专题：服贸会第七届中国金融科技论坛
中国国际服务贸易交易会-具身无界：智能机器人创新发展论坛于2025年9月11日在北京举行。主题为“具身智能+大模型：机器人的进化革命”。杭州银行小微金融部总经理助理许隽出席并演讲。
以下为演讲实录：
各位同仁、各位领导上午好，首先感谢会务组的邀请，刚才我听了各位大拿精彩的演讲，收获颇丰。
我简单介绍一下，我作为一位在杭州银行多年从事银行金融系统研发的工作人员，从2022年开始加入了总行小额金融部，身份也从科技研发转为业务管理，这几年我已经明显感觉到，银行管理的领导包括我们的管理岗已经不再是科技的旁观者，或者说是我们系统应用功能的使用者，更多的时候是主动向科技靠近，对科技技术非常的渴求、渴望，最明显的就是今年年初AI的平民化应用，或者是白菜化应用，我们的业务领导在谈论的时候都在提大模型和生成式AI。
今天我跟各位分享的话题就是当前金融应用中比较火热的话题，客户旅程运营和AI对客户精准服务。
客户运营是银行服务客户的战略核心，从科技角度看，系统平台从最早的客户信息管理ECIF到客户关系管理CRM，再到现在CJO客户旅程管理一路演化过来的。从业务视角看，我们认为是从客户静态信息管理到动态生命周期管理不断的演化、不断的提升，这些都离不开数智化在其中起到的精细化管理支撑作用。
杭州银行在这个思路上，搭建了普惠金融客户的运营平台，我们把它称为“蒲公英平台”，在这个平台上我们通过CRM完成了对客服务，CJO完成了客户运营管理。
我们构建蒲公英营销平台的时候，前期做了多次的讨论，也做了充分的论证，最终确定了四个方面的能力建设：
一是精准的目标客群构建能力。
二是多渠道的协同触达能力。
三是多样化的活动编排和权益管理能力。
四是客户行为的挖掘和需求洞察能力。
下面我就简要的按照这四个能力讲解一下他们各自的关键点：
首先是客群构建能力。
我们认为它的核心就是围绕客户标签体系建设，目前我们已经逐渐建立和积累下来1000多项小微客户标签，但是大家可以看到数量不是重点，关键体现在二个方面：一是标签的类型。大家可以看到屏幕上，除了我们构建的传统客户信息这一类静态标签之外，比如说客户信息、工商信息，我们还搭建了很多客户行为类的标签，其中包括客户签约信息、开户的信息、开户的时间，包括客户在各个渠道放还款，动账情况，包括频率。还有客户在电子渠道上面的情况，这些都是通过客户的行为采集获取下来，我们都把它进行标签化了。
还有就是我们构建了营销类标签，比如说这些客户近期90天或者180天之内有没有进行客户线下的访客和线上的触达，还有这些客户参与过哪些活动？这些活动情况怎么样？都会作为标签把它在客户身上进行打标。
二是通过这些标签可以快速、自由的组合，圈选各种客群，我们1000个标签都可以任意挑选组合，并且组合后能够实时生成客户的明细，这一点非常重要。1000个标签不仅是像过去一样把客户筛选出来，还要实时应用到各种应用场景中。有了这一套客户标签体系，才能真正做到对客户的千人千面管理。
二是多渠道协同触达。
在多渠道触达能力建设核心上面来讲，我们认为最重要的是协同。目前通过手机银行、客服、短信或者APP PUSH这些，这些线上辅助我们客户经理触达客户的模式已经成为各家银行的常规动作了，但是最重要的是信息协同，也就是信息共享，通过数字化，我们将各个渠道的信息实时采集，并且实时的归集。同时实时分发到每个节点，让各个渠道能够共同为客户服务。比如说客户到柜面办理业务，蒲公英平台就可以将消息实时推送给对应的管户客户经理，客户经理可以主动联系客户提供进一步的服务，每个渠道都可以成为服务客户的触点，我们就通过蒲公英平台作为大脑将这些渠道进行互联。
三是多样化活动权益策略。
