从增量博弈到存量博弈的命题下，其实在金融行业之前已经有很多行业经历了这个过程，如果我们看这些进入存量市场下，会发生什么变化，有几个特点。
    
第一，竞争是显著加剧，加剧以后导致新客获取和存客留存变成很难的事情。
    
第二，产品同质化，这种情况下，竞争会转向价格和成本。
    
第三，行业整体利润率会下行，往往降到10%。
   
 第四，优秀头部企业在存量市场博弈下，能够进一步扩大市场份额，部分中小玩家会逐步退出市场，这个变动会比较大。
    
在存量上是不是就没有机会呢？其实也不是。我们可以看到过去打车，过去就很成熟的市场，但是移动互联网时代，打车信息不仅使新的服务能够带来新的用户体验，还成功的把市场做的更大。过去不会打车的人，现在基于打车软件使得自己出行更方便，存量做的更大，激发新的需求。搜索也是一个很成熟的市场，国外谷歌占据搜索市场很大的分布，微软BIM原来觉得它使用空间不大，基于这次生成式大模型的浪潮，基于ChatGPT的合作，BIM的市场份额逐步上升，它给用户创造全新的体验，最新的日活都突破亿了，这是一个历史新高的成绩。在存量市场下，基于环境的变化，新科技的引入，对于各个企业会带来一些新的机会。
    
存量市场下应对的策略有四个：
    
第一，精准定位，自身目标客群，提供差异化的产品和服务。
    
第二，针对老客，进行精细化运营，提升用户的留存，提升用户忠诚度。
   
 第三，降本提效，尤其是提效，来应对成本和价格之间的竞争。
    
第四，新技术的引入是创新，去适应市场上最新的这些需求变化，提升自身竞争能力的同时，又能够抓住新的发展机遇、新的业务机会。
    
通常是这四个策略，这四个策略归根结底就是三组关键词，体验，成本和效率，创新。这些关键词对于大多数企业来说可能并不陌生，因为反复提。在这些词上面，科技其实是发挥很重要的作用，是赋能的作用。在这个里面，老生常谈的问题不会多说，我着重说一些新的内容。
    
这些关键词在存量市场下需要借助科技，进一步找到其中一些价值洼地，让科技赋能体验，向科技要效率。同时抓住现在大的时代变革，前面几位嘉宾分别提到的ChatGPT为代表的生成式大模型，这是新一轮科技革命的开始，抓住这样一个新的时代机遇，能够使得自身发展能有机会上一个新的台阶。
    
我简单说几个：
    
第一，体验，体验层面的价值洼地，很多公司对体验并不陌生，金融公司很早说以客户为中心，进行对应的服务。但其中的确还存在一些难题。
   
 一是体验问题发现难，过去发现很多时候是基于客诉，都已经很晚了，客户调研也靠后了，客户不满意情况是用脚投票，你需要第一时间发现这些问题，过去是缺少对应的手段。
    
二是体验难，有些公司自身漏斗转化比较好，一个产品上能看到用户在什么地方漏损，但是很难体会客户经历的过程，因为金融产品很复杂，从前端到后台有很多的流程和结点，如果用互联网产品，自己可以体验，比如说打车软件，自己可以打车。金融产品像信贷产品，要体验一次就要查一次征信报告，这里面有很多的困难和问题，理财产品也不可能有那么多资产天天去买，这里面有很多流程结点很难体验。
    
三是服务难。前两个难点是基于科技的力量，实现用户行为数据全自动化的埋点，使得用户行为旅程记录起来，基于行为旅程可以做大量的分析，自动核出用户在什么地方漏损了，用户在什么地方体验不佳，等待时间变了，发现大量的体验问题。我们又建立起一个用户的行为回放平台，我们可以保护用户隐私的情况下，能看到用户在APP上怎么操作的，从前到后经历什么过程，后台可以看到很多数据，看到客户有5000条行为路径，一条行为路径拉出来，就知道用户经历了什么，就知道为什么用户在一个位置跳来跳去，产品设计上这个地方有问题，很直观，很醒目。
    
