0
| 本文作者： 老王 | 2017-09-25 16:17 |
人臉識別已經在金融領域大顯身手，很多明星AI公司均具備了完成“刷臉”的能力。
國內眾多銀行也開始大范圍使用人臉識別技術，把其應用在手機銀行刷臉登錄、輔助遠程坐席和柜員客戶身份核驗以及小額支付等業務當中，但真正把“刷臉取款”服務應用在線下ATM自動取款機中的銀行卻非常少。
目前把“刷臉取款”在全國范圍內大規模應用的只有農業銀行和招商銀行，其中農行的刷臉取款服務則覆蓋了全國2萬多個分支機構，深入到縣鄉鎮。
作為農行2萬家刷臉取款服務的軟硬件算法方案提供商，云從科技在成立2年的時間里推出了48種銀行業解決方案，連接ATM/VTM、人證合一、紅外雙目等多種硬件的金融科技平臺。
在本期雷鋒網公開課上，云從科技金融事業部總經理張興旺基于自己多年的研究和行業經驗，從“刷臉取款”切入，深入分享了 AI 技術將怎樣以全產業鏈、智能硬件和大數據的形式，深刻地變革整個金融行業。
張興旺，云從科技金融事業部總經理。
美國項目管理協會項目管理專家，銀監會2013年、2014年二、三類科技風險管理研究成果主要負責人，原青島銀行直銷銀行部籌建人，負責金融產品設計和運營工作。
張興旺有著豐富的銀行業業務分析和管理經驗，扎實的技術基礎及復雜大型項目管理經歷，熟悉銀行業、證券行業及互金行業。
7年銀行從業經歷，先后負責銀行短信平臺、金融市場資金交易及風險管理系統、供應鏈融資平臺、信貸管理系統、國際結算及貿易金融系統、影像內容管理平臺、驗印系統、票據系統、客戶服務系統項目集等多個系統建設、升級項目。6年公檢法及國土、社保等政府行業項目管理經驗。
本次公開課包括以下內容：
技術研究和產業化落地的區別（以刷臉支付及刷臉取款為例）
金融行業為什么需要人臉識別技術
人臉識別技術在金融行業有哪些應用場景
作為一個技術企業，如何服務好金融行業
當前的技術，在解決實際金融問題過程中面臨的挑戰
AI在金融行業未來發展中的意義
以下是公開課正文內容：
我們很多人工智能技術的研究，實際上主要目的是作為可行性研究，通常在實驗室誕生。
其主要形式是通過做一個業務原型，然后驗證這一技術可用即可。它的目的包括：證明理論方向是否正確；探索理論是否可以落地；辨別和論證一項事物是真是假。
而技術研究與產業化落地，兩者之間存在較大的差異。
技術研究往往是簡單的原型驗證，這時候我們會有一種以管窺豹的感覺：比如做某一個層面的研究，實驗室認為這件事可行，然而大多數情況下離落地還有一定的距離，實驗室的研究結果不能夠全面統籌和解決整個項目的所有技術問題。
研究員們做實驗時，有必然成功的結果，也有必然失敗的結果，同時也會有偶然的結果。我們做技術研究時，會出現把“偶然”當做“必然”來考慮。有時候，論證理論雖然完全可行、可以落地，但理論研究和實際落地的差距仍然很大。
因此需要結合市場和外部環境來看技術研究存在的問題，那么產業化落地時候要處理什么問題？
首先要解決技術研究時期沒有遇到的問題。
做技術驗證時，需充分進入市場了解市場上的所有信息，然后充分驗證技術本身的價值。
產業化落地是一件非常難的事情，通常數倍于技術研究、人力、財力和時間的投入。
我們經常會遇到技術研究結論誤導的情況，在做技術研究時，有時明明認為一個方向可以，但實際上真正去用的時候發現并非如此，只有少數情況可以。
這些便是產業化落地需要解決的一些問題。
刷臉支付的愿景
以刷臉支付為例。
2015年4月，馬云在漢諾威展示了刷臉支付，但直到近期大家才看到產品逐漸開始落地。
這兩年多期間整個行業遇到了各種各樣的問題，行業完成了理論研究，然而卻在落地時發現存在不少難題：
第一，當時市場上人臉識別準確率不到70%，這意味著每做三次人臉識別，就有一次可能會失敗。
