移动时代，AI如何进行财富管理？

　　笔者结合实际工作经验，描述了移动时代AI财富管理的阶段特征和服务路径。未来，AI财富管理将会逐渐实现融合生活的开放式服务。
　　望各位读者读文先知，本文以工作中产品的实际应用经验为依据做讨论，非技术科普，如有不足，还望分享指正。
　　观点前审
　　AI财富管理的个人愿景不仅是指帮助高净值的人如何保值、增值，而是能针对不同资产阶层、不同时期的用户，依据用户的短、中、长期资产目标、风险偏好，结合用户和市场的整体情况，帮助用户对现有和预计未来的财富进行清晰的认知和规划，帮助用户保住或提升现有生活质量、实现资产目标。
　　在条件满足时，AI将具有比专业人类更广阔的知识维度和处理海量信息的绝对优势，算力代替人力打破服务能力的壁垒，为更多普通用户提供个性化的财富管理服务。
　　移动时代则代表着AI财富管理的服务场景将不再局限于某个办公室或电话，从获客到了解用户再到提供服务，都可能在用户随身的设备上完成，将是一种个性化的陪伴式服务；甚至最终他将融入用户生活的细节，成为一种新的生活方式。
　　目前的AI财富管理特征
　　目前虽有很多金融领域的AI服务，例如银行、保险、基金理财、证券等。但从整体的服务情况来看，个人认为其主要阶段特征可以概括为“从垂类维度切入AI服务，搭建财富管理的基础”。
　　我将对目前的服务部分做简单讨论，同时，为了下文讨论的准确性，也将称目前的财富管理服务为金融类AI服务。
　　目前移动端的金融类AI服务我将其主要划分为三个部分：
　　用户感知：用户画像并解析用户意图与需求；
　　数据处理：针对感知条件对海量信息计算处理；
　　决策服务：组织服务信息，并以合适的方式提供给用户。
　　下图为根据个人理解所列的服务框架，仅供参考，欢迎指正补充。
　　结合上述框架，个人认为目前移动时代的金融类AI服务主要处于第一阶段：摸索垂类核心用户画像和搭建服务框架。
　　归结成白话，这一阶段的关键特征即是：我想知道你是谁，但我的服务很有限。
　　这里的“想”是指服务方通过各种手段想知道用户是谁，而目前AI服务的范围和深度“有限”，处在探索不同用户需求和完善的阶段。
　　该阶段初期往往提供单点的服务，如果没有系统的规划，容易造成用户对AI服务的功能认知度低，可以解决哪些需求感知模糊。
　　所以，我认为这阶段如何系统的培养用户习惯和得到用户信任是关键。
　　个人经验：在工作验证中，“想”和“有限”并不是必然的限制关系，关键是服务方本身对于不同的用户要如何服务、怎么有效切入以及还要有多少服务有整体的规划，规划的意义不仅是迅速测试出对用户群有效的单点服务，更重要的根据用户的需求将单点串联起来，让AI服务的形成用户可感知的整体，在合适的服务场景提供用户关心、有深度的服务，培养用户习惯和信任。
　　图1众安保险众安精灵；图2蚂蚁财富智能理财助理；图3同花顺问财；图4且慢小顾
　　以上述4款APP所提供的智能服务为例，简单讨论一下该阶段的服务特点：
　　1。不论在哪个智能服务对话中，为什么服务首先（还要）摸索用户画像？
　　个人认为，最初始的意义是用户画像是提供AI个性化服务的前提。
　　虽然有的头部公司已经积累了大量用户数据并应用了其中一些维度，但目前的主要应用场景是挖掘与用户数据强相关的向量来做推荐，而解决财富需求的过程中却是有多维变量、动态需求以及多种服务逻辑在里面的。
　　例如解决用户养老需求的资产配置问题，则需要知道用户的资产情况、投资目标、风险偏好、期望的退休生活水平等等，这些隐私数据仍需要用户告知。
　　但在移动时代，我认为更重要的意义应该是通过用户画像，理清AI服务的用户定位和服务框架。
　　用户画像不应该仅仅是服务于解决某个问题的数据基础，而是在上层理解“我的用户都有什么样的人，会有什么需求，什么样的场景适合提供服务”。不只是用户提出需求，而是可以找到有需求的人，以及在合适的时候激发用户的潜在需求（欢迎提供更多思考）。