这里我们谈到活动和权益的管理能力，我们认为它的重点是构建客户运营的工作流，说到工作流，各位同仁想到的就是信贷工作流。我们在信贷过程中都比较常用。通过信贷工作流把客户进件，从调查、审查、审批，按总分支行全流程设置起来。在营销活动中，活动编排就是客户运营的工作流，我们将活动各个环节通过数字化编排，在系统中直观展示出来，原先的活动都是线下活动，我们现在能直观的在系统上、全流程、全环节进行展示，由蒲公英平台按照活动设置调度各个渠道和相关的系统，与过去线下的活动相比，显而易见，不仅整体的运营效率大幅提升了，而且每个过程都有数据的记录，可以数据还原也可以进行数字化复盘、成效分析。
四是客户行为实时洞察。
第四个能力是客户的行为洞察能力，我们认为客户的行为洞察能力重点在于搭建事件中心。前面介绍的活动和权益管理是作为客户运营的工作流，那么事件中心就是客户运营的规则引擎，我们通过蒲公英平台在各个渠道采集到的数据实时汇总，并且传输到事件中心进行加工处理。通过加工处理之后，系统就会产生下一个服务动作，比如说客户在手机银行浏览理财产品，系统就能够按照客户的习惯及喜好推送适配的产品和介绍。这样就能够通过数据驱动进行业务开展。
我们掌握了这四个能力以后，构建了一个客户旅程运营的流程图，大家可以看到这个流程图是通过客户从潜客引流，到新客登船，到存客提升，到客户的衰退防流，最后睡眠客户的召回和唤醒，按流程去完成的。通过这个流程，将前面的四种能力进行组合，这样就能够形成线上线下运营的闭环。
我就跟大家分享一组数据，这是蒲公英客户旅程运营成效，第一个就是2024年整个运行情况。我们在2024年建立了8大普惠客户的旅程运营场景，这里边我们不仅有贷款的场景，还有结算，无贷户提升，还有我们对企业客户综合产品，票证函等一些衍生产品、代发场景。
2024年这些场景总共运营客户达到了120万次，为客户提供各类金融产品1.8万项，但是以上我跟大家汇报的这些只是显性的成效，还有一个是隐性成效——运营成本，也是我们最关注的投入产出比。我们整个的这套旅程运营的团队，是由两名产品经理和两名技术经理所组成的，总共是4位，这4位同事承担了所有的运营工作，而且我们通过系统不断的优化，运营能力还在提升。今年上半年截止6月末，我们已经运营客户112万次，相当于我们基本上完成了2024年的全年运营量。
这一页是蒲公英应用平台的架构，各位可以看到，在整个运营平台建设中，除了前面说到的蒲公英营销平台即，CRM平台，还有指南针客户旅程管理平台之外，我们还比较重视大数据支撑，我们单独搭建了普惠客户的数据中台，我们叫满天星数据中台，它主要负责完成所有的普惠客户业务的数据处理和服务支撑工作。它单独就是为普惠金融系统来服务的，这样做的好处是，它整个的构建能力和数据处理能力都会针对普惠客户提供定制化提升。
前面我跟大家汇报的是我们围绕如何高效客户旅程展开的内容，但是最后我们对客户服务，还是会回到最后一公里，也就是由我们的客户经理团队完成，所以客户经理能力的提升，是客户运营中非常重要的一环。现在我们的金融产品，比5年前有了日新月异的发展。从量级、复杂度、功能上有大幅提升，对一线的客户经理来讲压力是非常大的。大家可以看到前面各位专家讲解了这么多的系统架构、这么多的模型，但是一线的客户经理对这一些的接受度相对还是比较低的。现在我们培训基本上又采用传统的线下培训、视频学习、文件学习，我们调查下来这些学习的成效非常有限，所以急迫的需要一种新的模式，让客户经理能够快速的提升业务能力，特别是新客户经理。
这里我们就用到了大模型的特性，比如说大模型的自然语言处理能力，和生成式AI能力，通过这些能力为我们培训上带来新模式的创建。相比传统的培训和智能问答，我们总结了AI大模型的三大优势：
第一是可以对知识库全库查询，并且让机器说人话，因为它已经和原来的智能问答一问一答不同，能够生成比较全面的文章为客户经理进行解读。
第二是整个问题回答的内容可以联想，而且可推理，能够回溯，可以让使用人展开关联学习。