可以想象，當年馬云展示刷臉支付時，一定頂著很大的壓力和勇氣，因為過程中很有可能會遇到識別不了的情況。
第二，用戶必須正面對鏡頭，不能有任何表情。
第三，光環境適應不佳：一定要在面部光環境很均勻的情況下才能做識別。
馬云在刷臉支付過程中有一個細節大家可能沒注意到，他當時把手機舉得很高。拿高的原因很簡單，就是為了讓他面部有光，且要均勻。
第四，化妝、戴眼鏡這些場景下難以識別。
第五，用戶頭部（臉部）有傾斜、轉頭，無法識別。
第六，人臉識別技術很容易被他人冒充。
第七，識別速度較慢。
第八，對網絡帶寬要求高。
第九，刷臉時對用戶要求多，體驗差。
早期我們在做產業化時發現，很多東西投入產出比太低，安全性不夠，用戶也無法接受。所以要把刷臉支付搞成產業化，實際上非常困難。
2015—2016年，刷臉支付在產業化落地過程中，解決了各種各樣的問題，可謂是翻越崇山峻嶺。
截止至2016年底，國內一線廠商已把識別率提升到99.8%，同期，全國首臺刷臉支付購物機也落地運營。
在各種光環境下，人臉識別的穩定性、有效性都通過大量的數據驗證和學習，得到了足夠有效的提升。用戶再也不用為了刷臉還把臉放在光線很好的環境下，而且面部無需完全朝前，面部有表情也不受影響。
之后一線廠商又解決了化妝、臉部受傷、佩戴眼鏡飾品、局部遮擋等問題，再往后隨機性的面部傾斜、旋轉問題也可得到較好的解決。
這里面需要強調一點，大家不太關注的手機適配也非常重要。
市面上至少有數千種手機，在實驗室大家只針對幾臺計算機或幾臺手機進行終端適配，當它進行產業化落地后，最起碼要解決主流幾十種或者上百種手機的適配，還有各個操作系統適配，尤其像安卓的碎片化非常嚴重，如果不去適配，不去解決手機端問題，產品技術規格做得再好也沒用。
在用戶體驗和操作適應性層面，有些用戶面對攝像頭時頭部習慣性斜45度，有些喜歡平視，而部分用戶可能喜歡低頭。其次。用戶在操作時的習慣也不一樣，刷臉時系統提醒用戶做一個動作獲取驗證，比如“向左轉頭”這一動作，有人可以在半秒之內轉好幾次，有人兩秒鐘才轉一次。
系統讓用戶在一秒鐘內完成轉頭，用戶就會百分之百完全配合到位嗎？當達不到這么高配合度時，需要改進的只有提高技術本身。
同時人臉識別還要解決監管控制和法律要求等問題，只有當監管機構認可你的技術，認為所做的事情滿足法律要求，廠商才可以做。再往后，還需解決活體欺詐、持續高額研發投入等事項。
解決了上面這些細節問題后，我們才見到了今天的刷臉支付。
我們再來看2017年整個這個市場的發展狀況。
從金融角度來看，現在監管機構比過往更加鼓勵和支持技術創新。
刷臉支付過去存在不少負面聲音，大眾覺得會泄露隱私。但從今年開始，這類聲音逐漸減少，原因很簡單，一方面大家愈加認可技術的成熟度，另一方面，人臉信息從某種程度上講，隱私性并不強。
今年3·15晚會對攻防一事，促進了整個行業的技術水平和安全防范的意識。
市場競爭加劇后，導致很多新技術落地的難度進一步加大。為什么？因為門檻比以往更高了。
雖然技術和算法已達到不錯的水平，但整個上下游設備制造商還有技術供應商，仍舊保持觀望態度，只有少數廠商在快速跟進。
總體來說，我們還有很長的路要走。
再看看最近比較熱的ATM刷臉取款。
2015年底，我們就想做刷臉取款，當時人臉識別準確率達到了99%，千分之一的誤識率。理論上來說，那時做刷臉取款基本可行，風險也不是特別大。
整個行業研究發現，紅外雙目活體檢測技術經過研究初步驗證，可以用于活體檢測。當時招商銀行走得較快，2015年底在幾臺ATM終端試點刷臉取款。
因為當時存在各種不確定性，銀行也希望刷臉取款技術在應用體驗、產品穩定性各個方面，得到快速改進。
2016年5月，云從也研發出紅外雙目紅體檢測技術，用在購物機和廣東建行。隨后整個技術隨著應用推廣逐漸變得成熟。
