中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

筆者結合實際工作經驗，描述了移動時代AI財富管理的階段特征和服務路徑。未來，AI財富管理將會逐漸實現融合生活的開放式服務。

望各位讀者讀文先知，本文以工作中產品的實際應用經驗為依據做討論，非技術科普，如有不足，還望分享指正。

觀點前審

AI財富管理的個人愿景不僅是指幫助高凈值的人如何保值、增值，而是能針對不同資產階層、不同時期的用戶，依據用戶的短、中、長期資產目標、風險偏好，結合用戶和市場的整體情況，幫助用戶對現有和預計未來的財富進行清晰的認知和規劃，幫助用戶保住或提升現有生活質量、實現資產目標。

在條件滿足時，AI將具有比專業人類更廣闊的知識維度和處理海量信息的絕對優勢，算力代替人力打破服務能力的壁壘，為更多普通用戶提供個性化的財富管理服務。

移動時代則代表著AI財富管理的服務場景將不再局限于某個辦公室或電話，從獲客到了解用戶再到提供服務，都可能在用戶隨身的設備上完成，將是一種個性化的陪伴式服務；甚至最終他將融入用戶生活的細節，成為一種新的生活方式。

目前的AI財富管理特征

目前雖有很多金融領域的AI服務，例如銀行、保險、基金理財、證券等。但從整體的服務情況來看，個人認為其主要階段特征可以概括為“從垂類維度切入AI服務，搭建財富管理的基礎”。

我將對目前的服務部分做簡單討論，同時，為了下文討論的準確性，也將稱目前的財富管理服務為金融類AI服務。

目前移動端的金融類AI服務我將其主要劃分為三個部分：

1. 用戶感知：用戶畫像并解析用戶意圖與需求；
2. 數據處理：針對感知條件對海量信息計算處理；
3. 決策服務：組織服務信息，并以合適的方式提供給用戶。

下圖為根據個人理解所列的服務框架，僅供參考，歡迎指正補充。

結合上述框架，個人認為目前移動時代的金融類AI服務主要處于第一階段：摸索垂類核心用戶畫像和搭建服務框架。

歸結成白話，這一階段的關鍵特征即是：我想知道你是誰，但我的服務很有限。

這里的“想”是指服務方通過各種手段想知道用戶是誰，而目前AI服務的范圍和深度“有限”，處在探索不同用戶需求和完善的階段。

該階段初期往往提供單點的服務，如果沒有系統的規劃，容易造成用戶對AI服務的功能認知度低，可以解決哪些需求感知模糊。

所以，我認為這階段如何系統的培養用戶習慣和得到用戶信任是關鍵。

個人經驗：在工作驗證中，“想”和“有限”并不是必然的限制關系，關鍵是服務方本身對于不同的用戶要如何服務、怎么有效切入以及還要有多少服務有整體的規劃，規劃的意義不僅是迅速測試出對用戶群有效的單點服務，更重要的根據用戶的需求將單點串聯起來，讓AI服務的形成用戶可感知的整體，在合適的服務場景提供用戶關心、有深度的服務，培養用戶習慣和信任。

圖1 眾安保險-眾安精靈；圖2 螞蟻財富-智能理財助理；圖3 同花順-問財；圖4 且慢-小顧

以上述4款APP所提供的智能服務為例，簡單討論一下該階段的服務特點：

1. 不論在哪個智能服務對話中，為什么服務首先（還要）摸索用戶畫像？

個人認為，最初始的意義是用戶畫像是提供AI個性化服務的前提。

雖然有的頭部公司已經積累了大量用戶數據并應用了其中一些維度，但目前的主要應用場景是挖掘與用戶數據強相關的向量來做推薦，而解決財富需求的過程中卻是有多維變量、動態需求以及多種服務邏輯在里面的。

例如解決用戶養老需求的資產配置問題，則需要知道用戶的資產情況、投資目標、風險偏好、期望的退休生活水平等等，這些隱私數據仍需要用戶告知。

但在移動時代，我認為更重要的意義應該是通過用戶畫像，理清AI服務的用戶定位和服務框架。

用戶畫像不應該僅僅是服務于解決某個問題的數據基礎，而是在上層理解“我的用戶都有什么樣的人，會有什么需求，什么樣的場景適合提供服務”。不只是用戶提出需求，而是可以找到有需求的人，以及在合適的時候激發用戶的潛在需求（歡迎提供更多思考）。