　　另外，通过对不同用户的服务分析，我们可以得到用户有效、高价值的APP行为数据，总结学习服务行为特征和结论，以在服务形式上更高效、人性化、贴近用户喜好。
　　个人认知的用户画像构建方法如下，结合框架不做赘述：
　　APP行为事实概括行为特征整合理念标签；
　　通过用户输入、对话、答题的、游戏化的方式补充画像；
　　某个别大厂用户本身通过自身服务就拥有一些关键财富数据的画像，先天优势。
　　举例：
　　这里的AI服务就像生活中的保险销售，销售总结了多套对待不同用户的方式，不断尝试如何有效地接触到有需求的用户，用户需求得到激发后本身也会乐意与他们沟通，从而为了获得“个性化”的定制方案。
　　而销售在了解了用户信息之后，按照一定的服务逻辑为用户提供保险方案，并明确用户可以解决哪些需求和风险，甚至未来用户有了子女，看到用户的朋友圈后他会第一时间诚挚的祝贺并考虑要为用户推荐一个育儿教育险。他们从成功和失败中总结和优化自己的服务逻辑，移动时代的AI财富管理就是这个故事的很大一部分搬到了APP上实现。
　　2。目前的AI服务多以“嗷嗷待哺”的形式提供服务
　　不仅上述四例，很多智能投顾服务往往依靠APP首页运营位吸引用户进入封闭式服务，我认为这样的服务问题有二（如果APP首页即是唯一的核心服务场景请忽略此段）：
　　1）引流问题
　　依靠APP首页运营，看似把最重要的引流位给了它，但是用户需要从首页获得什么服务呢？
　　目前的AI服务几乎都希望通过标题吸引用户进入封闭式服务，并不是封闭式场景不好，沉浸式服务理论上会有较高的转化率，但实际很多有价值的服务所针对的用户需求，是在场景下应景而生的。脱离服务场景往往也就会容易脱离用户需求，越来越像标题党，进去后让用户不痛不痒的结果。
　　个人认为适时是最好，有时候无比有甚至更好，反反复复那么几种引导内容说烂了，用户也早就不在意你了。
　　针对引流后的场景内转化，如果你想更好地了解和服务用户，这里分享一个建议：关键结论多伦衔接直接收集用户信息并反馈。
　　实验验证，服务过得去的话预计可以获得15左右的新用户反馈，70的引流用户反馈（欢迎分享其他更有效的方式）。这其实从日常的运营经验也可以得出，每一次的跳转都可能让你只剩下上一步用户的10。
　　如果你的对话服务还在挂跳转，要么是该服务链路长撑不住直接展示的高并发，要么你该尝试一下了。
　　2）个性化问题
　　首页运营位展示内容类型受限，目前的服务范围和能力也有限，解决问题的基本方式是将用户的完整需求以小粒度细分、独立解决，即一类问句对应一种语义解析解决一个小问题。
　　所以，业务方往往会通过首页展示几类认为拿出的手的服务，甚至期望通过引导用户点击选项或主动询问标准问句的方式来满足用户。而这样的服务更偏向于那批小众知道要解决自己什么问题或好奇心强烈的人来接受服务，如果服务的不好反而还会失去他们，这其实对于服务方了解当前环境下，到底哪些用户对哪些需求最渴求将十分低效。
　　这里针对“服务结合场景”进一步说明，这并不是说要摒弃明显、固定的入口，而是能在用户应有所需的场景下尝试提供他可能最需要的服务。因为目前用户使用APP满足需求仍然离不开传统服务场景，这样不仅让用户可以感知AI服务的能力范围，其实更是强化了AI服务服务的入口，更重要的是培养“智能服务”来解决用户需求的习惯，传输智能服务理念“我在，我是专业的，在这里的任何问题都可以先来找我解决”。
　　目前在实际工作中，针对少量用户个性化的在不同场景中推送应时应景的服务，验证这对已经有使用体验的用户具有很高的促活作用，对新用户也有一定的习惯培养作用，同时也能激发用户对服务范围的联想，让很多无人问津的智能服务得到应用、留存和优化。