2016年底，招行試點一年后于是擴大范圍推廣刷臉取款，把它覆蓋到全國20多個分行。2017年6月，農行全面推試點刷臉取款，范圍也在不斷擴大。
金融行業與人臉識別技術
那么整個金融行業和人臉識別之間是如何進行融合與應用的。
金融行業在發展過程當中，一直面臨三大要素的協調問題：安全、成本、易用。
第一，安全
需要解決冒名開戶、資金失竊、APP安全性不足、欺詐交易、用戶交易抵賴、還有克隆卡等問題。
第二，成本
金融客戶要考慮用這類技術投入多少資金；同時，會考量如果用這類技術搞定用戶，那么獲客成本是多少；在交易過程當中會增加多少成本；使用專用設備又有多少成本；還有網絡、存儲以及人工投入和培訓學習成本。
第三，易用
易用，首先要滿足“容易獲得”這一標準。容易獲得，指的是如果金融機構想用一項新技術，那他是在現有的條件下無需做出變動就可以得到，還是必須去某個地方，搞一套申請流程把它拿到。
二是在使用的過程當中必須具備優良的體驗，操作過程不能太復雜。如何檢驗新技術是否易用？很簡單，找年紀比較大的人，如果他很容易學會，即可證明產品和功能易用。
另外，我們還要考慮客戶本身用技術方案要投入多少時間、精力、資金，才能夠真正把產品用起來。
協調安全、成本和易用這三大條件，被稱作棘手的“不可能三角形”。
這是金融行業一直面臨的問題，當滿足其中兩項后，第三項就無法達成。
當一款產品做得非常安全，成本控制得很低，如果還要保證易用，這其實很難。相反，有些銀行既要考慮用戶易用，又要考慮安全，這個時候怎么辦？相應地就得多花錢，一旦銀行多花錢就意味著成本會轉嫁到普通用戶身上。
還有一些銀行既考慮易用，又考慮成本低廉，比如在手機上做一個APP，推廣成本很低，又要保證它大多數情況下非常易用，這時候產品往往不太安全。
大家也有過不少經歷，某些體驗很好的APP安全事故屢見不鮮。
所以，安全、成本、易用性這三點歷來難以平衡。
回到人臉識別本身，為什么人臉識別很有優勢？
第一，它易得。
每個人都有一張臉，無需再去買設備。很多基于生物識別技術的軟件，哪怕用UKey，都需在銀行建一個底庫，創建一條信息，預留很多內容。
而公安部恰恰都有人臉的相關數據，商業銀行可以免費的使用公安部的這部分數據，不需要建庫。
第二，易用。
人臉識別在應用時，可以做到免簽約，免學習。
免簽約是什么意思？就是我用該功能，可以不用去柜臺單獨做簽約。
當時云從在給農行做刷臉取款時，拿出方案跟總行去聊，按照農行的風格，我以為他們會要求用戶開通刷臉取款時需要做簽約：到柜臺上開通刷臉取款功能。用以證明用戶認可這種形式，如果出現問題用戶自擔責任。
但我們把方案拿給客戶時，客戶說不要簽約，農行追求用戶體驗。
打那兒開始，我們就發現很多人臉識別相關的應用，都做到了免簽約、免學習。整個使用環節，用戶按照系統提示去做就可以，無需特意學習和培訓。
同時，人臉識別還是一項非接觸和非配合的技術。
大家熟悉的指紋或指靜脈識別技術，用戶必須把手放在一個指定設備上。而使用人臉更簡單，無需用戶用人臉或者其他肢體接觸傳感器，體驗很好。
同時也盡量做到無需特地去配合，用戶站在設備面前甚至跟客服聊天時，很自然地便完成人臉識別的全部過程。
第三，人臉識別的適應性很強。
首先，它對終端依賴不是特別高，有攝像頭的終端都能進行人臉識別。同時，也不需要投入太多資金 。
如果給用戶推廣指紋識別技術，用戶拿指紋做支付。這時候會遇到很嚴重的問題，市面上一半以上的手機不帶指紋識別，難道打算賣一個藍牙模塊或是一個附加模塊送給客戶插在手機上，然后讓用戶使用指紋識別嗎？顯然不合適，既不方便，投入成本也很高。
所以這些技術在適應性這方面并不友好，無法向消費者大范圍推進，只適合先推給金融機構，然后金融機構內部人員推廣至終端用戶。