另外，通過對不同用戶的服務分析，我們可以得到用戶有效、高價值的APP行為數據，總結學習服務行為特征和結論，以在服務形式上更高效、人性化、貼近用戶喜好。

個人認知的用戶畫像構建方法如下，結合框架不做贅述：

• APP行為事實——概括行為特征——整合理念標簽；
• 通過用戶輸入、對話、答題的、游戲化的方式補充畫像；
• 某個別大廠用戶本身通過自身服務就擁有一些關鍵財富數據的畫像，先天優勢。

舉例：

這里的AI服務就像生活中的保險銷售，銷售總結了多套對待不同用戶的方式，不斷嘗試如何有效地接觸到有需求的用戶，用戶需求得到激發后本身也會樂意與他們溝通，從而為了獲得“個性化”的定制方案。

而銷售在了解了用戶信息之后，按照一定的服務邏輯為用戶提供保險方案，并明確用戶可以解決哪些需求和風險，甚至未來用戶有了子女，看到用戶的朋友圈后他會第一時間誠摯的祝賀并考慮要為用戶推薦一個育兒教育險。他們從成功和失敗中總結和優化自己的服務邏輯，移動時代的AI財富管理就是這個故事的很大一部分搬到了APP上實現。

2. 目前的AI服務多以“嗷嗷待哺”的形式提供服務

不僅上述四例，很多智能投顧服務往往依靠APP首頁運營位吸引用戶進入封閉式服務，我認為這樣的服務問題有二（如果APP首頁即是唯一的核心服務場景請忽略此段）：

1）引流問題

依靠APP首頁運營，看似把最重要的引流位給了它，但是用戶需要從首頁獲得什么服務呢？

目前的AI服務幾乎都希望通過標題吸引用戶進入封閉式服務，并不是封閉式場景不好，沉浸式服務理論上會有較高的轉化率，但實際很多有價值的服務所針對的用戶需求，是在場景下應景而生的。脫離服務場景往往也就會容易脫離用戶需求，越來越像標題黨，進去后讓用戶不痛不癢的結果。

個人認為適時是最好，有時候無比有甚至更好，反反復復那么幾種引導內容說爛了，用戶也早就不在意你了。

針對引流后的場景內轉化，如果你想更好地了解和服務用戶，這里分享一個建議：關鍵結論+多倫銜接直接收集用戶信息并反饋。

實驗驗證，服務過得去的話預計可以獲得15%左右的新用戶反饋，70%的引流用戶反饋（歡迎分享其他更有效的方式）。這其實從日常的運營經驗也可以得出，每一次的跳轉都可能讓你只剩下上一步用戶的10%。

如果你的對話服務還在掛跳轉，要么是該服務鏈路長撐不住直接展示的高并發，要么你該嘗試一下了。

2）個性化問題

首頁運營位展示內容類型受限，目前的服務范圍和能力也有限，解決問題的基本方式是將用戶的完整需求以小粒度細分、獨立解決，即一類問句對應一種語義解析解決一個小問題。

所以，業務方往往會通過首頁展示幾類認為拿出的手的服務，甚至期望通過引導用戶點擊選項或主動詢問標準問句的方式來滿足用戶。而這樣的服務更偏向于那批小眾知道要解決自己什么問題或好奇心強烈的人來接受服務，如果服務的不好反而還會失去他們，這其實對于服務方了解當前環境下，到底哪些用戶對哪些需求最渴求將十分低效。

這里針對“服務結合場景”進一步說明，這并不是說要摒棄明顯、固定的入口，而是能在用戶應有所需的場景下嘗試提供他可能最需要的服務。因為目前用戶使用APP滿足需求仍然離不開傳統服務場景，這樣不僅讓用戶可以感知AI服務的能力范圍，其實更是強化了AI服務服務的入口，更重要的是培養“智能服務”來解決用戶需求的習慣，傳輸智能服務理念——“我在，我是專業的，在這里的任何問題都可以先來找我解決”。

目前在實際工作中，針對少量用戶個性化的在不同場景中推送應時應景的服務，驗證這對已經有使用體驗的用戶具有很高的促活作用，對新用戶也有一定的習慣培養作用，同時也能激發用戶對服務范圍的聯想，讓很多無人問津的智能服務得到應用、留存和優化。

