用需手動接入平臺，難以形成規(guī)?；?yīng)；缺乏有效的營銷策略庫，系統(tǒng)多由科技人員開發(fā)，不懂業(yè)務(wù)需求，導(dǎo)致策略無效或缺失；性能壓力大，高負(fù)載時系統(tǒng)容易崩潰。這些問題限制了2.0系統(tǒng)的整體效能，使得其優(yōu)勢未能充分發(fā)揮，銀行意識到需要進一步提升系統(tǒng)集成度和智能化水平。

　　3.0 升級版自動化營銷管理平臺（超級自動化）

　　為了克服2.0階段遇到的問題，大多數(shù)公司應(yīng)向超級自動化轉(zhuǎn)型。超級自動化不僅能夠解決現(xiàn)有系統(tǒng)的割裂問題，還能大幅提升運營效率和服務(wù)質(zhì)量。通過集成模型應(yīng)用平臺，將模型自動化賦能給各條業(yè)務(wù)線，實現(xiàn)員工智能化、智能客服、智能外呼、個性化手機銀行流量分發(fā)等功能。這種全面的自動化解決方案確保了每個環(huán)節(jié)都能緊密協(xié)作，最大化地發(fā)揮了模型和技術(shù)的價值，為企業(yè)的數(shù)字化轉(zhuǎn)型提供了堅實的技術(shù)支撐。超級自動化解決了之前的手工干預(yù)和系統(tǒng)割裂問題，顯著提高了業(yè)務(wù)流程的順暢性和響應(yīng)速度，從而為企業(yè)帶來了更高的經(jīng)濟效益和客戶滿意度。

　　4.0 數(shù)字化營銷平臺

　　4.0階段標(biāo)志著數(shù)字化轉(zhuǎn)型的深化，強調(diào)閉環(huán)管理和實時響應(yīng)，解決了初步數(shù)字化階段存在的數(shù)據(jù)割裂和響應(yīng)滯后問題。4.0平臺不僅實現(xiàn)了數(shù)據(jù)自動跟蹤并返回到模型中進行刷新，形成策略決策再送到營銷平臺的閉環(huán)管理，還能夠在活動完成后立即獲得反饋，并迅速啟動下一個活動，確保全生命周期的連貫推動。此外，營銷數(shù)據(jù)庫更加豐富，支持千人千面的權(quán)益發(fā)放和內(nèi)容推薦，避免浪費時間在手動打標(biāo)上。所有客戶經(jīng)理都需要詳細(xì)的畫像，以確保優(yōu)質(zhì)客戶能夠匹配到合適的客戶經(jīng)理，從而最大化商機利用。這種高度數(shù)字化和自動化的平臺極大地提升了營銷活動的效果和效率，使企業(yè)在競爭激烈的市場環(huán)境中占據(jù)優(yōu)勢。

　　5.0 智能化營銷平臺

　　5.0階段聚焦于智能化的應(yīng)用，旨在充分利用人工智能和機器學(xué)習(xí)技術(shù)來優(yōu)化營銷效果。在這個階段，智能化不僅僅是一個附加功能，而是貫穿于整個營銷流程的核心要素。具體而言，將模型開發(fā)平臺升級為模型應(yīng)用平臺，使模型能夠自動化賦能各條業(yè)務(wù)線，實現(xiàn)智能客服、智能外呼和千人千面的手機銀行流量分發(fā)等場景的產(chǎn)品化實現(xiàn)，而不僅僅是停留在理論模型層面。借助智能化手段，實現(xiàn)更加精準(zhǔn)的營銷活動，提高轉(zhuǎn)化率和客戶滿意度。智能化營銷平臺通過深度學(xué)習(xí)和數(shù)據(jù)分析，不僅提升了營銷活動的針對性和有效性，還增強了用戶體驗，幫助企業(yè)更好地應(yīng)對市場變化和客戶需求，最終實現(xiàn)更高的經(jīng)濟效益。

　　6.0 一體化智能化自動化運營平臺

　　最終，6.0階段代表了一體化智能化自動化的最高水平。該平臺整合了所有功能模塊，形成了一個完整的生態(tài)系統(tǒng)，具備極高的營銷效率。結(jié)合商業(yè)決策大模型驅(qū)動的一體化設(shè)計，集成了兩個企業(yè)級“大腦”（全局視角的戰(zhàn)略規(guī)劃）和三個部門級“小腦”（具體業(yè)務(wù)線的操作指導(dǎo)），形成了完整的智能生態(tài)系統(tǒng)。從數(shù)據(jù)收集到?jīng)Q策執(zhí)行的全流程自動化，確保企業(yè)能夠高效處理海量數(shù)據(jù)（維權(quán)），并快速響應(yīng)市場變化。面向所有希望利用最新技術(shù)實現(xiàn)全面數(shù)字化轉(zhuǎn)型的企業(yè)，旨在創(chuàng)造新質(zhì)生產(chǎn)力并引領(lǐng)行業(yè)發(fā)展方向，助力企業(yè)在未來的市場競爭中占據(jù)優(yōu)勢。一體化、智能化、自動化運營平臺不僅提升了內(nèi)部運營效率，還通過精準(zhǔn)營銷和個性化服務(wù)大幅增強了客戶的體驗和忠誠度，為企業(yè)帶來持續(xù)的競爭優(yōu)勢。

