收益：
- 了解客户细分和行为分析基于哪些数据，以及如何使用人工智能通过细分大纲生成洞察。
- 能够使用人工智能进行细分定义、活动文本和洞察总结，保持歧视和操纵的限制
- 能够认识到客户利益与个性化利用之间的界限，并应用适用性和同意原则
银行无法统一对待数百万客户。年轻大学生和退休商人、中小企业主和自由职业者的需求是不同的。细分是根据相似的特征和行为将客户分为几组的任务；个性化意味着为每个群体（甚至个人）提供适当的产品、沟通和体验。人工智能是这一领域的强大工具：它从行为数据中勾画出片段，撰写活动文案，总结见解。但银行业的细分也有其阴暗面：同样的技术可用于剥削、歧视或操纵弱势客户。边界是顾客利益和剥削之间的界线，这条线是由人类划定的。
在本单元中，我们将了解细分的基础是什么，如何在细分和活动制作中使用人工智能，以及需要维护哪些道德界限（适当性、同意、非歧视）。
细分的依据是什么？
典型的段条目：
- 人口统计：年龄范围、职业群体、地理区域（注：这些接近受保护的特征）。
- 行为：产品使用、交易频率、渠道偏好（移动/分支机构）、储蓄支出模式。
- 价值和生命周期：与银行关系的持续时间、产品数量、活动。
- 需求信号：寻找新房（抵押贷款利息）、定期购买外汇、业务增长。
人工智能可以从这些数据中提取“相似客户群”。但即使一个集群“具有统计显着性”，它也可能在伦理上不可用。
提示：问问自己：“我能向客户清楚地解释这个细分吗？”如果该细分市场基于诸如“过度负债和恐慌、容易被说服的客户”之类的剥削逻辑，那么仅仅因为它在技术上可行并不意味着它是合法的。
资格、同意和歧视：三个边界
- 适用性：提出的产品是否满足客户的实际需求和支付能力？向过度负债的客户推销额外信贷可能是“销售”，但这是不合适的。
- 同意和透明度：客户是否知道他的数据正在为此目的进行处理，并且他是否对此给予许可（KVKK 明确同意/合法利益框架）？个性化应该是一种透明的服务，而不是秘密操纵。
- 非歧视：该群体是否根据受保护的特征（例如年龄/性别/出身或其代理变量（例如邮政编码））系统地排除某个群体？这是违法的。
用途
客户利益还是剥削？
向经常购买外币的客户推荐优势汇率产品
福利（适合需要）
为寻找住房的客户提供适当的信用信息
好处（透明、方便）
向支付困难的客户推销昂贵的额外贷款
滥用（违反合规性）
将某个地区系统性地排除在活动之外
歧视（非法）
以更高的费用瞄准“价格不敏感”的细分市场
操纵风险
安全使用人工智能：步骤
- 定义目的。写下该细分市场所服务的合法客户需求。
- 使用匿名数据。无需凭据即可生成线段草图。
- 歧视筛查。检查该段是否基于受保护的属性或代理变量。
- 合规性检查。质疑拟议产品是否适合该部门的偿付能力和需求。
- 制作文本草稿。将活动/通讯文本打印到人工智能；检查是否存在夸大、压力和误导性的承诺。
- 人类的认可。办理合规、合规和品牌审批；承担责任。
四个可复制模板
1) 合法段概要：
您的角色：助理，为客户的利益提出细分大纲。匿名行为数据类别：[常规货币购买、移动设备较多、交易量中等]。任务：提出 2-3 个适合此行为并服务于客户利益的分段想法。对于每个想法，写下它满足的合理需求。使用受保护的特征（年龄、性别、出身、地区）。
2）歧视与合规审计：
从两个方面检查以下细分市场定义： (1) 是否依赖于受保护的属性或代理变量（例如邮政编码、名称来源等）。 (2) 提议的产品是否与细分市场的偿付能力兼容，或者是否存在利用其漏洞的风险？清楚地列出风险。部分：[定义]
3) 竞选文本草案（道德语言）：
您的角色：助理撰写竞选文案草稿。细分：研究抵押贷款的客户（匿名）。任务：写一份透明、无压力、简洁的信息文案。使用坚定的承诺（“绝对批准”）和紧迫性（“最后 2 小时”）。请注意，产品条件可能会发生变化。我将发送文本以供合规性和合规性批准。
4) 见解总结（给经理）：
