初探金融大模型在商業銀行營銷體系的應用

商業銀行營銷體系的變遷往往與技術躍遷息息相關。我國商業銀行技術革新，已經歷了三個階段：一是金融電子化時期，即通過優化銀行內部數據采集和處理能力，提高客戶服務效率。二是互聯網金融時期。這一階段形成了“用戶為王”的底層商業邏輯，商業銀行開始下沉搶占“利基（Niche）市場”，但其作為傳統金融媒介和支付結算機構的功能開始受到互聯網公司的挑戰。三是金融科技階段。2017年央行首提“金融科技”概念，數字經濟時代，金融科技已成為各家商業銀行的戰略共識，這一階段商業銀行在營銷端重點聚焦產品線上化，以及大數據分析對精準營銷、營銷關鍵節點的賦能。

基于互聯網金融時期盛行的“快魚吃慢魚”的規則，商業銀行前期的營銷戰略主要以產品為核心，通過快速迭代產品創新，搶占客戶和市場份額。然而，隨著全球經濟放緩，國內產業結構調整，數據成為新的生產要素，人工智能技術快速迭代，以及近期頻繁提及的新質生產力等外部和市場環境的變化，商業銀行面臨市場的兩大變化：一是從過去的增量市場競爭轉向存量市場競爭；二是傳統產業深入數字化轉型升級，同時，數據資產將重新定義企業價值。這兩種變化對商業銀行現有營銷體系形成巨大考驗，本文試圖從當前營銷體系存在的問題出發，從技術視角初步探索商業銀行通過金融大模型的應用，來應對未來市場帶來的挑戰。

商業銀行現行營銷體系存在的問題

近年來，商業銀行持續經歷宏觀經濟增速下行帶來的利率下行壓力、經濟結構變化導致的貸款規模擴張動能減弱，反映在營銷側，銀行業務人員已經從過去的增量市場競爭步入存量市場競爭，同時，個人客戶和產業客戶的營銷邊界加速模糊，客戶需求呈現多元性、專業性和時效性等特征。為應對市場發生的系列變革和挑戰，商業銀行的頂層營銷戰略不約而同地從“以產品為核心”向“以客戶為中心”轉變。但在實際執行中，目前商業銀行的營銷方式、營銷隊伍能力以及后臺技術支撐，尚不足以構建一套“以客戶為中心”的營銷體系。

主流的線下營銷方式難以突破人力限制

獲客是商業銀行營銷體系的運營目的之一，線下營銷是其主流獲客方式。過去，銀行網點是獲客的重要渠道，然而隨著互聯網的興起，社會數字化程度持續加深，銀行網點的獲客功能式微，“渠道生態”的獲客策略是商業銀行近幾年的主流模式。在實際運行中，銀行業務人員主要通過“地毯式”地打電話或者“名單制”線下拜訪的方式與客戶進行聯系，雖然這些客群已經利用專家規則經過篩選，或是存量客戶，但即便是經過篩選的潛在客戶，對于銀行有限的人力來說仍然是一個海量數字，很難在短期內收獲成效。

從商業底層邏輯來看，其實無論是依靠網點或是依賴渠道生態，商業銀行的營銷活動習慣于線下方式，營銷相關成本仍以場地、人員等傳統成本要素為主，營銷效率也依然受限于單位場地效能和人均效能。現行的營銷方式實際已經與當前先進的生產要素不匹配，無法釋放出先進生產力。

與客戶信任的建立更加依賴專業和效率

商業銀行采用的線下營銷，其核心需求在于通過業務人員與客戶之間建立信任，傳遞產品信息。商業銀行在個人金融服務領域基本實現從產品到流程的數字化改造，但其在服務高凈值客群時，已經暴露出金融服務專業化水平不足的弊端，配置專門的私行客戶經理模式也難以滿足這類客群的多元金融需求；而個性化程度較高的產業金融服務領域，商業銀行內部在這一業務板塊的數字化程度仍有較大提升空間，其發展主要受限于行業的專業性壁壘，以及產業客戶需求的有效信息不足，公司業務人員試圖通過傳統關系營銷與客戶建立信任，但邊際效果實際在下降，價格戰已然成為當下市場競爭的主要手段。

數字經濟時代，快速的信息交互、金融產品與服務的高度同質化，導致客戶對于標準化服務與產品的忠誠度快速下降。“以客戶為中心”的戰略目標需要通過陪伴客戶全生命周期來實現，但目前商業銀行的營銷服務仍側重于結果，而非長期陪伴，同時，業務人員面對快速升級迭代的市場客群，其專業能力往往跟不上客戶需求。