第四，線上線下的互聯。
人臉識別作為線上和線下的統一入口，線上有用戶標準的結構化數據：用戶做了哪些消費，瀏覽過哪個網站，買了哪些理財產品，行為偏好是什么……
而在線下，當用戶人臉出現在智能攝像頭面前時，即可識別到他線下的行為軌跡，自然就可以和線上的行為軌跡打通。
得益于人臉識別具有入口特性，將來很多交易都會從人臉識別開始。
2015年初，人臉識別的準確率只有68.5%，幾乎無法使用。到了2015年9月份，技術進步很快，已經達到98%，2016年中旬則達到99.8%。
從上圖中我們可以看到，灰色線是人眼識別率（72.5%），人眼在做客戶身份鑒別時，其實經常會出現錯誤。
我們再往后看行業的誤識率基準。2015年以前，人臉識別業界參照的誤識率基準為千分之一，也就是如果出現一千次攻擊，有一次攻擊可能會成功。2016年整個金融行業如刷臉登錄、小額支付這些場景上，大家把它誤識率基準提高到了萬分之一，安全級別提升十倍。
2017年技術又在大踏步向前，業界的誤識率基準已經提升到十萬分之一到百萬分之一的級別。
誤識率基準是一把很嚴格的尺子，它卡得越嚴，正常識別通過率就會越低。剛才說的通過率是易用性尺度，誤識率越低越好，整個系統的交易風險也就越低。
同樣，人臉識別在各種跨場景方面也會輕松應對。比如不同時期、不同角度、是否佩戴飾品、面部情況有沒有遮擋、有沒有化妝、復雜背景等。
人臉識別在經過這些年的進步以后，整體來說有了明顯的提升。
安全性是金融業務，一而再，再而三強調的事項。
現在的人臉識別有安全三道門。
第一道門，先要做活體檢測，驗證攝像頭前的人是活的。
第二道門，攻擊預防。如果用戶進行各種復雜的攻擊，第一道門騙過去之后，第二道門要給他防住，用一些非常復雜、嚴格的模型阻擋，不讓他去攻擊。
第三道門，人臉識別。當然，目前還沒有發現能突破前兩道門的情況，但理論上在非常非常小的概率下，會有人進入到第三道門。
這時候要考慮用非常低誤識率增強人臉識別驗證的嚴格性，然后用多維度的方式進行驗證，甚至考慮立體建模。基于這些手段，保證人臉識別安全可靠。
安全性是金融業務，一而再，再而三強調的事項。
現在的人臉識別有安全三道門。
第一道門，先要做活體檢測，驗證攝像頭前的人是活的。
第二道門，攻擊預防。如果用戶進行各種復雜的攻擊，第一道門騙過去之后，第二道門要給他防住，用一些非常復雜、嚴格的模型阻擋，不讓他去攻擊。
第三道門，人臉識別。當然，目前還沒有發現能突破前兩道門的情況，但理論上在非常非常小的概率下，會有人進入到第三道門。
這時候要考慮用非常低誤識率增強人臉識別驗證的嚴格性，然后用多維度的方式進行驗證，甚至考慮立體建模。基于這些手段，保證人臉識別安全可靠。
人臉識別技術未來還有前進的新空間，就是靜默活體技術。
靜默活體技術作為動作活體的下一代技術研究方向，它的目標是希望用戶在單目攝像頭前面，不做任何動作，不去配合，便能夠檢驗出當前攝像頭前面是一個活人。
它的體驗也非常好，活體檢測時間要比原來做動作減少一半以上；用戶私密性也保護得非常好。
以往的技術要求用戶張嘴、點頭，如果用戶在公開場所對著手機做這些動作，感覺有些傻。
雖然這些技術通過使用動作來驗證，但即便如此也很容易被攻破。借此技術在普通手機上刷臉解鎖、看郵件可以，但用在金融行業還是遠遠不夠的。
在人臉識別產業化期間，各種各樣的硬件也開始出現：專用服務器可以做到傳統設備的十倍甚至百倍性能，通過集群目前可做到每秒十萬筆以上的處理能力。
第二，高安全性，通過各種技術解決了安全問題。
第三，高可用。經過多個銀行兩三年的連續商用，其可靠性已經遠遠超過99.99%，人臉識別成為生物識別技術中商用最快的佼佼者。
接下來我們看一看人臉識別是如何改變金融服務的。