　　接下來，我將向大家展示我們將模型產(chǎn)品化后的實際形態(tài)。通過這一過程，我們的目標(biāo)是使所有模型能夠開箱即用，大幅降低業(yè)務(wù)人員的使用門檻，從而實現(xiàn)傻瓜化的操作體驗。這不僅解決了當(dāng)前模型難以規(guī)?；瘧?yīng)用的問題，還確保了模型能夠在一線業(yè)務(wù)場景中充分發(fā)揮其巨大潛力。

　　模型產(chǎn)品化后的特點如下：

　　1．可視化界面與自動化執(zhí)行：我們?yōu)楦餍懈鳂I(yè)（如銀行、證券、保險、零售）的所有模型場景開發(fā)了可視化的用戶界面，業(yè)務(wù)人員可以通過這些界面輕松地自動執(zhí)行復(fù)雜的模型任務(wù)。所有的營銷結(jié)果都可以通過圖形化的方式直觀呈現(xiàn)，業(yè)務(wù)人員可以直接篩選名單，并立即用于電話營銷或其他互動渠道。這種設(shè)計極大地簡化了操作流程，使得非技術(shù)人員也能高效利用高級分析工具。

　　2．與營銷中臺的無縫集成：為了確保模型能夠真正落地并發(fā)揮作用，我們特別注重與營銷中臺的內(nèi)嵌式集成。這意味著所有模型都可以自動關(guān)聯(lián)到營銷中臺的各個環(huán)節(jié)，形成自動化的決策流程。這不是依賴于大數(shù)據(jù)中臺來完成的任務(wù)，而是通過營銷中臺與AI系統(tǒng)的緊密聯(lián)動實現(xiàn)的。許多銀行目前在這方面存在明顯的能力缺失，而我們的解決方案正好填補了這一空白。

　　3．效果穩(wěn)定且效率高：從手工開發(fā)轉(zhuǎn)向產(chǎn)品化的過程中，我們不僅確保了模型的效果和穩(wěn)定性，還大大提高了部署和使用的效率。此外，我們提供了大量的應(yīng)用場景體系，使?fàn)I銷人員能夠直接操作并與現(xiàn)有的營銷工具無縫對接。這種方式不僅提升了工作效率，還增強了用戶體驗。

　　在某次與某大型國有銀行領(lǐng)導(dǎo)的交流中，領(lǐng)導(dǎo)提出了“小腦”的概念，他認(rèn)為企業(yè)不僅需要有大腦，還需要有小腦——大腦負(fù)責(zé)企業(yè)級的決策，而小腦則專注于部門級的操作。以手機銀行為例，它作為一個獨立平臺，需要實現(xiàn)千人千面的個性化服務(wù)、實時推薦、智能活動排序以及流量分發(fā)等功能。這個過程不僅僅依靠推薦引擎，還需要包括實時數(shù)據(jù)采集、實時模型訓(xùn)練、驗證和推薦等多個環(huán)節(jié)的數(shù)據(jù)閉環(huán)處理。很多銀行由于模型平臺和營銷平臺分離，無法實現(xiàn)真正的實時性。

　　例如，在某大型國有銀行的一個項目中，我們在一周內(nèi)通過優(yōu)化推薦系統(tǒng)，成功將點擊率提高了50%。這背后涉及了AB測試能力、多路推薦評估、冷啟動策略等多個技術(shù)細(xì)節(jié)，最終實現(xiàn)了個性化的推薦服務(wù)，顯著提升了用戶體驗和轉(zhuǎn)化率。

　　今天的大模型討論主要集中在語言大模型上，但我們今天要介紹的是決策大模型，它能夠解決語言大模型在銀行場景中的一個關(guān)鍵問題——直接面向C端用戶的使用風(fēng)險。銀行通常對直接推送內(nèi)容非常謹(jǐn)慎，因為這可能引發(fā)客戶投訴或法律風(fēng)險。通過引入決策大模型，我們可以安全地解決這個問題。

