商業(yè)銀行營銷體系的變遷往往與技術(shù)躍遷息息相關(guān)。我國商業(yè)銀行技術(shù)革新，已經(jīng)歷了三個階段：一是金融電子化時期，即通過優(yōu)化銀行內(nèi)部數(shù)據(jù)采集和處理能力，提高客戶服務(wù)效率。二是互聯(lián)網(wǎng)金融時期。這一階段形成了“用戶為王”的底層商業(yè)邏輯，商業(yè)銀行開始下沉搶占“利基（Niche）市場”，但其作為傳統(tǒng)金融媒介和支付結(jié)算機構(gòu)的功能開始受到互聯(lián)網(wǎng)公司的挑戰(zhàn)。三是金融科技階段。2017年央行首提“金融科技”概念，數(shù)字經(jīng)濟時代，金融科技已成為各家商業(yè)銀行的戰(zhàn)略共識，這一階段商業(yè)銀行在營銷端重點聚焦產(chǎn)品線上化，以及大數(shù)據(jù)分析對精準營銷、營銷關(guān)鍵節(jié)點的賦能。

基于互聯(lián)網(wǎng)金融時期盛行的“快魚吃慢魚”的規(guī)則，商業(yè)銀行前期的營銷戰(zhàn)略主要以產(chǎn)品為核心，通過快速迭代產(chǎn)品創(chuàng)新，搶占客戶和市場份額。然而，隨著全球經(jīng)濟放緩，國內(nèi)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，數(shù)據(jù)成為新的生產(chǎn)要素，人工智能技術(shù)快速迭代，以及近期頻繁提及的新質(zhì)生產(chǎn)力等外部和市場環(huán)境的變化，商業(yè)銀行面臨市場的兩大變化：一是從過去的增量市場競爭轉(zhuǎn)向存量市場競爭；二是傳統(tǒng)產(chǎn)業(yè)深入數(shù)字化轉(zhuǎn)型升級，同時，數(shù)據(jù)資產(chǎn)將重新定義企業(yè)價值。這兩種變化對商業(yè)銀行現(xiàn)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(fā)，從技術(shù)視角初步探索商業(yè)銀行通過金融大模型的應(yīng)用，來應(yīng)對未來市場帶來的挑戰(zhàn)。

商業(yè)銀行現(xiàn)行營銷體系存在的問題

近年來，商業(yè)銀行持續(xù)經(jīng)歷宏觀經(jīng)濟增速下行帶來的利率下行壓力、經(jīng)濟結(jié)構(gòu)變化導(dǎo)致的貸款規(guī)模擴張動能減弱，反映在營銷側(cè)，銀行業(yè)務(wù)人員已經(jīng)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(chǎn)業(yè)客戶的營銷邊界加速模糊，客戶需求呈現(xiàn)多元性、專業(yè)性和時效性等特征。為應(yīng)對市場發(fā)生的系列變革和挑戰(zhàn)，商業(yè)銀行的頂層營銷戰(zhàn)略不約而同地從“以產(chǎn)品為核心”向“以客戶為中心”轉(zhuǎn)變。但在實際執(zhí)行中，目前商業(yè)銀行的營銷方式、營銷隊伍能力以及后臺技術(shù)支撐，尚不足以構(gòu)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(yè)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(wǎng)點是獲客的重要渠道，然而隨著互聯(lián)網(wǎng)的興起，社會數(shù)字化程度持續(xù)加深，銀行網(wǎng)點的獲客功能式微，“渠道生態(tài)”的獲客策略是商業(yè)銀行近幾年的主流模式。在實際運行中，銀行業(yè)務(wù)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(lián)系，雖然這些客群已經(jīng)利用專家規(guī)則經(jīng)過篩選，或是存量客戶，但即便是經(jīng)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(shù)字，很難在短期內(nèi)收獲成效。

從商業(yè)底層邏輯來看，其實無論是依靠網(wǎng)點或是依賴渠道生態(tài)，商業(yè)銀行的營銷活動習(xí)慣于線下方式，營銷相關(guān)成本仍以場地、人員等傳統(tǒng)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(xiàn)行的營銷方式實際已經(jīng)與當前先進的生產(chǎn)要素不匹配，無法釋放出先進生產(chǎn)力。