人臉識別出現后，會對現有的四樣事物造成沖擊：密碼、短信驗證碼、銀行卡、U Key。
實際上這四樣事物與人臉識別存在互補和替代作用。
我們見到很多銀行業客戶使用了多種有意思的交易實現形式，比如有的銀行希望使用人臉代替密碼，然后進行小額轉賬。
也有銀行認為人臉識別從經濟角度代替短信驗證碼最好，用戶輸完轉賬金額后，再輸入帳號密碼，然后做下一步刷臉，驗證結束之后即可取款。
一方面，可以省下短信驗證碼的查看和輸入時間，同時又增加了安全性。我們通過種種途徑的計算，了解到人臉識別比短信驗證碼技術的安全性要高很多，U Key也是上述這種情況。
人臉識別在金融安全方面提高了哪些：
第一，安全開戶使用人臉識別以后，可把互聯網冒名開戶比率從萬分之五幾乎降至為零。
第二，大額轉賬消費交易，以往完全憑靠卡介質。有時候一些信貸類交易，消費金融，搞一張身份證即可，這個時候很容易出現盜竊案件和欺詐案件。
消費金融非常火，收益空間也很大，但是它遇上一個很大的問題就是黑產。
黑產專門在互聯網買一些身份證、銀行卡就可以做消費分期，之后他們用冒名的卡做消費分期后進行詐騙，東西買到手后再倒賣掉。
這時候消費金融公司還覺得自己業務量挺大，然而過了一段時間去追款時，發現追不回來。然后去起訴申請人（卡主），卡主會說這和我有什么關系，我住在農村里從來沒上你的網站，也沒注冊過信息。
因此，消費金融公司常常會被這種欺詐案件搞垮。
除此之外，大型理財投資、申請貸款，如果引入人臉識別可有效核實客戶意愿，預防抵賴，還可為交易做舉證。
抵賴這件事在銀行經常碰到，我舉個真實的例子：
前段時間一個老太太在銀行說，她十幾年前存了幾萬元，有天她想起這些錢加上利息也大概有十萬多，于是她拿著存折去銀行取款，銀行提示她卡里只有幾塊錢。于是她把媒體找來，說銀行騙她錢。
后來銀行經過一番核實發現這些錢在三四年前就已經被老太太取走，但老太太否認這筆交易，她認為這是銀行“內鬼”所為，銀行去翻會計憑證、倉庫，最終從很多的憑證庫里找出老太太當年取款簽字的回單、底單，銀行才得以證明清白。
從這件事可以看出預防抵賴的重要性。
第四，內控。
使用人臉識別后，可有效地實現內控，預防各類案件。如某大行發生內外勾結詐騙資金，如果使用人臉識別后，即可避免這種案件。
同樣，使用人臉識別還可有效降低交易成本，主要包括提升身份鑒別效率，降低運營成本、人員在項目里的投入。
第二，減少安全案件數量的發生，有效降低風險損失。
第三，可以代替動態驗證碼，降低交易成本。
這里分別舉了兩個銀行的例子，如果用它來預防信用卡欺詐案件，可為該行每年至少減少400萬的損失。根據我們上線后的情況來看，該行的欺詐案件預防成功概率達到了95%。也就是說，基本每年至少減少800萬的損失。
如果用刷臉代替短信驗證碼，以另外一家大型股份制銀行為例，可為該行每年節省3600萬的短信費用。
同樣，使用人臉識別后，很多交易也變得更加簡化，并且有了新的玩法。
比如小金額交易可以在線上使用人臉識別代替密碼，大金額可用人臉代替短信驗證。線下支付時，比如我用自己的手機刷完臉以后，會生成一個二維碼，可以拿去讓別人掃，同時刷臉以后，還可以掃他人的二維碼。
刷臉環節，其實是基于安全信任計算的本質。大家覺得用戶更愿意把執行過程基于自己的臉作為可靠性中心，還是把額外設備作為可靠中心？很多時候，大家更相信自己的“臉”。設備容易被攻破，刷臉相比而言更加可靠。
第三，現金業務，比如ATM刷臉取款，還有一些銀行用刷臉生正手機二維碼，把二維碼發在自助機具上取現。
通過分析得出前面講到的“不可能三角形”，其實在使用人臉識別以后得到了更好的平衡。客戶花費更少的錢，并且在終端用戶非常易用且愿意接受的情況下，極大提高了安全性。
