2 min read
隨著亞太地區越來越多金融機構開始採用人工智慧，獲取顧客、與客互動與風險管理的方式也將大幅改變。舉例而言，深度學習的發展能夠協助組織掌握更全面的潛在顧客樣貌，並且可更加精準地判斷顧客是否適合信用卡與貸款等金融服務。
2018年，亞太地區的銀行業共賺進約1.6兆美元的收益，其中約7,000億美元的稅前淨利更佔全球銀行業的37%。然而，各種跡象卻顯示該產業的成長趨緩，利潤也正逐漸減少；在此情況下，各家銀行需設法擴大營業規模，以增進營運績效並保持競爭力。
好在亞太地區的信用卡與貸款市場仍擁有可觀的發展潛力。雖然許多國家的信用卡滲透率並不高，但信用卡簽帳金額卻佔了全球的半壁江山，顯示推廣信用卡業務依然有利可圖。
同時，隨著銀行與金融機構（包含點對點P2P借貸平台）期望藉由信用卡與貸款相關商品提高收益，人工智慧工具也在金融領域擴展其運用範圍，將結合行銷資料與深度學習以強化風險評估，預期將在顧客獲取這一環扮演關鍵角色。
銀行業預估將投入56億美元於開發風險預防與詐騙分析等問題的解決方案，也將成為繼零售業之後，投資人工智慧的第二大產業。
中國與南韓等國家早已著手推動人工智慧。中國的金融科技公司瞄準了發展中的東南亞市場（例如印尼、越南與菲律賓等），藉由人工智慧吸引點對點借貸顧客、管理授信風險並確保顧客遵守債務償還規定。同時，南韓政府也在2018年宣布，預計將於2022年前投入2億美元進行人工智慧的研究與開發。
精挑細選顧客區隔
人工智慧在獲取顧客過程中扮演著雙重角色，一是除了能夠藉由深度學習協助金融組織全面了解受眾資料，二是能夠隨著資料數量的增加而產出更精準的預測與決策。
利用資料科學平台統整交易、行銷活動成果與官網顧客活動等歷史顧客資料，接著使用人工智慧進行篩選以分析各裝置上的使用者行為，以提供完整的顧客樣貌。這些洞察能夠協助你在正確的時機使用合適的裝置向顧客進行精準行銷。
若要更進一步掌握顧客，則可使用第三方資料與深度學習深入了解顧客於各個管道中展現的興趣與意圖，藉此精準得知他們處於何種人生階段。舉例而言，個人金融銀行的目標顧客或許是正在尋找高品質辦公套裝的30幾歲女性，而點對點借貸服務則可能鎖定想要在新興市場中的創業家。
掌握這些情報之後，便能夠根據顧客的興趣、意向與人生階段篩選出並建立適當區隔。接著，深度學習便能藉由預測未來轉換率與廣告投資報酬率，辨識出最有可能申請信用卡或借貸服務的客群。
此外，顧客區隔也能夠讓行銷活動與廣告更加個人化，進而提升顧客互動。舉例而言，安迪剛剛付清汽車貸款，並一直瀏覽新公寓與財產稅的相關文章，這表示他可能有意在近期內申請房屋貸款。此時，若能藉由電子郵件或網頁推播通知廣告，向對方行銷最佳利率的房屋貸款方案，便很有可能成功與他建立良性互動。
除此之外，人工智慧也能夠協助維持顧客互動與保留率。藉由追蹤先前行銷活動的顧客互動與反應，人工智慧能夠辨識使用行銷活動的最佳時機與最有效的行銷渠道（例如應用程式推播通知、電子報或網頁推播通知），以及最適當的行銷內容。
風險評估
辨識出信用卡與貸款商品的最有價值顧客固然重要，但詐騙防治也同樣不可輕忽。由於人工智慧工具能夠協助降低風險管理與詐騙偵測的開支，金融公司已開始使用人工智慧處理與分析大量資料以歸納出異常模式，並藉此找出可能為詐騙的異常交易。
人工智慧也能夠在行銷前進行風險評估，提升顧客獲取成效。以信用卡與借貸服務供應商而言，除了收入、債務、還款紀錄等傳統的評估因素外，人工智慧還能夠藉由顧客的消費習慣、生活型態、財產所有權、保險申訴與其他指標，提供更全面的顧客檔案，協助評估顧客的風險等級。
對於坐擁大量資料的金融服務業而言，人工智慧能為他們建立巨大優勢又能夠協助節省開支。舉例而言，人工智慧能夠分析資料與預測行為，因此在顧客互動、風險評估與威脅防治等方面都可有所建樹。隨著金融科技相關投資逐漸有所收穫，亞太地區的人工智慧使用率可望大幅提高，在增進產業效率與效能的同時，也能夠協助擴張規模並提升競爭力。
想了解人工智慧如何協助金融業分析資料、進行精準預測並掌握洞察，進而制定更有效的行銷策略與活動嗎？歡迎立即下載Appier最新白皮書《做一個最懂顧客的理財顧問：運用人工智慧強化金融商品行銷並提升投資報酬率》吧！