與客戶信任的建立更加依賴專業(yè)和效率

商業(yè)銀行采用的線下營銷，其核心需求在于通過業(yè)務(wù)人員與客戶之間建立信任，傳遞產(chǎn)品信息。商業(yè)銀行在個人金融服務(wù)領(lǐng)域基本實現(xiàn)從產(chǎn)品到流程的數(shù)字化改造，但其在服務(wù)高凈值客群時，已經(jīng)暴露出金融服務(wù)專業(yè)化水平不足的弊端，配置專門的私行客戶經(jīng)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(chǎn)業(yè)金融服務(wù)領(lǐng)域，商業(yè)銀行內(nèi)部在這一業(yè)務(wù)板塊的數(shù)字化程度仍有較大提升空間，其發(fā)展主要受限于行業(yè)的專業(yè)性壁壘，以及產(chǎn)業(yè)客戶需求的有效信息不足，公司業(yè)務(wù)人員試圖通過傳統(tǒng)關(guān)系營銷與客戶建立信任，但邊際效果實際在下降，價格戰(zhàn)已然成為當下市場競爭的主要手段。

數(shù)字經(jīng)濟時代，快速的信息交互、金融產(chǎn)品與服務(wù)的高度同質(zhì)化，導(dǎo)致客戶對于標準化服務(wù)與產(chǎn)品的忠誠度快速下降?！耙钥蛻魹橹行摹钡膽?zhàn)略目標需要通過陪伴客戶全生命周期來實現(xiàn)，但目前商業(yè)銀行的營銷服務(wù)仍側(cè)重于結(jié)果，而非長期陪伴，同時，業(yè)務(wù)人員面對快速升級迭代的市場客群，其專業(yè)能力往往跟不上客戶需求。

單一維度和低質(zhì)量的數(shù)據(jù)難以支撐精準營銷

商業(yè)銀行利用大數(shù)據(jù)技術(shù)，通過“精準數(shù)據(jù)+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(nèi)部與客戶發(fā)生交易時獲取的基本信息、賬戶信息和交易數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)，缺乏諸如客戶偏好與習(xí)慣等非結(jié)構(gòu)化數(shù)據(jù)的收集。這類局限的、單一的數(shù)據(jù)分析，往往對營銷指導(dǎo)的精準性不足。同時，商業(yè)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(chǔ)信息、行業(yè)分類、財務(wù)數(shù)據(jù)、信貸投向等關(guān)鍵信息，在初始錄入時即可能發(fā)生錯誤或缺失，且后續(xù)數(shù)據(jù)更新時效滯后。

新媒體營銷時代，市場已經(jīng)塑造出“去過程化”“去單一化”“直聯(lián)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(nèi)容能夠引起他們的關(guān)注，并過濾出更少的內(nèi)容觸發(fā)他們參與互動。商業(yè)銀行目前單一維度和低質(zhì)量的數(shù)據(jù)，一方面很難達到以“轉(zhuǎn)化率”為衡量標準的“精準營銷”，另一方面，即使推送的內(nèi)容觸發(fā)用戶，但銀行缺乏全面化、多元化的數(shù)字化營銷方案承載客戶需求。

金融大模型的發(fā)展情況及優(yōu)勢

2022年末ChatGPT的發(fā)布，掀起了對自然語言理解（NLU）和自然語言生成（NLG）技術(shù)的研究與投資熱潮，國內(nèi)互聯(lián)網(wǎng)企業(yè)相繼發(fā)布對標ChatGPT的產(chǎn)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(yè)化領(lǐng)域的專業(yè)模型，多家企業(yè)和科研機構(gòu)正基于通用基礎(chǔ)模型，融入行業(yè)專業(yè)知識和分析技巧，進行更進一步的定制化訓(xùn)練。國際上彭博（Bloomberg）、摩根士丹利（Morgan Stanley）、Lemonade等知名公司均已開發(fā)出此類模型；國內(nèi)互聯(lián)網(wǎng)公司如華為、星環(huán)科技、拓爾思、奇富科技以及360智腦等，均已發(fā)揮其技術(shù)優(yōu)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(yè)銀行、中國農(nóng)業(yè)銀行和平安銀行等傳統(tǒng)金融機構(gòu)也積極參與金融大模型的研發(fā)。