　　以智能客服和智能投顧兩個場景為例：

　　1．智能投顧：我們不再盲目推送AIGC生成的內(nèi)容，而是首先調(diào)用銀行內(nèi)部的數(shù)據(jù)，預(yù)測用戶的需求，比如他們感興趣的基金類型，然后進行千人千面的匹配。這樣既保證了內(nèi)容的相關(guān)性和精準(zhǔn)度，又避免了不必要的風(fēng)險。

　　2．智能客服：這個場景不僅涉及當(dāng)前普遍使用的語言大模型或聊天機器人，更引入了我們獨特的決策大腦技術(shù)，使得智能客服具備了更高的智能化水平和實際應(yīng)用價值。目前，許多銀行使用的是科大訊飛等公司提供的機器人客服系統(tǒng)。這些系統(tǒng)主要依賴于語義理解和自然語言處理技術(shù)，即通過預(yù)設(shè)的語料庫來理解和回應(yīng)客戶的問題，甚至可以執(zhí)行自動外呼任務(wù)。然而，這類系統(tǒng)的局限在于它們主要關(guān)注于語義理解，而忽略了用戶背景、行為模式以及實時需求的深度分析。

　　我們的決策大腦技術(shù)則完全不同。它不僅能夠理解用戶的語義，還能預(yù)判用戶的特征、需求及其時間點。具體來說：

　　用戶畫像：決策大腦能夠根據(jù)用戶的歷史行為、偏好及內(nèi)部數(shù)據(jù)，構(gòu)建詳細(xì)的用戶畫像。

　　需求預(yù)測：通過分析用戶的行為模式和市場趨勢，預(yù)測用戶在特定時間點的需求。

　　關(guān)聯(lián)分析：不僅僅依賴外部語料庫，還深入分析語料庫與內(nèi)部數(shù)據(jù)之間的關(guān)聯(lián)，從而調(diào)用最相關(guān)的內(nèi)部報告、畫像系統(tǒng)和預(yù)測模型。

　　個性化反饋：最終，所有這些信息會被整合成高度個性化的評估體系，反饋給客戶經(jīng)理，使他們能夠進行有針對性的溝通和服務(wù)。

　　實際案例：當(dāng)客戶咨詢某個理財產(chǎn)品時，傳統(tǒng)的機器人客服可能只能基于預(yù)設(shè)的回答模板提供通用信息。但借助我們的決策大腦技術(shù)，智能客服不僅可以理解客戶的提問，還能迅速調(diào)用內(nèi)部數(shù)據(jù)，了解該客戶的歷史投資記錄、風(fēng)險偏好以及最近的市場動態(tài)，進而為客戶提供定制化的理財建議。

　　我們改進了傳統(tǒng)語言大模型或聊天機器人的功能，使其真正具備了“大腦”的能力。這種帶決策大腦的聊天機器人不僅能夠精準(zhǔn)地進行營銷，還能將客戶服務(wù)轉(zhuǎn)變?yōu)橐粋€高效的二次銷售場景，同時保持溫和友好的互動方式。這不僅提高了服務(wù)質(zhì)量，也為企業(yè)創(chuàng)造了更多的經(jīng)濟價值。

　　最后，讓我們來詳細(xì)了解一下我們服務(wù)的實際效果。我們的服務(wù)模式是通過模型落地、咨詢服務(wù)和營銷服務(wù)三者結(jié)合，為客戶提供全方位的支持。在這個過程中，以銀行為例，我們可以覆蓋眾多業(yè)務(wù)場景，每個場景都有專門的團隊負(fù)責(zé)，確保全行業(yè)的廣泛覆蓋。以下是幾個成功的案例，展示了我們在不同場景下的顯著成效。

　　1．某國有銀行河北省分行開門紅活動

　　在某國有銀行河北省分行的“開門紅”活動中，我們通過嚴(yán)格實施A/B測試驗證了模型的效果?；顒悠陂g，資產(chǎn)規(guī)模提升了六七百億，其中大眾客戶的存款新增了178億。這一成果不僅體現(xiàn)了模型的強大效能，還證明了我們服務(wù)方案的有效性。通過嚴(yán)格的評估體系，我們能夠清晰地區(qū)分模型帶來的效果與原有做法之間的差異，確保每一個提升都經(jīng)過了科學(xué)驗證。

　　2．某國有銀行山東省分行的智能運營

　　某國有銀行總部多年來一直致力于模型開發(fā)，并得到了多家頂級咨詢公司的專業(yè)賦能。在山東省分行的項目中，我們與總行派遣的五個頂級模型團隊進行了現(xiàn)場比拼。對方五個團隊在三個月內(nèi)僅完成了少數(shù)幾個模型的開發(fā)，總計實現(xiàn)了25億元的業(yè)績；而我們團隊僅用一個月就完成了數(shù)十個模型的開發(fā)，并創(chuàng)造了153億元的業(yè)績。此外，在等待對方完成開發(fā)的過程中，我們還額外實現(xiàn)了超過100億元的收益，最終在三個月內(nèi)共創(chuàng)造了250億元的顯著業(yè)績。這一對比充分展示了我們在模型開發(fā)效率和效果上的顯著優(yōu)勢。通過高效的開發(fā)流程和精準(zhǔn)的模型應(yīng)用，我們不僅大幅縮短了項目周期，還為客戶帶來了遠(yuǎn)超預(yù)期的經(jīng)濟效益。