　　总结，AI服务应该要有激发用户需求的能力，用户往往不是不需要，而是不知道你有，或在这里应该有什么。
　　3。需要让用户更懂你
　　这也是当下作为服务方的一个痛点，为什么不仅要懂用户，还要让用户懂“你”。我认为原因有二：
　　1）用户信任
　　用户的“自我意向”决定了当他在看到解读信息时往往会按照自己认为的方向解读。
　　如图举例，当同花顺智能机器人仅输出结论时，会激起大量有自我逻辑的用户反对，这里并不是说AI与人孰对孰错，而是在AI无逻辑的输出结论下往往在用户看来“漏洞百出”。
　　假设AI服务可以按照图中一位用户逻辑的回答，更改输出结论为“放量突破前高，多头强势突破压力”，是否会让这类用户觉得该服务有价值，希望得到更多解读呢？
　　这里也体现了让AI服务与用户交流的关键意义之一，让用户本身就可以帮你优化服务。
　　图1问财智能评论；图2评论的部分用户反馈
　　2）服务风险
　　任何智能服务都会存在风险，况且还处于目前的初级阶段，这点在投资上最为明显。
　　例如在智能推荐投资组合上，你会发现如果你接触到的用户越多，就越能理解更多的用户心态多为“0风险短期发财”的伪理念，其填写的风险承受能力和实际风险承受能力往往也可能会天差地别。
　　如果投资组合在出现跌幅波动，用户很容易迅速失去信心，将责任推到“智能”上，而不会理解为市场出现了问题，原因是什么，对自己最终收益的真正影响。所以，如何帮用户理解为什么要这样解决问题、以及这样做的风险和收益同样很关键。
　　下图分别为某用户对招商摩羯智投的投后评价（图取自知乎），以及“且慢”在输出资产配置时的风险和收益介绍，这里仅举例示意，不再赘述。
　　图1某用户投评；图2且慢投资配置对话；图3且慢投资配置对话
　　综上，对于这一阶段的服务而言，我认为有三点很关键：
　　对于用户画像拟合的维度、分类和准确度是否符合核心目标用户群体特征以及达到可以应用的标准；
　　围绕用户展开个性化服务是否积累到了有效地行为试验数据，并支撑验证第一条的准确性；
　　是否能够高效的完善个性化服务框架并不断试验，以持续支撑前两条。
　　由于这三点，该阶段也就出现一个最大的限制人，互联网垂类专家。
　　由于深度学习成本高，且需要高质量和丰富的核心服务数据基础，初期解决问题的方式往往只能是先用框架匹配的方式，服务能采用的逻辑、标的也十分有限的。所以这阶段的个性化服务，基本还是需要靠人搭建，需要依靠人判断、标注什么是优质服务数据；如果在结合机器学习算法时期，更需要对服务框架中的向量维度、建模、结果等有初始定位和目标预期。
　　所以，该阶段服务成果的核心决定因素便是服务方的专业程度、服务方式的有效性和服务完善的快慢。
　　以工作中接触到的投资资讯推荐为例：
　　用户画像：这里将用户投资理念简单抽取为短线买卖、热点追涨；
　　行为特征：受贸易战炒作华为影响多次点击华为鸿蒙系统相关资讯；
　　用户标签：推荐系统按照资讯的内容标签为用户打上了“华为”“操作系统”标签。
　　到这里或许不了解投资的人不知道有什么问题。我的看法是，在投资领域做推荐本身是很困难的，因为投资市场的不确定因素很大且内容海量，所以要为用户筛选出适合他的投资信息难度很高，但这也正说明了用户的痛点。
　　在这个实例中，我认为从本质上就出现了一个问题内容标签直接应用在投资推荐系统中，这层标签在投资场景中根本没有达到理解用户需求的层次。
　　以该用户为例，他的内容需求可以归结为“短期对股价有明显利好影响的内容”，资讯的推荐算法应是通过用户特征尝试先找出这类人群，总结投资理念（这个步骤可以前后互补），再从他们的阅读偏好、个股行为、市场表现等数据中学习找出这类人群偏好的内容和特征；再与他们的投资理念挂钩，从而可以从海量资讯中找出符合这类理念的内容做推荐；这时也可以进一步根据转化数据判断目前到底有哪些内容，可以满足哪类用户。
