使用人工智能寻找和激活增长

我智能被牛津词典定义为获取和应用知识和技能的能力。 在帮助咨询业务发展业务的背景下，人工智能 (AI) 和机器学习 (ML) 现在被部署为关键工具，以获取更多关于顾问潜在客户和客户的情报。 借助这个扩展的工具包，顾问可以获取更多关于与他们合作的个人的知识，并战略性地应用这些信息来设计更具吸引力和个性化的体验，以扩大和留住他们的客户群。

尽管对这种情报的认可和需求——埃森哲报告称，99% 的顾问认为人工智能在未来的财务建议中发挥作用，例如使用技术来推动和加强客户与顾问的关系——只有 51% 的顾问接受了财务规划调查表示他们正在计划和调查阶段之外积极实施人工智能和机器学习工具。

为此，金融科技平台TIFIN Wealth刚刚推出 TIFIN 情报，为勘探、培养和客户参与增加一层人工智能和机器学习驱动的丰富和优先级。 我们联系了研究所创始成员， 尼哈里卡·沙阿执行副总裁兼首席增长官和 迈克尔·刘易斯 机器学习和人工智能总监，深入研究为什么简单的分析不再足够，以及如何将新技术结合起来以帮助顾问深入了解他们的客户、优先考虑潜在客户以提高转化率、更有效地培养和战略性地建立增长活动。

霍尔茨： TIFIN 推出 TIFIN Intelligence 的动机是什么？ 它解决了哪些行业挑战？

沙阿： TIFIN Intelligence 的前提是标准的客户获取和增长过程效率低下并导致浪费。 Kitces Research 的一份报告指出，客户获取的平均成本为每位客户 3,119 美元。 其中，2,600 美元是顾问的时间成本，休息是可自由支配的营销支出。 我们认为这太离谱了。 顾问不应该在不是他们理想前景的前景上浪费时间或金钱。

刘易斯： 在 TIFIN，我们成功地将人们与投资产品相匹配。 我们扩展了相同的方法，将顾问与他们的“下一个最佳前景”相匹配。 当我们开始构建该用例时，让我们感到震惊的是，通过将顾问与其潜在客户和客户的机会相匹配，有机会使增长更加高效和有效。

霍尔茨： TIFIN 在该平台中构建了哪些关键组件来应对这些挑战？

沙阿： 从本质上讲，我们创建的情报包有助于识别顾问的最佳前景和业务簿中的机会。 例如，智能模块不会在每个潜在客户成为理想客户的可能性较低时浪费时间，而是识别看起来像顾问今天和/或明天的理想客户的潜在客户。 使用人工智能来满足人们的需求已经在其他行业有先例，例如，亚马逊的推荐平台负责大约 35% 的销售额。

该平台提供的另一个增长领域是确保顾问关注客户的财务生活旅程。 随着他们通过不同阶段和目标的进展，我们的情报模块可以确定哪些客户最适合进行对话，以便顾问可以相应地个性化他们的互动，并在人们准备好寻求帮助或探索公司可能​​提供的其他能力时出现。

刘易斯： 为此，我们将机器学习方法与来自第一方、第二方和第三方来源的丰富数据相结合。 这些数据提供了一个 360 度的前景视图，我们的算法针对业务成果进行了优化。 例如，顾问可能正在查看他们的业务手册并询问并获得诸如“谁是我应该提供另类投资或慈善捐赠解决方案的最佳 20 位客户？” 它成为增长的超级大国——通过智能快速识别和转换潜在客户，并在客户经历不同的生命阶段时揭示额外服务的新机会

霍尔茨： 这个过程与已经存在的过程有何不同？

沙阿： 基本前提是我们使用人工智能和数据科学，并将它们与非常深入的金融智能相结合来创建我们的算法。 虽然有其他公司处理或有能力帮助您确定潜在客户或下一步最佳行动，但我们相信我们的产品在我们如何整合这些流程方面真正与众不同。

刘易斯： TIFIN 生态系统的真正价值在于我们如何设计我们的技术和系统来实现、识别和激活参与策略。 我们可以在整个平台上识别、激活和训练我们的算法，这些算法协同工作，以提供精确和以结果为导向的增长机会激活。 这是一个独一无二的闭环生态系统。