　　3．某大型國有銀行網(wǎng)金理財運營

　　在某大型國有銀行網(wǎng)金平臺上，我們首次應(yīng)用理財模型時，一次活動就實現(xiàn)了151億元的業(yè)績，效果非常顯著。這表明我們的模型不僅能快速適應(yīng)新環(huán)境，還能迅速產(chǎn)生可觀的經(jīng)濟效益。

　　4．某城商行的理財運營

　　在某城商行的項目中，我們與某大廠友商團隊進行了競爭。最初我們?nèi)〉玫男Ч浅：?，但在第二階段對方提出免費提供服務(wù)并接手項目。然而，由于某友商團隊的效果不理想，客戶最終還是選擇了我們繼續(xù)合作。這證明了即使面對免費的競爭，我們的服務(wù)質(zhì)量依然是客戶最看重的因素。

　　5．某國有行上海分行和寧波分行貸款營銷

　　我們在某國有行上海分行和寧波分行實施了貸款營銷方案，結(jié)果表明授信率和支用率都有了大幅度的提升。這不僅提高了銀行的資金利用率，也增強了客戶的滿意度和忠誠度。

　　6．某國有銀行信用卡存量用戶激活

　　針對信用卡市場獲客成本高的問題，我們幫助多家銀行通過激活存量用戶來提高開卡率。這一策略不僅降低了獲客成本，還有效提升了用戶的活躍度和使用頻率。

　　通過這些成功案例可以看出，我們的服務(wù)不僅能夠帶來顯著的經(jīng)濟效益，還能通過科學(xué)的方法確保每一項改進都是可驗證、可持續(xù)的。無論是資產(chǎn)提升、貸款營銷還是信用卡激活，我們都致力于為客戶提供最優(yōu)質(zhì)的解決方案，助力其實現(xiàn)業(yè)務(wù)目標(biāo)。

　　7．某國有卡組織新增客戶獲取（拉新）

　　為了開辟新的拉新通道，我們與某國有卡組織展開了多年合作，在其平臺上實施了精準(zhǔn)的拉新模型。通過這些模型，我們能夠顯著提升拉新的轉(zhuǎn)化率。例如，去年我們在某國有卡組織平臺上為1000多張信用卡進行了拉新活動，轉(zhuǎn)化率提升了7到8倍。這不僅大幅增加了新客戶的數(shù)量，還有效提高了營銷效率。

　　8．某國有卡組織存量用戶的激活（活卡）

　　在激活存量用戶方面，我們也取得了顯著成效。通過某國有卡組織平臺上的權(quán)益營銷活動，我們幫助銀行實現(xiàn)了信用卡的高活躍度。活卡后的ROI（投資回報率）提升了十幾倍，充分證明了我們策略的有效性。這一成果不僅增強了用戶的使用頻率，還帶來了顯著的經(jīng)濟效益。

　　從存量用戶的經(jīng)營到外部拓客的拉新，我們的服務(wù)可以全面覆蓋各個業(yè)務(wù)環(huán)節(jié)。我們提供的不僅僅是一個產(chǎn)品，而是包括專業(yè)咨詢、數(shù)智化運營產(chǎn)品、AI運營服務(wù)、數(shù)智化運營培訓(xùn)等一站式解決方案。

　　我們的目標(biāo)不是單純追求利潤，而是希望通過引入先進的生產(chǎn)力和人才體系，幫助合作伙伴快速贏得市場領(lǐng)先地位。例如，某國有銀行河北省分行在完成“開門紅”活動后，全行排名從前五名躍升至前三；某國有銀行山東省分行也在多項指標(biāo)上名列前茅，達到全行第一。這些成績展示了我們服務(wù)的實際效果和價值。

　　除了銀行業(yè)，我們還在券商和保險等多個領(lǐng)域提供了優(yōu)質(zhì)服務(wù)，并取得了優(yōu)異的成績。由于時間有限，今天的分享只能涵蓋部分內(nèi)容，更多細(xì)節(jié)問題歡迎各位在會后與我們進行深入交流。

　　新浪聲明：所有會議實錄均為現(xiàn)場速記整理，未經(jīng)演講者審閱，新浪網(wǎng)登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。