98%顧客需求由機器人處理！中國第一家網銀如何用AI讓服務升級？|數位時代 BusinessNext

98%顧客需求由機器人處理！中國第一家網銀如何用AI讓服務升級？

中國在2014年就批准了第一家純網銀「微眾銀行（WeBank）」，靠著大股東騰訊旗下通訊軟體龐大的用戶基礎，成為全球規模最大的純網銀業者。善用人工智慧（AI）、大數據的微眾銀行，就以科技為訴求打造全新的服務場景。

上線第二年就轉虧為盈

2014年取得深圳銀監局頒發的金融許可證後，微眾銀行在2015年正式上線，除了是中國第一家純網銀，更是中國首家民營銀行，註冊資本為人民幣42億元，是由網路巨頭騰訊所發起，其他股東還包括百業源、立業集團、光匯石油等。

微眾銀行之所以能夠順利崛起，靠的就是騰訊旗下通訊軟體微信、騰訊QQ，龐大的用戶數撐腰，一舉成為全球最大的純網銀，相較於去年南韓成立的兩家純網銀K Bank、Kakao Bank，面臨客戶成長趨緩、虧損擴大的瓶頸，微眾銀行在上線第二年就有4.01億人民幣的獲利，順利轉虧為盈。

賺錢的金雞母，來自微眾銀行的主力消費金融產品「微粒貸」，這是一款小額貸款服務，號稱是建立在騰訊背後的大數據基礎上，全程線上操作就能完成，標榜從借款申請至到帳平均不超過15分鐘，這些小額貸款金額平均落在500元到30萬人民幣，目前累計放貸款金額高達1,987億元人民幣（約台幣8,809億元）、服務超過2千萬用戶。

「微粒貸」之所以能創造如此優異的表現，微眾銀行金融科技首席研究員李斌曾表示，過去傳統銀行只願意借貸給白領用戶，忽略了年輕人、藍領階級的貸款需求，「微眾銀行要服務的族群，就是傳統銀行不願服務的用戶。」他說。此外，微眾銀行也跟中國最大二手車商優信合作，推出「微車貸」服務，在手機上就曾操作車貸服務。

根據公開資料，今年（2018）上半年微眾銀行營收達到41.9億元人民幣、11億元人民幣淨利潤，這些數字幾乎接近去年一整年的營運表現；目前全體用戶已經超過8,000萬，曾創下單日1億筆交易的高峰紀錄。

導入AI，讓人人都可以是VIP

微眾銀行近年也積極導入科技技術來優化服務，微眾銀行AI顧問楊強近日曾在《CNBC》報導中談到：「AI的出現，是為了改善人類服務流程，」他認為：「自動化並非人類服務的敵人，大家應該一起相互合作。」

以招牌產品「微粒貸」為例，導入行動化流程後，比起傳統銀行大大增加貸款申請、風險評估、個人理財服務等效率，「傳統銀行業是被動的，人們必須走進特定的空間才能得到服務，往往只有VIP客戶才能得到相對好的服務。」楊強認為科技的介入使得服務品質、效率一併提升，能讓「人人都可以是VIP」。

他以借貸所需的風險評估為例，過去都需要靠人工來做，速度會非常緩慢，「你到現場提出的申請，可能一個月後才會收到回覆。」如今AI可以在幾微秒內就完成工作。同時，微眾銀行也導入虛擬機器人來協助客服，結合了臉部、聲音辨識技術，以及自然語言處理技術，顧客在手機App上說出需求後，系統會透過演算法截取音頻，再處理成文本，最後自然語言處理便能判斷顧客想表達的意思，「現在有高達98%的顧客需求，都是由機器人處理的。」

股權被放上淘寶拍賣，估值意外曝光

今年11月，微眾銀行的第四大股東深圳光匯石油，因為與平安銀行上海自貿區分行有金融借款糾紛，上海市高等法院8月裁定光匯石油必須支付平安銀行3.39億元人民幣貸款，不過最後光匯石油沒能履行。

因此在微眾銀行成立將滿四年之際，光匯石油持有的1.2億股股權被放上淘寶網拍賣，外界從拍賣協議價、起拍價推估，微眾銀行估值大約落在1,470.07億人民幣（約合新台幣6,650億元），意外讓微眾銀行估值曝光，先前曾傳出微眾銀行打算在A股上市，到時候估值可望上看5,000億人民幣。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。