基于这样科技赋能，使得用户体验发现难、体验难这几个问题都可以很好的解决。这些技术应用以后，我们端到端转化率出现大幅度提升，用户体验自然大幅提升。
    
服务难，坐席很重要的一个服务结点，针对用户而言，像用户漏损的时候，如果有坐席能够承接上，对用户是很好的服务，但是这个成本太高了，没有办法做到所有需要接入的结点都能提供服务，基于RPA赋能的坐席服务，可以大大降低企业服务成本，使得24小时针对用户的专业服务能够成为一个可能。
    
坐席服务过程中，某一个单点坐席服务过程中看不到历史，因为历史和平台建立了非常好的交互，这些交互信息坐席看看做了很长时间，给用户提供服务，黄花菜都凉了，现在大模型技术自动提取摘要总结，坐席只要看一下过去总结了几句话，这个用户和平台经历了什么，他对平台提出什么样的要求，总结几句话往这儿一放，坐席立马知道用户经历了什么，我应该怎么样给这个用户提供更精准的服务。所以在服务难上面，也可以看到很多的洼地，基于科技的力量使得客户的体验发生很多的变化。
    
第二，效率层面，效率层面针对企业内部运营的时候，效率层面有很多可以提升的地方。大家可能提比较多就是重复性劳动的替代，我们使用RPA技术，坐席60%的工作都需要机器人提供服务。后台还有建模平台，建模平台上63%的模型由机器自动建起来的，它比有经验的工程师建出来的效果更好，大家都已经了解了。
    
运营效率有很大的空间，很多时候我们想对存客进行经营的时候，用户都流失了，流失之后再用户经营很差。用户流失发生的额结点是在结清半年以后就流失了，跑到你的竞争对手那里了。这时候能不能把流失用户和非流失用户区分出来，这是一个技术难题，也是很挑战的事情，基于科技赋能，可以很好识别哪些用户有很强的流失倾向，这样使得整个经营效率取得一个非常关键性的显著提升。
    
第三，科技创新层面，生成式大模型是一个巨大变革，2C有一段应用，2B企业效率层面一定基于生成式大模型产生很大的变化。它的有关几个特点，一是内容生成创作非常有价值，营销文案生成，甚至自动写代码，自动做测试，就会呈现价值。二是生成式大模型对信息自动总结和提炼，开会的时候，会议效率，做摘要、坐席针对用户历史上经历什么，进行摘要总结提炼，会呈现价值。三是针对知识的理解，和问答层面呈现价值，过去企业大量知识沉淀以后，获取交互效率比较低，基于大模型，这部分工作也有质的变化。四是自然交互和对话。生成式大模型在企业内，前台可以更好的服务客户，提高营销效率，中台帮助企业知识分享，提高会议、办公的效率，包括自动代码，就是研测的模式，会引发新的变革，中台效率大幅提升。后台会替代原有基于机器学习的底层基础设施，成为真正通用智能化底层基础设施。这个带来变革很大，过去业务部门有一个建模需求，提给科技部的模型团队，没有几个人，不会支持到特别细节的地方，大模型基础设施提供出来以后，大家对人工智能应用比较简单，只要提问一下，针对大模型，知道怎么给问，给它几个案例，就可以帮你做很多事儿，智能技术会大规模的普及。前面几个对金融机构的效率有很大的变化，这些变化在存量市场当中也会非常重要。
    
进入存量市场以后，我们可以看到，大行在科技力量上投入非常多，中小行除了数字化鸿沟，又多了一个智能化鸿沟要去跨越，我们希望把我们的力量提供出来，比如像大模型层面，我们上周刚刚发布了千亿级别的开源大模型，基于自身业务场景金融数据进行调优和训练，金融场景上的特定任务上，我们评估了一下比市场主流开源大模型效果都好。我们希望贡献到这样的力量，帮助整个行业，帮助到中小机构能够成功的跨越这样的鸿沟，在存量市场竞争当中取得自己更多的发展。谢谢大家。