單一維度和低質量的數據難以支撐精準營銷

商業銀行利用大數據技術，通過“精準數據+精準分析+精準推送”的組合，實施精準營銷，滿足客群的差異化需求。但在實際情況中，由于銀行獲取客戶信息渠道單一，主要為內部與客戶發生交易時獲取的基本信息、賬戶信息和交易數據等結構化數據，缺乏諸如客戶偏好與習慣等非結構化數據的收集。這類局限的、單一的數據分析，往往對營銷指導的精準性不足。同時，商業銀行對客戶信息的終端收集目前仍主要依賴人工錄入，如客戶基礎信息、行業分類、財務數據、信貸投向等關鍵信息，在初始錄入時即可能發生錯誤或缺失，且后續數據更新時效滯后。

新媒體營銷時代，市場已經塑造出“去過程化”“去單一化”“直聯用戶”“所見即所得”的底層營銷邏輯，對于被海量信息包圍的用戶而言，只有極少的信息內容能夠引起他們的關注，并過濾出更少的內容觸發他們參與互動。商業銀行目前單一維度和低質量的數據，一方面很難達到以“轉化率”為衡量標準的“精準營銷”，另一方面，即使推送的內容觸發用戶，但銀行缺乏全面化、多元化的數字化營銷方案承載客戶需求。

金融大模型的發展情況及優勢

2022年末ChatGPT的發布，掀起了對自然語言理解（NLU）和自然語言生成（NLG）技術的研究與投資熱潮，國內互聯網企業相繼發布對標ChatGPT的產品，如ChatGLM、通義千問、文心一言、盤古大模型等。

與此同時，針對金融等高度專業化領域的專業模型，多家企業和科研機構正基于通用基礎模型，融入行業專業知識和分析技巧，進行更進一步的定制化訓練。國際上彭博（Bloomberg）、摩根士丹利（Morgan Stanley）、Lemonade等知名公司均已開發出此類模型；國內互聯網公司如華為、星環科技、拓爾思、奇富科技以及360智腦等，均已發揮其技術優勢，推出了多款金融大模型智能解決方案。此外，中國工商銀行、興業銀行、中國農業銀行和平安銀行等傳統金融機構也積極參與金融大模型的研發。

NLU和NLG技術有助于打破商業銀行營銷效率受限于人力的問題

NLU和NLG技術推動人工智能邁入新紀元。“語言”是認知和交互的“中樞”，“語言力”更是金融大模型的底座能力——包括精準洞察客戶的金融情緒和金融意圖的能力，以及善于總結歸納行業資訊并推理分析行業事件的能力。

商業銀行主流的線下營銷方式，其效率受限于人力因素，如人員數量及質量，雖然已有機構開始嘗試通過新媒體平臺投放產品廣告，但因未建立信任、內容單一等原因，公域流量轉化至私域流量進而轉化成營銷落地的轉化率并不高。通過金融大模型的“語言力”，一是讓客戶擁有24小時在線的專業客戶經理成為可能，打破人力限制；二是實現精準分析用戶與銀行的流量及服務觸點，衡量商業銀行品牌信息觸達客戶需求的距離，幫助信息精準傳遞，節約流量營銷成本，傳遞優質內容，提升營銷有效性。

人工智能（AI）搜集、提取和分析海量信息的能力有助于滿足商業銀行對提升專業和效率的需求

AI技術的優勢在于海量信息的搜集、提取和分析能力，生成式大模型將大幅提升客戶經理的專業水平和服務能力，大幅降低客戶經理的運營成本。如，中國工商銀行聯合華為云打造的金融大模型，為銀行柜臺人員提供流程和操作指導自動化生成；興業銀行與興業基金合作開發的ChatCIB和“興基智”人工智能平臺，應用于反洗錢和智能詢價業務功能等。

面對具有時效性的金融數據、新聞動態、社交評論等每日信息，銀行業務人員很難及時向客戶提供相關分析服務，以達到專業鏈接信任的目標。AI大模型的優勢用于上述信息采集和分析，可以為客戶提供市場輿情和風險預測等具體服務。以軒轅大模型為例，軒轅會提醒客戶結合資產狀況、收益目標和風險偏好，以及外部的市場動態，來進行投資決策。

金融大模型的開源生態有助于解決商業銀行數據痛點

開源模式對于大模型的技術進步和商業應用具有顯著影響，開源模型通過降低技術門檻，使得更廣泛的企業和開發者能夠參與到金融大模型的研究與應用中。這種包容性不僅帶來了多維度數據，豐富了客戶方案的多樣性，而且通過社區的集體智慧，增強了模型的安全性和可靠性。在風險管理至關重要的金融領域，開源模型提供了必要的透明度和社區監督，這些特性對于確保模型的穩定性和信賴度是不可或缺的。

