我们现在把用户分为八类，从低风险低收益，到高风险高收益，我们现在已经把这个象限拆开了，有一个数据学家说，如果可以把企业可以把它的用户分类成两千个群体的话，那么它在做任何的营销和任何活动的时候，都会对活动所面对的对象了解的非常深刻，但是随着技术的发展和互联网体系的发展，人们对整个金融需求越来越旺盛的时候，我们已经把可以这个种类扩展到两万，未来甚至会更多，我们会有更精准的营销手段。

　　开户

　　到了下午五点钟，下班了，你可能想去银行开个户，但是大部分银行四点钟已经关门了，怎么办呢？你可以在腾讯投资的银行里面进行开户的操作，开户的时候，身份证的识别靠的就是后台人工智能的挖掘，当我们开户的时候，大部分都会做一个人脸识别，这个人脸识别其实就是图象识别的应用，深度学习技术的应用能够让人脸识别的准确率达到90%以上。

　　现在在互联网金融领域，大部分都在使用活体检测技术，让你左右摇摆一下，这让我们整个的准确性变的更高，（雷锋网注：防止使用照片造假）通过活体检测的过程跟公安部的资料进行实时比对，马上就可以完成开户的过程，在任何时候、任何地方都可以做这件事，哪怕是在银行的工作时间以外，这可以给你的生活带来很大的变化和便利，目前这项技术已经在大量运用了。

　　彩票

　　世界杯、欧洲杯刚刚过去，atv，可能你看球的同时也会想买一些彩票，我们在腾讯里面也可以买一些足彩，其实我们前段时间做了一个大数据的胜负预测，我们会去预测这么多队，每个队在比赛的时候会踢进多少球，最终各队的胜率会是多少。如果要用矩阵来进行运算的话，这会是一个超高维的矩阵，在这个里面可以看到很多大数据的影子和技术，任何一个预测其实都是基于大数据来进行的。

　　这里面用的是最早用于导弹弹道计算的一种算法，我们把它运用到足球上面来。原来在金融领域不可能去用的一种图象学的策略我们现在把它应用到了金融的领域，而我们现在用的这种分类体系在整个预测里面得到了集合和应用，是一个结合体，单独一种算法无法满足我们预测的精准性的要求，这是我们现在逐步摸索的。五年前我们预测用户的流失、用户的挽留，用的都是很简单的预测模式，但是现在我们已经改进了很多。

　　贷款

　　当你晚上八点钟在家里的时候，如果要买一个什么东西，你可能会希望通过贷款的方式来进行，但是就我们来说，不可能每个人他想贷多少我们就让他贷多少。我们如何判断一个人能贷多少钱，这个人是不是有风险，这是不是一笔真实的交易？这时候就要对你的信用进行评估，现在信用评估的背后大量的在使用LSTM这种深度学习的算法，这比原来算法的准确率至少要高出20%。

　　有一家美国公司，创业者是从谷歌出来的，他们通过Fackbook上的信息和利用LSTM的算法，得到的结果准确率已经可以完全超越美国其他的信用公司，这种全方位的数据进行深度学习以后，能力已经可以超过传统的交易数据，这个事情已经被证明了，并且已经得到了很多企业的应用，是非常值得大家去关注的事情。

　　服务

　　到晚上，如果你想买一个理财产品，想要了解关于它的资讯的时候，原来是需要打电话的，但这时可能客户经理已经下班了，客服热线可能出现故障了，如果你现在打开我们FIT的公众号，输入“我要理财”这几个字，它就会帮你推荐你感兴趣的理财产品，这是一个智能机器人。我们以前的服务产品叫智能客服，开奖，不过智能客服是一个单向的东西，是你有需求它才会回应你的，现在我们把这种被动需求变成了主动和被动相结合的体系。

　　我们根据你以前消费和支付的习惯，已有的资产能力，我们能为你推荐出来最适合你的方案。当然我们也会关注你的朋友、你朋友的朋友在干什么，你朋友的朋友喜欢什么，他们的收益是怎样的，通过这些策略的结合，为你推荐最合适的理财需求和智能方案。