导读:今日头条通过流量变现,可以实现百亿级的年收入,但是,用户数量少、信息选择少、使用频次低的券商APP却不能这样做。


换言之,千人千面、AI推荐只是手段,通过这个手段到底要解决券商什么样的问题呢?如果客观数据不足、用户互动不足、各家券商APP孤岛效应明显,其千人千面的质量和效果又会怎么样呢?



文/飞笛资讯高级研究员 柳叶刀



随着今日头条模式取得巨大成功,其百亿美元估值引发了人们对智能推荐的高度关注,特别是AI话题的持续火爆,更让这一关注度火上浇油,很多企业都想在垂直行业模仿今日头条模式,成为所谓“某某行业的头条”——证券行业就是其一。


那么,证券行业为什么要争相实现千人千面?其内在逻辑又有哪些不同?飞笛资讯研究院认为,它至少有两大难点,或者叫陷阱值得关注。


大众市场与小众市场的数据量鸿沟


今日头条虽然名义上被称为“千人千面”,但是这句话有很大的误导性。因为头条就其本质来说,并非为了满足长尾市场的需求,而是“头部+腰部”的组合,也就是说,它主要是满足大众的“一般性”阅读需求,同时会按照人群细分到一个基数比较大的群体。


以今日头条为例,2017年一季度其MAU(月活跃用户数)达到1.17亿,就算它的的一些细分群体,比如证券频道、一些知名的头条号等等,其实也有数量可观的受众,一些标签的潜在受众有数十万到数千万不等。


而证券行业呢?整个中国股票经纪业务不过有8000多万的有效账户,持股账户持续不足5000万,而这些账户分散到上百家券商当中,造成了一个个的信息孤岛。最终的结果是,像平安证券这种在互联网营销上发力巨大、效果不错的厂商,其APP的用户MAU也不过300多万,东方财富、大智慧这样的信息聚合门户其MAU分别只有800多万和1000万有余。


这种巨大的差距导致这些APP获得用户数据的能力大大不如今日头条,往往只相当于头条这种APP的某个中小型标签的用户数量,是否足以支撑起充分的AI化分析是值得商榷的,也是难以回避的事实。毕竟,APP的价值很可能是与用户数量的N次方成正比,而不是与用户数量的绝对值成正比。更不用说,一个金融垂直领域的APP其阅读时长可能比今日头条更少,使用频次更低了。毕竟大多数炒股的受众并非信息控,而是根据K线图和小道消息炒股的。


因此,面对这样的用户数量鸿沟,它的实现方式必然是不同的。就像Web1.0时代所彰显的,门户网站和垂直门户网站的玩法完全不同:新浪等门户网站流量巨大,可以靠流量变现的广告模式盈利,但是中关村在线、太平洋电脑网等垂直门户单纯靠流量则非常难赚钱,至少是很难做大的。最终,真正走出路径的垂直网站是汽车之家、搜房等方式,资讯只是其外在表现,其背后是连接的用户和商家,成为服务的撮合平台。


这一点无疑应该成为券商行业推广千人千面的前置性思考点,也就是说,当用户数量不足的时候,就必须考虑到相应的思维模式有本质的不同,而不是简单的模仿。换个例子类比,即使你做一个类似微信的产品,只能在某一个垂直行业的中小企业使用,也不可能成为“某某行业的微信”,只能成为“某某行业的软件”,形不成网络化、病毒化,单纯靠功能先是无法成功的。


工具思维和全新思维的内在不同


今日头条通过流量变现,可以实现百亿级的年收入,但是,用户数量少、信息选择少、使用频次低的券商APP却不能这样做。换言之,千人千面、AI推荐只是手段,通过这个手段到底要解决券商什么样的问题呢?如果客观数据不足、用户互动不足、各家券商APP孤岛效应明显,其千人千面的质量和效果又会怎么样呢?


这里有两种选项:第一种选项是,仅仅把AI当成工具,只是为了优化和服务好券商的现有客户,这是工具思维、软件思维;第二种选项是,探索一种全新的AI切入模式,吸纳今日头条背后成功的精华,而绝非模仿,模仿者几乎是必死无疑的。就好比说,有了微信,为什么模仿者易信甚至先驱者米聊都失败了,而走差异化路线的陌陌却成功了呢?


