证券行业实现 “千人千面”的两大难点

本篇文章2667字，读完约7分钟

今天的头条可以通过实现流量来实现数百亿的年收入，但用户少、信息选择少、使用频率低的经纪应用无法实现。换句话说，成千上万的人和人工智能推荐只是手段。用这种方法应该解决什么样的问题？如果客观数据不充分，用户互动不充分，每个经纪应用的孤岛效应明显，那么成千上万人的质量和效果会怎样？

随着当今标题模式的巨大成功，其100亿美元的估值引起了人们对智能推荐的极大关注，尤其是人工智能话题的不断流行，进一步加剧了这种关注。许多企业想模仿当今垂直行业的标题模式，成为所谓特定行业的标题。

那么，为什么证券行业要努力实现千人目标呢？它的内部逻辑有什么不同？费迪信息研究所认为，它至少有四个困难或陷阱，值得关注。

大众市场和利基市场之间的数据差距

今天的头条名义上被称为成千上万的人，但这句话很容易让人误解。因为标题，从本质上来说，不是为了满足长尾市场的需求，而是头和腰的结合，也就是说，它们主要满足公众的一般阅读需求，同时，它们将根据人群细分为一个基数较大的群体。

以今天的头条为例。2017年第一季度，其mau(每月活跃用户)达到1.17亿。甚至它的一些子群体，如证券频道和一些著名的标题数字，实际上有相当多的观众，一些标签的潜在观众从几十万到几千万不等。

证券业呢？中国股票经纪业务的有效账户只有8000多万个，持股账户的数量不到5000万个。这些账户分散在数百名经纪人中，形成了孤立的信息孤岛。最终的结果是，像平安证券这样在网络营销方面付出巨大努力并取得良好成绩的厂商，其mau用户只有300多万，而东方财富和大智慧等信息聚合门户的mau分别只有800多万和1000多万。

这种巨大的差距导致了这样一个事实，即这些应用程序获取用户数据的能力远低于今天的标题，而标题通常只相当于一个中小型标题应用程序的用户数量。它是否足以支持充分的人工智能分析是有争议的，也是不可避免的事实。毕竟，应用的价值可能与用户数量的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，金融垂直领域的应用程序可能比今天的标题阅读更少，使用频率也更低。毕竟，大多数股票的受众不是由信息控制的，而是基于k线图和八卦的股票。

因此，面对这样的用户数量差距，其实施方式必须有所不同。正如web1.0时代所显示的，门户网站和垂直门户网站的游戏性是完全不同的:像新浪这样的门户网站拥有巨大的流量，可以通过实现流量的广告模式盈利，但是像中关村在线和太平洋电脑网络这样的垂直门户网站很难仅靠流量来赚钱，至少很难做大。最后，真正不碍事的垂直网站是汽车之家、搜房网等等。信息只是它的外在表现，在它的背后是用户和企业之间的联系，这就成为了服务的匹配平台。

这一点无疑应该成为数千人推动经纪业的前思点。也就是说，当用户数量不足时，有必要考虑到相应的思维模式本质上是不同的，而不是简单的模仿。换句话说，即使你做了一个类似微信的产品，它也只能被某个垂直行业的中小企业使用，不能作为微信在某个行业使用，只能作为软件在某个行业使用，不能联网或被病毒感染，不能单纯依靠功能先成功。

工具思维和全新思维的内在区别

今天的头条可以通过实现流量来实现数百亿的年收入，但用户少、信息选择少、使用频率低的经纪应用无法实现。换句话说，成千上万的人和人工智能推荐只是手段。用这种方法应该解决什么样的问题？如果客观数据不充分，用户互动不充分，每个经纪应用的孤岛效应明显，那么成千上万人的质量和效果会怎样？

这里有两个选择:第一个选择是使用人工智能仅仅作为一个工具，只是为了优化和服务现有客户的经纪人，这是工具思维和软件思维；第二个选择是探索一种全新的人工智能接入模式，吸收今天头条背后的成功精髓，而不是模仿，模仿者几乎会死去。例如，在微信上，为什么模仿者甚至先锋“米聊天”都失败了，而走差异化路线的莫言却成功了？

那么，这种所谓的全新思维是什么？到目前为止，我们还没有看到任何企业找到出路。有些人想把人工智能注入垂直行业，有些人想在垂直行业中形成社会性，有些人想在进入徐图之前很好地为他们的客户服务。即使像《东方财富》、《大智慧》和《同花顺》这样的大用户也无法在成千上万的人群中找到一条真正的道路。

当然，费迪信息研究所无法给出明确的答案。只能说可能有三个必要条件:

首先，由于利益冲突，由一个单一的经纪人整合整个行业的信息资源几乎是不可能的，至少在交易数据方面是如此。这时，第三方需要找到进入市场的正确途径，找到权利边际分割的途径，并成为所有经纪人的基本组成提供者，至少是许多经纪人，作为他们的信息引擎。即使三大电信运营商如此强大，拥有足够的用户，他们也无法在制作即时消息后与微信竞争，因为这种信息分割是反互联网的。即使在高度细分的市场，如视频等内容行业，也只有三家主流制造商:腾讯视频、爱奇艺和优酷土豆。

其次，其背后的思维和解决方式必然不同于标题。要解决用户少、交互少的用户肖像问题，恐怕不能只靠机器学习，而要靠更多的人工干预。特别是，它必须是一种更深层次的整合模式，将一般信息驱动(阅读需求)、数据驱动(金融和交易数据需求)和决策驱动(心智模型辅助需求)结合起来。与其像一个标题，不如像ibm的沃森，因为垂直类数据需要耦合机器学习数据和垂直业务逻辑，这解决了用更少的总数据和更深的深度来结束的问题；与其说是一般的人工智能，不如说是经纪行业的阿尔法戈。核心竞争力应该通过业务模板来阐明，这类似于构建各种象棋图表。

第三，交易效果必须作为一个重要的、根本性的评价指标，因此它需要成千上万个具有不同内涵的人。如果用户太少，信息选择太少，就不可能形成高频率和丰富的数据反馈。此时，有必要提高单个数据的质量，而数据的质量只有在对交易决策有帮助时才能判断。当然，交易决策并不意味着股票一定要赚钱，而是获得的信息和决策之间的关系更加清晰，并能被客户认可。例如，短期高频交易用户希望获得更快的数据，价值交易客户需要了解更多的基本面和价值股票的分析维度，冲动型交易者希望控制自己的决策步骤，行业从业者可能更适合选择行业中的股票。因此，成千上万的人在经纪行业有不同的含义，在性质上，不是由利益决定的。换句话说，他关注的股票并不意味着这些股票适合他。你需要比他更了解自己。

因此，经过一些肤浅的分析，不难看出，成千上万的人只是一个描述性的外在表征，但由于行业不同、定位不同，他们的内涵有本质的不同，这正是经纪行业需要深入思考的问题，也是成功的前提。

然而，真正的成功必须比这些见解更加深刻和准确。它的名字是创新。

(编者:何淼)