NLU和NLG技術(shù)有助于打破商業(yè)銀行營銷效率受限于人力的問題

NLU和NLG技術(shù)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(jié)歸納行業(yè)資訊并推理分析行業(yè)事件的能力。

商業(yè)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(shù)量及質(zhì)量，雖然已有機構(gòu)開始嘗試通過新媒體平臺投放產(chǎn)品廣告，但因未建立信任、內(nèi)容單一等原因，公域流量轉(zhuǎn)化至私域流量進而轉(zhuǎn)化成營銷落地的轉(zhuǎn)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(yè)客戶經(jīng)理成為可能，打破人力限制；二是實現(xiàn)精準分析用戶與銀行的流量及服務(wù)觸點，衡量商業(yè)銀行品牌信息觸達客戶需求的距離，幫助信息精準傳遞，節(jié)約流量營銷成本，傳遞優(yōu)質(zhì)內(nèi)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(yè)銀行對提升專業(yè)和效率的需求

AI技術(shù)的優(yōu)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(jīng)理的專業(yè)水平和服務(wù)能力，大幅降低客戶經(jīng)理的運營成本。如，中國工商銀行聯(lián)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(dǎo)自動化生成；興業(yè)銀行與興業(yè)基金合作開發(fā)的ChatCIB和“興基智”人工智能平臺，應(yīng)用于反洗錢和智能詢價業(yè)務(wù)功能等。

面對具有時效性的金融數(shù)據(jù)、新聞動態(tài)、社交評論等每日信息，銀行業(yè)務(wù)人員很難及時向客戶提供相關(guān)分析服務(wù)，以達到專業(yè)鏈接信任的目標。AI大模型的優(yōu)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(fēng)險預(yù)測等具體服務(wù)。以軒轅大模型為例，軒轅會提醒客戶結(jié)合資產(chǎn)狀況、收益目標和風(fēng)險偏好，以及外部的市場動態(tài)，來進行投資決策。

金融大模型的開源生態(tài)有助于解決商業(yè)銀行數(shù)據(jù)痛點

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

長期以來，商業(yè)銀行嘗試通過大數(shù)據(jù)分析以期實現(xiàn)“精準營銷”的目標，但由于其自身數(shù)據(jù)以結(jié)構(gòu)化數(shù)據(jù)為主，來源單一，且內(nèi)部數(shù)據(jù)質(zhì)量不高，難以支撐“精準營銷”的落地。金融大模型的開源生態(tài)，一是通過交叉校驗實現(xiàn)數(shù)據(jù)糾錯，提升數(shù)據(jù)質(zhì)量；二是通過多維信息，融合結(jié)構(gòu)化和非結(jié)構(gòu)化信息，提升客戶行為預(yù)測準確率；三是創(chuàng)作更加精準的內(nèi)容，喚起用戶關(guān)注與互動。

探索金融大模型在商業(yè)銀行營銷體系的應(yīng)用

商業(yè)銀行進行數(shù)字化轉(zhuǎn)型建設(shè)起步較早，目前行業(yè)整體的數(shù)字化基礎(chǔ)能力已初步搭建完成，數(shù)據(jù)驅(qū)動決策模式正在取代傳統(tǒng)決策模式。然而在營銷側(cè)，商業(yè)銀行營銷體系的數(shù)字化程度卻并不高，面對市場正在發(fā)生的兩大變化——增量市場競爭轉(zhuǎn)為存量市場競爭，以及數(shù)字經(jīng)濟下的企業(yè)價值重構(gòu)，現(xiàn)行營銷體系已經(jīng)在營銷方式、營銷隊伍能力和后臺技術(shù)支撐上呈現(xiàn)明顯不足。

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

重視培育私域流量，創(chuàng)設(shè)數(shù)字營銷助理

商業(yè)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(zhuǎn)化。前者主要面向存量客群，金融大模型對數(shù)據(jù)的挖掘、提取和分析優(yōu)勢將有助于精準圈定可提升客戶，并為業(yè)務(wù)人員提供客戶行為預(yù)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(zhuǎn)化環(huán)節(jié)的數(shù)據(jù)分析，如觸達率、產(chǎn)品使用率等，以此獲得更加精準的目標客群畫像，調(diào)整廣告投放方案，提升私域流量轉(zhuǎn)化率。