将我提供给您的匿名细分绩效数据转化为决策者的简单洞察摘要。只需使用数据中的发现，不要编造新的数字。提供歧视性或辱骂性建议。数据：[细分市场规模、产品使用情况、满意度指标]
弱提示/强提示
弱提示：
找到最容易说服的高负债客户，并为他们写一份积极的活动文本，以增加额外的贷款销售。
该请求利用了漏洞，违反了适当性原则，并要求使用操纵性语言。
强力提示：
您的角色：为客户利益并遵守法律的活动起草助理。如果需求信号真实且产品合适，则编写透明的信息文本。对弱势群体（过度负债、支付困难）施加销售压力。使用夸张、紧迫压力和明确的承诺。我会给予批准。
坚强的意志保持合规性和透明度，排除弱势群体，并将决定权交给人们。
三个迷你箱子
案例 1 — 有用的个性化。该模型标记了每月定期收到外币的 12,000 名客户。为他们提供有利的汇率和外币账户信息； 18% 使用该产品并且满意度提高。该部分以透明的方式满足实际需求。
案例 2 — 滥用行为被拒绝。一个团队向“拖欠债务且容易引发恐慌”的群体提出了一项昂贵的透支活动。这在资格审查中被拒绝：对这个群体来说正确的不是额外债务，而是结构和财务支持谈判。防止了滥用的风险。
案例3——隐藏的歧视被发现。分段基于邮政编码，并从广告活动中排除某些区域。在审计中，这被标记为通过区域（代理变量）的间接歧视，并使用合法的行为标准重新建立细分定义。
个性化和操控之间的微妙界限
同样的技术在两种不同的意图下会产生截然不同的结果。看到客户定期储蓄并为他推荐合适的储蓄产品就是个性化；看到同一个客户在月底现金短缺，并在那时发送昂贵的信用通知是操纵行为。区别不在于使用的数据，而在于使用数据的目的。
区分线路的三个实际测试：
- 透明度测试：如果您清楚地解释了这一定位，客户会感到被冒犯吗？如果你不能说“我们选择了你的困难时刻来销售产品”，那么你就已经越界了。
- 方向测试：该交易是否会导致客户获得更好的财务状况或您的短期出售？如果方向不属于客户一侧，则停止。
- 脆弱性测试：目标受众是否是一个特别容易受到压力或错误决策的群体（过度负债、老年人、金融知识水平低）？所以需要额外的保护。
当心：操纵行为常常伪装成“成功的活动”；短期内销量增加。但被剥削的客户迟早会收回他的信任，而成本则以声誉和监管制裁的形式出现。短期转型不能替代长期信任。
常见错误
- 针对漏洞。为过度负债、恐慌或金融知识水平较低的群体制定销售目标。
- 通过代理变量进行歧视。通过邮政编码、名称来源等代理排除或支持某个群体。
- 绕过同意和透明度。在客户不知情/未经许可的情况下使用客户的数据进行个性化。
- 操纵性语言。 “绝对批准”、“最后2小时”等压力和误导性承诺。
- 不质疑是否合适。没有检查产品是否适合客户的支付能力。
注意：个性化是更好地了解客户并更好地为客户服务的机会；但同样的知识也让他有能力瞄准自己的弱点。使用这种力量时唯一的指南针是“客户的真正利益”。
总之
细分基于人口统计、行为和需求数据；人工智能可加速片段草稿、活动文本和洞察的生成。但界限是道德和法律的：相关性（产品是否满足需求）、同意/透明度（客户是否知道并给予同意）和非歧视（受保护财产或替代变量不排除）。任何剥削弱势群体、使用操纵性语言或包含隐蔽歧视的用途都将被拒绝。一句话简介：人工智能帮你了解客户；您决定不利用它。
应用任务
选择一个行为数据类别（例如定期外汇购买）并使用模板 1 生成两个合法的细分想法。然后检查这些细分是否存在歧视以及是否符合模板 2。然后故意识别有问题的细分（例如基于邮政编码）并显示审计如何发现它。最后，使用第三个模板制作道德竞选文本，并检查是否存在任何操纵性表达。
清单
- [ ] 我已经确定了该细分市场所服务的合法客户需求。
- [ ] 我检查了受保护属性/代理变量的段。
- [ ] 我对推荐产品的适合性（支付能力、需要）提出质疑。
- [ ] 我遵守同意和透明的原则。
- [ ] 我已检查竞选文本中不存在压力、夸大或误导性承诺。
- [ ] 我已收到资格/合规确认书；我承担了责任。