第三点也是最重要的，虽然这不一定是原生AI的功能，我们可以通过行为数据分析使用人的画像，包括他的行为习惯和使用习惯，这样就能不断的调整知识库，推送热点知识。我们不会把AI只限于它的技术能力，还是考虑如何更好的在我们应用场景落地，通过AI大模型也我们搭建了一系列应用，比如说AI知识库，客户经理的AI工作助手，还有就是客户的AI简报等等，通过这些功能全面支持每一位客户经理的日常工作。
下面我们来看一下AI建设过程中的关键点，我认为应用落地的时候我们还要溯源到它的场景。在AI落地过程中，我们认为很关键的内容其实是AI知识库的落地和建设，因为这里面需要完成大量的资料整理和投喂，不管你采用的是哪种大模型。
这里举一个例子，比如说我们的普惠金融知识，我们就投喂了产品、流程、风控，包括常见问答300多份，格式也有word、PPT、PDF。如何建立AI知识库的关键点，我们总结有2个方面：
一是专家标注，因为只有越格式化、越标准化的材料，模型的识别率才能越高。
二是资料版本的管理。这个非常重要，虽然不是技术上的问题，但是它是知识库到底能不能进行实用化的关键点，我们行每个月都会有产品和系统的更新，功能迭代非常快。也就是说每份产品手册都会高频率变更，有了好的版本管理，在投喂的时候才能够让大模型实现知识库的快速替换和精准更新。
这一页我跟大家汇报一下，我们做的几个应用场景：
一是将客户360提升为我们客户AI简报的演示。传统客户的KYC交易一般来讲都会展示很多客户的基本信息，包括罗列客户的标签、使用产品、预警信息等等，相信这是各个行大量采用的方式，但是客户经理使用的时候就非常不直观，他来不及看，也抓不到重点。
现在通过AI简报，系统可以将客户所有的信息生成一个可阅读的KYC报告，让客户经理能够快速抓到关键点，还能看到适配客户的组合产品，以及对客户的服务方案。
同时我们的系统还提供与客户相关的行业资讯，社会热点等信息，让客户经理通过拓展阅读进一步了解客户，找到与客户的共同话题。AI简报开发了PC版、APP版和PAD版，这个主要是为了打造一个随时生成、随时可用，真正是站在客户经理的角度，让AI助手发挥它最高的使用效率。
二是我们为客户经理打造的AI智能助手的应用演示，AI助手具备两个特色，一是嵌入式学习，再好的工具不去使用等于零。所以客户经理可以在全行普惠的所有交易系统界面中直接呼出AI助手，甚至有的时候在交易场景上AI助手就会跳出来，这样就可以实现客户经理的快速问答。
另外AI助手还能够根据不同的交易环境提供动态的气泡式引导客户经理提问，往往我们有的时候发现客户经理他有一些业务没有做过，怎么问或者怎么问得精准他也不知道，这就需要我们做一些前置的引导，引导客户经理去使用，这样才能够进一步的展开后续提问。
二是问题解答也需多样化、可溯源，除了图像和文字，我们还可以关联各种操作微视频，让客户经理通过一分钟短小的微视频看了就会用，能够大幅度提升学习的成效和使用的效率。
我这里有一组AI智能助手月访问量数据，AI助手是去年年底上的，从今年2月份开始，每个月使用量都有20%左右的提升。到今年7月，当月的问答量已经超过了1.5万次，这也为我们释放了大量的总行的人工资源。同时我们也发现，在客户、用户的画像中，我们年轻客户经理的问答量占总问答量的50%，这说明年轻人已经被AI智能工具养成了习惯，他们特别接受AI助手、AI培训的方式，也就是这种方式在今后就会成为各类人员能力提升的重要手段之一，我们行已经启动新一轮的AI应用提升，比如说通过AI为客户经理生成金融的服务方案、为客户经理提供AI尽调报告质检，以及AI风控等等。
以上就是我今天分享的内容，因为时间关系很多场景没有展开，非常期待和大家在线下继续展开交流。
谢谢！
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
还没有评论，来说两句吧...