總結，AI服務應該要有激發用戶需求的能力，用戶往往不是不需要，而是不知道你有，或在這里應該有什么。

3. 需要讓用戶更懂你

這也是當下作為服務方的一個痛點，為什么不僅要懂用戶，還要讓用戶懂“你”。我認為原因有二：

1）用戶信任

用戶的“自我意向”決定了當他在看到解讀信息時往往會按照自己認為的方向解讀。

如圖舉例，當同花順智能機器人僅輸出結論時，會激起大量有自我邏輯的用戶反對，這里并不是說AI與人孰對孰錯，而是在AI無邏輯的輸出結論下往往在用戶看來“漏洞百出”。

假設AI服務可以按照圖中一位用戶邏輯的回答，更改輸出結論為“放量突破前高，多頭強勢突破壓力”，是否會讓這類用戶覺得該服務有價值，希望得到更多解讀呢？

這里也體現了讓AI服務與用戶交流的關鍵意義之一，讓用戶本身就可以幫你優化服務。

圖1 問財智能評論；圖2 評論的部分用戶反饋

2）服務風險

任何智能服務都會存在風險，況且還處于目前的初級階段，這點在投資上最為明顯。

例如在智能推薦投資組合上，你會發現如果你接觸到的用戶越多，就越能理解更多的用戶心態多為“0風險短期發財”的偽理念，其填寫的風險承受能力和實際風險承受能力往往也可能會天差地別。

如果投資組合在出現跌幅波動，用戶很容易迅速失去信心，將責任推到“智能”上，而不會理解為市場出現了問題，原因是什么，對自己最終收益的真正影響。所以，如何幫用戶理解為什么要這樣解決問題、以及這樣做的風險和收益同樣很關鍵。

下圖分別為某用戶對招商摩羯智投的投后評價（圖取自知乎），以及“且慢”在輸出資產配置時的風險和收益介紹，這里僅舉例示意，不再贅述。

圖1 某用戶投評；圖2 且慢投資配置對話；圖3 且慢投資配置對話

綜上，對于這一階段的服務而言，我認為有三點很關鍵：

1. 對于用戶畫像擬合的維度、分類和準確度是否符合核心目標用戶群體特征以及達到可以應用的標準；
2. 圍繞用戶展開個性化服務是否積累到了有效地行為試驗數據，并支撐驗證第一條的準確性；
3. 是否能夠高效的完善個性化服務框架并不斷試驗，以持續支撐前兩條。

由于這三點，該階段也就出現一個最大的限制——人，互聯網+垂類專家。

由于深度學習成本高，且需要高質量和豐富的核心服務數據基礎，初期解決問題的方式往往只能是先用框架匹配的方式，服務能采用的邏輯、標的也十分有限的。所以這階段的個性化服務，基本還是需要靠人搭建，需要依靠人判斷、標注什么是優質服務數據；如果在結合機器學習算法時期，更需要對服務框架中的向量維度、建模、結果等有初始定位和目標預期。

所以，該階段服務成果的核心決定因素便是服務方的專業程度、服務方式的有效性和服務完善的快慢。

以工作中接觸到的投資資訊推薦為例：

• 用戶畫像：這里將用戶投資理念簡單抽取為短線買賣、熱點追漲；
• 行為特征：受貿易戰炒作華為影響多次點擊華為鴻蒙系統相關資訊；
• 用戶標簽：推薦系統按照資訊的內容標簽為用戶打上了“華為”“操作系統”標簽。

到這里或許不了解投資的人不知道有什么問題。我的看法是，在投資領域做推薦本身是很困難的，因為投資市場的不確定因素很大且內容海量，所以要為用戶篩選出適合他的投資信息難度很高，但這也正說明了用戶的痛點。

在這個實例中，我認為從本質上就出現了一個問題——內容標簽直接應用在投資推薦系統中，這層標簽在投資場景中根本沒有達到理解用戶需求的層次。

以該用戶為例，他的內容需求可以歸結為“短期對股價有明顯利好影響的內容”，資訊的推薦算法應是通過用戶特征嘗試先找出這類人群，總結投資理念（這個步驟可以前后互補），再從他們的閱讀偏好、個股行為、市場表現等數據中學習找出這類人群偏好的內容和特征；再與他們的投資理念掛鉤，從而可以從海量資訊中找出符合這類理念的內容做推薦；這時也可以進一步根據轉化數據判斷目前到底有哪些內容，可以滿足哪類用戶。

內容標簽為主導做推薦往往與市場表現關系甚微，用戶看后無用會對推薦服務越來越失望（大量用戶調研反饋，我知道你是推薦，但是我覺得推的都沒用；這里僅舉例，實際用戶的投資邏輯和推薦匹配更為復雜）。