霍尔茨： 您如何设计您的平台和技术，以便能够对潜在客户和客户产生全面、可操作的见解？

沙阿： 例如，我们体验过的一家公司有一个平台，他们根据他们通过 20 到 30 年的大数据了解客户的情况部署一次性优先级。 虽然这是一个很好的开始，但我们观察到他们的算法没有关闭循环并显示什么有效或无效。 另外，从优化的角度来看，没有发生任何事情。 对于我们的智能产品，我们会捕获与整个 TIFIN 生态系统交互的潜在客户或客户的数据。 这可以追溯到我们的客户数据平台 (CDP) 并优化算法。

刘易斯： 我们的平台将继续从顾问的最佳客户那里获得的情报中学习。 因此，例如，如果客户使用我们的 Clout 数字营销产品，随着时间的推移，Clout 算法将优化，反馈智能模型也将受益于 Clout 的数据。 像 Clout 这样的解决方案还可以帮助客户在同一个 TIFIN 平台内培养潜在客户，帮助顾问在寻求转化潜在客户时根据他们通过智能模块学到的知识采取行动。

霍尔茨： 您能否进一步讨论您的优先级模型？ 您创建了哪些不同的模块，顾问如何使用它们？

沙阿： 一个模块只是简单地使用 TIFIN 数据生态系统来丰富聚合数据。 我们的 BHAG（或“大毛无畏的目标”）是成为该行业最大的第一方数据资源。这是对数据的直接丰富，否则这些数据将是分散的、分散的和不可操作的。例如，电子邮件不是可行，但电子邮件加上家庭收入是可行的。然后，我们将数据转化为对公司有意义的信号。在潜在客户优先排序、客户交叉销售和生命周期机会中排队，现在您看到了增长。然后顾问可能会使用我们之前讨论过的潜在客户和客户生命周期机会的优先级模块。

我们经常谈论的另一个用例是顾问招聘。 哪些公司是您的下一个最佳收购目标？ 我们可以根据过去成功收购的数据为您的顾问招聘计划建模。

刘易斯： 对于多学科公司来说，穿越防火墙的交叉销售一直是一个挑战。 例如，您如何评估抵押贷款客户，看看他们作为您新兴财富业务的客户是否有意义？ 或者对于退休顾问，他们如何通过财富咨询业务识别 401(k) 或 403(b) 客户机会？ 通过告诉顾问一群潜在客户如何成为理想的客户，该顾问可以通过将注意力集中在较小的群体上来节省时间和精力。

霍尔茨： 您能否分享有关顾问所需的思维方式和技术的任何一般性建议或建议，以便对他们的潜在客户和客户建立更全面的见解？

沙阿： 为了在未来取得成功，所有实践都需要数据科学解决方案，但公司不需要自己构建它。 同样重要的是要考虑数据科学的高影响力激活通常需要团队跨越组织和职能边界工作。 通常，技术、数据、营销和顾问参与团队是公司内部的组织结构，可能会产生孤岛。 能够克服组织边界的公司将减少整个组织的摩擦并增加影响。 我们相信，以增长为导向可以促使组织资源朝着共同的使命迈进。

刘易斯： 我们的建议是，顾问应该应用他们能做到的最好的技术，这样他们就可以专注于他们擅长的事情，并信任外包专家来完成剩下的工作。 我们不能指望即使是最聪明的火箭科学家也能精通建立投资组合，真正擅长管理资金的财富管理公司并非拥有大数据或数据科学计划方面的专业知识。 我们的想法是，如果我们能够成为他们的数据科学分析合作伙伴，并获得可衡量的增长成果，我们不仅可以为顾问创造更好的结果，而且可以为最终客户创造更好的结果。 这支持了 TIFIN 的最终使命：改善更多人的财务状况。

这 创新发展研究所 是面向增长的财务顾问和金融服务公司的教育和业务发展催化剂 决心在加速商业和文化变革的运营环境中领导他们的业务。 我们作为 一个商业创新平台和教育资源，与金融科技和金融服务公司成员公开分享他们独特的观点和活动。 目标是建立意识并激发关于新的或不断发展的行业方法和思想的开放思想领导讨论，以促进下一代增长、差异化和独特的社区参与战略。 该研究所的成立得到了我们的创始赞助商 Ultimus Fund Solutions、纳斯达克、FLX Networks、Advisorpedia、Pershing、Fidelity、Voya Financial 和 Charter Financial Publishing（财务顾问和私人财富杂志的出版商）的支持和远见。

本文表达的观点和意见是作者的观点和意见，不一定反映纳斯达克公司的观点和意见。