長期以來，商業銀行嘗試通過大數據分析以期實現“精準營銷”的目標，但由于其自身數據以結構化數據為主，來源單一，且內部數據質量不高，難以支撐“精準營銷”的落地。金融大模型的開源生態，一是通過交叉校驗實現數據糾錯，提升數據質量；二是通過多維信息，融合結構化和非結構化信息，提升客戶行為預測準確率；三是創作更加精準的內容，喚起用戶關注與互動。

探索金融大模型在商業銀行營銷體系的應用

商業銀行進行數字化轉型建設起步較早，目前行業整體的數字化基礎能力已初步搭建完成，數據驅動決策模式正在取代傳統決策模式。然而在營銷側，商業銀行營銷體系的數字化程度卻并不高，面對市場正在發生的兩大變化——增量市場競爭轉為存量市場競爭，以及數字經濟下的企業價值重構，現行營銷體系已經在營銷方式、營銷隊伍能力和后臺技術支撐上呈現明顯不足。

金融大模型目前已經在語言力、知識力和專業力上具備應用能力，其在海量信息的搜集、提取和分析能力上的優勢更是人力無法企及，再加上金融大模型開源將帶來生態的多樣性以及數據的豐富性，以上這些優勢將有助于商業銀行構建一套全域數字化營銷體系，以彌補營銷方式、營銷隊伍能力和后臺技術支撐的不足，適應愈加多元復雜快速變化的市場需求。

重視培育私域流量，創設數字營銷助理

商業銀行的私域流量主要來自兩方面：一是通過手機銀行、小程序等終端獲取，二是通過公域投放廣告引流轉化。前者主要面向存量客群，金融大模型對數據的挖掘、提取和分析優勢將有助于精準圈定可提升客戶，并為業務人員提供客戶行為預測；后者目標是獲得新客，銀行通過大模型，可對廣告投放效果進行分析，如點擊成本、觀看量、觀看時長等，同時對轉化環節的數據分析，如觸達率、產品使用率等，以此獲得更加精準的目標客群畫像，調整廣告投放方案，提升私域流量轉化率。

ChatGPT和Sora的技術革新有望幫助商業銀行創設數字營銷助理的角色，數字營銷助理將打破線下營銷受限于人力資源的困境，釋放出更多人力資源向更高價值點處遷移；同時，數字營銷助理將改善當前線上廣告投放互動性不足的問題，通過增加與用戶互動，獲取更多營銷終端的非結構化信息，這將有助于商業銀行形成全域數字化營銷閉環。

發展智能投顧應用，應對業務人員專業提升需求

數字經濟時代，產業數字化轉型升級持續加碼，數據作為新的生產要素，數據資產重新定義企業價值。與此同時，個人客群與產業客群的營銷邊界加速模糊，市場對銀行業務人員的知識廣度和深度提出更高要求。目前商業銀行普遍存在梯隊人才短缺的現狀，尤其在營銷端，缺乏專業型業務團隊。

金融大模型可通過多語義關聯與匹配，對數據和知識進行挖掘與理解，更加智能地識別出用戶真實意圖，進而給出更符合用戶需求的答案。商業銀行可面向營銷端的業務人員，配置智能投顧，嵌入現有的移動終端，一方面可以快速檢索分析政策、市場、行業、和客戶財務信息等數據，向業務人員提供個性化、針對性強的營銷話術，另一方面結合移動終端錄入采集的多維數據，如地理信息、行業信息、訪客信息、財務信息等，幫助業務人員進行目標客群價值排序，提升單位時間產能。

創設“監管沙盒”，發展金融大模型開源生態

“監管沙盒”的邏輯產生于市場中很多大企業采用在虛擬環境中進行測試技術的方法。應用于金融領域，“監管沙盒”的意義在于為新興業態創造一個安全區域，支持生態企業發展，通過適當放松參與實驗的創新產品和服務的監管約束，激發創新活力，提高創新和轉化效率。

金融大模型的發展特征趨向于開源和垂直類，商業銀行具備海量存儲數據的天然優勢，通過創設“監管沙盒”，商業銀行積極發展開源生態，既能解決數據單一、質量不高的問題，更重要的意義在于引領形成人工智能創新生態圈，擴大了應用場景創新出現的領域范疇，有望為內部管理和外部客戶提供更加多元的解決方案，獲得市場創新溢價。

過往營銷側的數字化程度受制于數據采集、數據量、算法、算力等因素，發展一直相對滯后，生成式AI技術的快速迭代，以及Sora文生視頻的技術顛覆，有望實現營銷側數字化改造，形成一套適應于新經濟新市場的數字化營銷體系。長遠來看，全域數字化營銷體系有利于打通營銷和研發的邊界，構建快速反應的營銷作戰體系和快速迭代的產品研發體系，以持續變革來適應復雜多元的新需求。

（戴潤靜為杭州銀行南京分行財務管理部副總經理。特約編輯/孫世選，責任編輯/丁開艷）