那么,这种所谓的全新思维到底是什么呢?到目前为止,还没有看到一家企业找到路径,有人想把AI注入垂直行业,有人想在垂直行业形成社交性,有人想先服务好自己的客户再徐图进去,甚至东方财富、大智慧、同花顺这些用户数量的大户也依然没有找到千人千面的真正路径。


当然,飞笛资讯研究院也无法给出确定性的答案,只能说可能有三个必要条件:


第一,由于利益冲突,靠单一券商来整合全行业的信息资源几乎是不可能的,至少在交易数据方面是完全不可能的。这时候需要一个第三方寻找正确的方式切入市场,找到权利边际划分的路径,成为所有券商至少是多家券商的“基础组件提供商”,作为其信息引擎。即使是三大电信运营商那么强大,用户数量足够,但是各自做了一个IM之后,也无力与微信对抗,因为这种信息分割本身就是反互联网的。即使在内容产业这样的高度细分市场,比如视频,现在也不过只有腾讯视频、爱奇艺、优酷土豆三家主流厂商。


第二,背后的思维和解决模式必然不同于头条,要解决更少用户量、更少交互情况下用户画像的问题,恐怕不能仅仅靠机器学习实现,而是有更多的人工干预,特别是要把一般信息驱动(阅读需求)、数据驱动(财务和交易数据需求)、决策驱动(心智模型辅助需求)结合起来,一定是一种更加深度的整合模式。与其说像头条,不如说像IBM的Watson,因为垂直类的数据需要耦合机器学习数据和垂直业务逻辑,解决的是数据总量较少而深度较深的封闭性问题;与其说是一般AI,不如说是券商行业的AlphaGo,核心能力要通过业务模版清晰化,类似构建各种“棋谱”。


第三,必须以交易效果作为重要和根本性的评估指标,因此需要不同内涵的千人千面。如果用户数量太少,资讯选择很少,就不可能形成高频和充沛的数据反馈,这时候,就需要提高单条数据的质量,而数据质量的优劣,唯有有助于交易决策才能判断。当然,交易决策不代表炒股一定赚钱,而是说所获取的信息和决策之间的关系是更加清晰的,而且可以得到客户的认同。比如说,一个短线高频交易的用户,它希望有更快的数据,而一个价值交易的客户需要了解价值股的更多基本面、更多分析维度,一个冲动型交易者希望控制自己的决策步骤,而一个行业从业者可能更适合选择该行业的股票……等等。所以,在券商行业的千人千面,有其本质的不同含义,而不是通过兴趣决定的——换言之,他关注哪些股票不代表这些股票适合他,你需要比他更懂自己。


所以,经过一些粗浅分析,我们不难看出,千人千面只是一种描述性的外在表征,其内涵却会因为行业不同、定位不同有本质的差异——这恰恰是券商行业者需要深入思考的,是成功的前置性条件。


但是,真正的成功,一定比这些洞察更加深刻准确,它的名字叫“创新”。



相关阅读:


解秘证券业大数据应用,长江证券和光大证券最近搞了哪些大动作


个人征信产业调查报告,详解腾讯征信和芝麻信用等公司


iVatarGo分析报告——被砸开的智投新宝库


Fintech趋势 | 摩根大通和富国银行今年将推出智能投顾产品


金融人士必读:3万字的中国智能投顾经典案例与趋势报告



end


以上分析与观点来自飞笛资讯研究院。飞笛资讯专注财经资讯大数据、标签化分析、知识图谱搭建,对金融机构借助智能化手段实现长尾市场客户的精准、个性化投顾服务,有深刻理解及完整解决方案。


飞笛资讯研究院专注于fintech研究,已制作多份智能投顾趋势报告(见上文的“相关阅读”),目前正在制作金融智能推荐实战报告。如果您对我们的报告感兴趣,欢迎添加飞笛智投小秘书微信号,以及持续关注本公众号,并留下您的联系方式,您将获得报告全文详细版。




【想要获得完整报告请联系我们】             

电话:15919453826

微信:feidizixun

邮箱:FID@21fid.cn


(下载iPhone或Android应用“经理人分享”,一个只为职业精英人群提供优质知识服务的分享平台。不做单纯的资讯推送,致力于成为你的私人智库。)

作者:佚名
来源:21世纪明天日报