第二階段構想：整合垂類服務，提供陪伴式服務

這里沒有詳實的案例，結合前面所述，我想來假設一下第二階段的服務形式，進而討論與前兩階段的本質區別。

我們來模擬服務場景：

用戶特征：年齡二十八，有車欲購房，已結婚，想生子。

以此為基礎，我們可以討論一下這名用戶生活中可能會有什么樣的財富管理需求，如果有了AI財富管理用戶的生活方式又會有怎樣變化？

下圖是我以四個大類財富管理需求為例，列出簡單框架以供下文使用，讀者朋友僅供參考。

紅色為AI財富管理首先所了解或推測的用戶目的，黑色為AI財富管理可能需要考慮和掌握的維度，藍色則是為最終提供用戶的決策結論。

結合上述摘取的四大類需求，未來十年用戶的財富結果可能會怎樣：

• 感覺馬上要孩子了，目前租房子怕是住不開了，捏著手里的存款看過不少樓盤；前后盤算又是交通又是學區，中介說房價要漲，親戚朋友有的說房價要跌，仍然不知道到底該不該買房，兩年過去發現全套變首付。
• 兩年后有了孩子寄予子女厚望存，想存下一筆錢讓他日后上私立中學或出國，自己開始節衣縮食，旅游都不曾想過。
• 幾年來工作勞累過度，有一天突現重疾，奈何個人理念所致，并沒有購買對應保險，不僅花銷大筆存款還在一定時期失去了收入來源。
• 聽朋友說牛市來了，想搏一搏奧拓變奧迪，沒有任何投資知識的情況下入市，小嘗甜頭后將大筆資產投入股市，不料買在山頂，一個月攔腰虧損。

這里并不是隨便舉例，上面的每一個情況都是我身邊的人親身經歷。相信如果大家八卦一點，也會經常聽到身邊有人如此經歷。

如果有了AI財富管理，我的簡要期望可能是怎么樣：

• AI財富管理從海量現狀和歷史房源數據中，擬合未來房價趨，客觀評估目前購房時機和用戶購房需求是否匹配，根據用戶的條件推薦選擇交通相對便利的經濟適用型，綜合各維度房價相關變量，篩選出最符合用戶需求的房源信息，并建議5年后可以考慮子女教育置換房產計劃，并為你輸出了貸款方案。
• AI財富管理將根據用戶對子女的教育期望、學業水平表現等各條件，從海量教育數據中幫你評估教育期間的相關費用、升學幾率，設定學費存取和保值增值計劃，每月定期幫你存取，并根據你的短、中、長期財富需求重新做了資產分配調整，不僅讓子女升學無憂而且不會降低生活質量。
• AI財富管理將根據用戶的年齡、性別、工作類型、家族病史、海量相似人群的健康統計信息甚至基因等方面評估影響你健康的最大風險和對應的險種，并且督促你按時體檢，標記必檢項目，這不僅讓你了解健康狀況還讓你的資產多了一重保障。
• AI財富管理會隨時結合前面的需求、資產狀況及收支情況等，協助你設立投資目標、評估你的風險偏好，結合海量行情信息為你定制投資組合和標的，及時更新調倉策略，撫慰用戶過激情緒，或許在行情上漲之前，你就已經配置了合理的資產在股市中享受收益。

如上所描述，我認為第二階段本質上的提升便將垂類的服務深度完善，并將過去垂類的服務邏輯搭建為一體。用戶整體的財富情況、未來需求、解決方案等，都可以通過可視化的方式呈現出來，以日、周、月、年、五年、十年等時間軸為用戶提供個性化的陪伴式服務。

這時的AI財富管理服務可能更逼近于“融合生活的開放式服務”，不僅幫助用戶完成大類資產的財富管理，而且真的像許多科幻電影里無所不能的生活管家，你在換季時喜歡添一件什么價位和喜歡款式的衣服、推薦休假的目的地、房屋裝修幫你選材等等，AI管家都可以幫你量身定制好服務和計劃。這時候生活的含義將不再需要刻意考慮生活中的雞毛蒜皮，或對承擔花銷毫無計劃的痛苦，而是能更專心去提升自己或享受生活。

本文受限于個人工作經驗和認知所限，望各位讀者朋友僅供參考、指正不足，分享想法。

作者：海然，90后八年股民，互金產品，期望未來五年可以真的讓億萬家庭享受AI財富管理服務。

本文由 @XXX 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議