　　内容标签为主导做推荐往往与市场表现关系甚微，用户看后无用会对推荐服务越来越失望（大量用户调研反馈，我知道你是推荐，但是我觉得推的都没用；这里仅举例，实际用户的投资逻辑和推荐匹配更为复杂）。
　　第二阶段构想：整合垂类服务，提供陪伴式服务
　　这里没有详实的案例，结合前面所述，我想来假设一下第二阶段的服务形式，进而讨论与前两阶段的本质区别。
　　我们来模拟服务场景：
　　用户特征：年龄二十八，有车欲购房，已结婚，想生子。
　　以此为基础，我们可以讨论一下这名用户生活中可能会有什么样的财富管理需求，如果有了AI财富管理用户的生活方式又会有怎样变化？
　　下图是我以四个大类财富管理需求为例，列出简单框架以供下文使用，读者朋友仅供参考。
　　红色为AI财富管理首先所了解或推测的用户目的，黑色为AI财富管理可能需要考虑和掌握的维度，蓝色则是为最终提供用户的决策结论。
　　结合上述摘取的四大类需求，未来十年用户的财富结果可能会怎样：
　　感觉马上要孩子了，目前租房子怕是住不开了，捏着手里的存款看过不少楼盘；前后盘算又是交通又是学区，中介说房价要涨，亲戚朋友有的说房价要跌，仍然不知道到底该不该买房，两年过去发现全套变首付。
　　两年后有了孩子寄予子女厚望存，想存下一笔钱让他日后上私立中学或出国，自己开始节衣缩食，旅游都不曾想过。
　　几年来工作劳累过度，有一天突现重疾，奈何个人理念所致，并没有购买对应保险，不仅花销大笔存款还在一定时期失去了收入来源。
　　听朋友说牛市来了，想搏一搏奥拓变奥迪，没有任何投资知识的情况下入市，小尝甜头后将大笔资产投入股市，不料买在山顶，一个月拦腰亏损。
　　这里并不是随便举例，上面的每一个情况都是我身边的人亲身经历。相信如果大家八卦一点，也会经常听到身边有人如此经历。
　　如果有了AI财富管理，我的简要期望可能是怎么样：
　　AI财富管理从海量现状和历史房源数据中，拟合未来房价趋，客观评估目前购房时机和用户购房需求是否匹配，根据用户的条件推荐选择交通相对便利的经济适用型，综合各维度房价相关变量，筛选出最符合用户需求的房源信息，并建议5年后可以考虑子女教育置换房产计划，并为你输出了贷款方案。
　　AI财富管理将根据用户对子女的教育期望、学业水平表现等各条件，从海量教育数据中帮你评估教育期间的相关费用、升学几率，设定学费存取和保值增值计划，每月定期帮你存取，并根据你的短、中、长期财富需求重新做了资产分配调整，不仅让子女升学无忧而且不会降低生活质量。
　　AI财富管理将根据用户的年龄、性别、工作类型、家族病史、海量相似人群的健康统计信息甚至基因等方面评估影响你健康的最大风险和对应的险种，并且督促你按时体检，标记必检项目，这不仅让你了解健康状况还让你的资产多了一重保障。
　　AI财富管理会随时结合前面的需求、资产状况及收支情况等，协助你设立投资目标、评估你的风险偏好，结合海量行情信息为你定制投资组合和标的，及时更新调仓策略，抚慰用户过激情绪，或许在行情上涨之前，你就已经配置了合理的资产在股市中享受收益。
　　如上所描述，我认为第二阶段本质上的提升便将垂类的服务深度完善，并将过去垂类的服务逻辑搭建为一体。用户整体的财富情况、未来需求、解决方案等，都可以通过可视化的方式呈现出来，以日、周、月、年、五年、十年等时间轴为用户提供个性化的陪伴式服务。
　　这时的AI财富管理服务可能更逼近于“融合生活的开放式服务”，不仅帮助用户完成大类资产的财富管理，而且真的像许多科幻电影里无所不能的生活管家，你在换季时喜欢添一件什么价位和喜欢款式的衣服、推荐休假的目的地、房屋装修帮你选材等等，AI管家都可以帮你量身定制好服务和计划。这时候生活的含义将不再需要刻意考虑生活中的鸡毛蒜皮，或对承担花销毫无计划的痛苦，而是能更专心去提升自己或享受生活。
　　本文受限于个人工作经验和认知所限，望各位读者朋友仅供参考、指正不足，分享想法。