在客戶的關鍵性需求當中，對安全的高標準西區永遠是第一位的。
第二是營銷。整個行業在面臨轉型，因此既要開發新用戶，也要維護老用戶。精準識別出用戶，并把用戶想要的推送給他，這就是營銷的一種展現形式。
第三是創新。金融機構有著很強烈的創新愿景，他的創新是希望面對監管要求，做新業務試水，有時候要考慮與其他銀行進行差異化競爭，做其他銀行沒有的產品。
人臉識別出現以后，給我們的生活帶來哪些變化？
第一，人臉即身份。用人臉有效解決冒名開戶，做關鍵交易可有效預防各類交易風險。
強化金融交易安全。如果使用刷臉去做借款、分期，在線上完成可有效提高風控水平，預防欺詐，降低不良，提升凈利。
還可防止抵賴；快速進行處理，有效減少客戶的投訴處理時間。
第二，臉即介質。人臉其實可以當做金融交易介質。
現在無卡刷臉取現，只要有ATM機就可取現。這在未來會大范圍爆發，目前來說農行招行已經大范圍開始用。
第三，刷臉購物。
沒有手機、現金、銀行卡，照樣可以刷臉購物。
廣東省建行校園銀行安裝了多個刷臉購物機，學生可買飲料食物。將來這些機器會走進更多的商超、寫字樓、社區，甚至包括無人超市中。當然，目前無人超市的概念略微超前，我覺得先從刷臉購物機入手更加靠譜。
從更大的方向看，即關于未來的無現金社會。
人臉+電子貨幣無疑將會成為最容易成為受監管認可，也最容易被公眾所接受和普及的全新支付方式。
第三，臉即權利。
為什么臉可以代表權力？我們可以看到，在閘機、門禁等地方，使用人臉識別配合動態無感知技術，可讓有權限的人自由通過，暢行無阻，而沒有權限的人則無法通過。
在相關交易系統方面，如果使用了刷臉登錄，可有效解決系統的安全性，特別像金融系統。
金融機構當中的核心帳務系統、交易系統、財務系統、風險管理系統，辦公系統等，使用刷臉也可有效解決賬戶被盜等各種風險問題。
上述關鍵業務的審批和授權同樣需要使用人臉。
這里我舉個例子，某個銀行曾出現十多億的案件，案件本身其實是它的分行批了一份十多億的保函，業務出現問題以后，保函要兌現，結果總行沒有發現他們批復過保函，這時候就出現整個內部的授信、業務審核，這種關鍵操作指令上下不一致，有人冒充等問題。最后一查到，總行不知道，但保函是真的。
這說明了他們沒有很妥當地做好風控，如果使用人臉識別來解決這些問題，在授信、審核、放款、大額操作指令，只有加上這些驗證才可確保交易是經由負責人員本身發出，非未經授權的指令，也非冒充，
第四，臉即信息。
有“臉”出現的地方就是營銷的開始。也就是說，當每個用戶出現在商業區或網點時，我們通過無感知VIP識別系統，就可在人流當中快速定位出哪一個是VIP客戶，然后把信息通知到營銷人員，幫助營銷人員快速、準確地進行銷售行為。
同時，用戶的臉出現以后，從宏觀層面來講，我們可以做更多事，比如去做客戶流量統計分析、網點運營分析，甚至掌握商業體當中哪些客戶、哪些年齡段的客戶喜歡干什么，喜歡逛哪些店，把單個用戶的軌跡、興趣點進行抓取分析，既可以幫助我們提升效率，也能優化運營，甚至找到更新的營銷思路，這就是人臉分析的價值。
除此之外，通過人臉識別技術識別出用戶的表情，同時對他的眼球運動視覺焦點進行跟蹤，以及他本身的行為軌跡追蹤。基于此快速找到客戶，分析出他的興趣點在哪，還可知道客戶本身的情緒。由此更好地以用戶為中心，提供他喜好的產品服務。
大家都知道，每個人的情緒感知不同，計算機根據用戶的表情和行為幫你分析，哪些人表現出對產品和服務的不耐煩，這時候就反饋給系統和工作人員，不用再去給他做過多的推銷。
如想獲得本文PPT，關注雷鋒網旗下只專注報道人工智能商業化的微信公眾號：AI掘金志，回復關鍵詞“云從科技” 即可。雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