ChatGPT和Sora的技術(shù)革新有望幫助商業(yè)銀行創(chuàng)設(shè)數(shù)字營銷助理的角色，數(shù)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(shù)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(jié)構(gòu)化信息，這將有助于商業(yè)銀行形成全域數(shù)字化營銷閉環(huán)。

發(fā)展智能投顧應(yīng)用，應(yīng)對業(yè)務(wù)人員專業(yè)提升需求

數(shù)字經(jīng)濟時代，產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型升級持續(xù)加碼，數(shù)據(jù)作為新的生產(chǎn)要素，數(shù)據(jù)資產(chǎn)重新定義企業(yè)價值。與此同時，個人客群與產(chǎn)業(yè)客群的營銷邊界加速模糊，市場對銀行業(yè)務(wù)人員的知識廣度和深度提出更高要求。目前商業(yè)銀行普遍存在梯隊人才短缺的現(xiàn)狀，尤其在營銷端，缺乏專業(yè)型業(yè)務(wù)團隊。

金融大模型可通過多語義關(guān)聯(lián)與匹配，對數(shù)據(jù)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(yè)銀行可面向營銷端的業(yè)務(wù)人員，配置智能投顧，嵌入現(xiàn)有的移動終端，一方面可以快速檢索分析政策、市場、行業(yè)、和客戶財務(wù)信息等數(shù)據(jù)，向業(yè)務(wù)人員提供個性化、針對性強的營銷話術(shù)，另一方面結(jié)合移動終端錄入采集的多維數(shù)據(jù)，如地理信息、行業(yè)信息、訪客信息、財務(wù)信息等，幫助業(yè)務(wù)人員進行目標客群價值排序，提升單位時間產(chǎn)能。

創(chuàng)設(shè)“監(jiān)管沙盒”，發(fā)展金融大模型開源生態(tài)

“監(jiān)管沙盒”的邏輯產(chǎn)生于市場中很多大企業(yè)采用在虛擬環(huán)境中進行測試技術(shù)的方法。應(yīng)用于金融領(lǐng)域，“監(jiān)管沙盒”的意義在于為新興業(yè)態(tài)創(chuàng)造一個安全區(qū)域，支持生態(tài)企業(yè)發(fā)展，通過適當放松參與實驗的創(chuàng)新產(chǎn)品和服務(wù)的監(jiān)管約束，激發(fā)創(chuàng)新活力，提高創(chuàng)新和轉(zhuǎn)化效率。

金融大模型的發(fā)展特征趨向于開源和垂直類，商業(yè)銀行具備海量存儲數(shù)據(jù)的天然優(yōu)勢，通過創(chuàng)設(shè)“監(jiān)管沙盒”，商業(yè)銀行積極發(fā)展開源生態(tài)，既能解決數(shù)據(jù)單一、質(zhì)量不高的問題，更重要的意義在于引領(lǐng)形成人工智能創(chuàng)新生態(tài)圈，擴大了應(yīng)用場景創(chuàng)新出現(xiàn)的領(lǐng)域范疇，有望為內(nèi)部管理和外部客戶提供更加多元的解決方案，獲得市場創(chuàng)新溢價。

過往營銷側(cè)的數(shù)字化程度受制于數(shù)據(jù)采集、數(shù)據(jù)量、算法、算力等因素，發(fā)展一直相對滯后，生成式AI技術(shù)的快速迭代，以及Sora文生視頻的技術(shù)顛覆，有望實現(xiàn)營銷側(cè)數(shù)字化改造，形成一套適應(yīng)于新經(jīng)濟新市場的數(shù)字化營銷體系。長遠來看，全域數(shù)字化營銷體系有利于打通營銷和研發(fā)的邊界，構(gòu)建快速反應(yīng)的營銷作戰(zhàn)體系和快速迭代的產(chǎn)品研發(fā)體系，以持續(xù)變革來適應(yīng)復(fù)雜多元的新需求。

（戴潤靜為杭州銀行南京分行財務(wù)管理部副總經(jīng)理。特約編輯/孫世選，責(zé)任編輯/丁開艷）