怎么把黑科技卖给顶级金融机构?

怎么把黑科技卖给顶级金融机构?

这是一个可能长出大B市场SaaS模式的绝佳赛道。

作者 | 火柴Q

编辑 | 甲小姐

设计 | 李丹

 

 

怎么把黑科技卖给顶级金融机构?

对于大部分to B企业而言,客户的定制化需求和自身产品的标准化之路往往有着难以调和的冲突;对于大部分信仰黑科技的技术公司而言,客户看不懂、看不上、不买单成为骄傲外表背后隐隐的痛。

 

今天的故事,是一个绝佳地弥合了这种矛盾,“以小针尖扎入大市场”的案例。

 

金融,一直是个令人眼馋的大B市场——既多金,又有较好的信息化基础。

 

作为AI、大数据、云计算等新一代信息技术企业的重要围猎场,银行、券商、资管公司等各类金融机构,向来是金融科技企业必争猎物。

 

一众猎物里,券商是类好客户

 

经过30多年的发展,中国券商行业具有竞争激烈、业务趋同两大特点。前者,使券商愿意以“买买买”换取效率提升;后者,让产品可能标准化和复用。

 

于是,这是一个可能跑通“大B市场SaaS模式”的赛道:既具有SaaS形态的边际成本递减、可规模化优点;又避免了一般中小B付费意愿低、客单价低、续约率低、客户自身生命周期不长的弊端。

 

本文的主角,是一家以文档合规审核切入金融领域的科技公司——庖丁科技

 

从2017年5月结束半年封闭开发期、启动商业化以来,庖丁已先后成为北京金融资产交易所、海通证券、国泰君安、招商证券等顶尖金融机构和中国证监会信息中心、香港联交所和深交所下属的中国证监会金融科技中心等监管机构的合作伙伴。

 

通过采访国泰君安、海通证券、招商证券等国内知名券商的IT部和业务部负责人,「甲子光年」将以客户视角展现券商购买全新技术产品服务的决策全流程,回答一个令许多技术公司绞尽脑汁的问题:

 

怎么让顶级金融机构为你的黑科技掏腰包?

 

 

1.刚需:“出错,这是人性”

怎么把黑科技卖给顶级金融机构?


需求是始终存在的。

 

对浸泡在场景里的金融机构来说,购买黑科技的过程,就是发现新技术,满足老需求的过程。

 

具体到庖丁案例,券商的需求来自金融行业的一个核心特点:这是一个“文档密集型”行业,投行业务尤甚。

 

即使在行情并不好的2018年,上半年中国各类债券的发行总量也达到了4978支;全年A股IPO公司达105家——每个项目都要处理汗牛充栋的资料。

 

以债券发行业务中的“募集说明书”和股票IPO发行业务中的“招股说明书”为例,其篇幅一般最少200页左右,复杂一些的项目篇幅则多达500-600页,里面包含几十万字、数百个表格、数千个数据点。如果再考虑到与《募集说明书》、《招股说明书》对应的几百本工作底稿,整个投行项目就是一个庞大的材料和数据处理过程。承接了中国9成上市公司申报材料打印业务的荣大快印有一个数据:单个IPO项目的印刷费一般不低于上万元。

 

面对各种各样、堆积如山的材料,绝大部分券商考虑的第一步仅仅是电子化,如从纸质版转换成扫描版。但是电子化不等于数据化,更不等于智能化。直到今天,在看文档和写文档两件事上,机器几乎帮不了人。行业的长期痛点是,文档处理的自动化程度极低

 

其中,文档审核这个环节最痛——耗时耗力,又不带来新增价值。

 

那些自嘲身穿得体西装,脚蹬摩登皮鞋的“投行狗”,上电梯时还手握星巴克谈笑风生,转眼扑到工位上就开始检查小数点和错别字。大量高学历、高素质、高薪资的从业者均花费大把时间在做这类机械、重复的工作

 

可气的是,即使花了这么多时间和人力做“dirty work”,依然无法完全避免错误——在中国证券史上,闹大的笑话层出不穷:最新一例是去年12月,江苏苏美达在公告标题里犯了低级错误,将“发行超短期融资券”写成了“发行超短裙融资券”,被业内嘲笑为“核弹级创新”。

 

用海通证券信息技术管理部副总经理王洪涛的话说:出错,这是人性。

 

但文档审核又不能跳过。

 

高质量文档是树立口碑、吸引客户的重要手段。投行对外公开披露的文档一旦出现严重纰漏,可能会导致受到监管处罚,进而会影响证监会对证券公司分类监管评价的认定结果,而分类监管评价的结果又将影响券商新业务的开展和规模扩张。所以对重大项目重大文件,就连证券公司董事长也得参与审阅并签字确认。

 

所以券商投行部门一直在寻找针对文档审核痛点的高效方法和工具。

 

庖丁几位合伙人的互补背景,让这家公司精准地看到并满足了这个需求。

 

怎么把黑科技卖给顶级金融机构?

庖丁科技文档复核产品交互界面

 

庖丁联合创始人高大光,曾供职加拿大鲍尔集团、香港联交所和中信证券,多年的一二级市场资历,让高大光对券商、监管机构的主要痛点有切身体验。

 

联合创始人罗平储备的技术能力,则让庖丁找到了自身与市场间的契合点。

 

罗平是中科院计算所博士、微信人工智能首席科学顾问,有多年的AI研发经验。他带领掌握NLP(自然语言处理)、富格式文档识别和计算机视觉技术的AI算法团队,及庖丁自己组建的规模约60人的金融语料数据标注团队,开发出了用AI自动核查勾稽关系(会计账簿和报表中,数字之间的对应关系)和错别字的文档审核系统。

 

行业认知和技术力量深度结合,让庖丁在起步时就找到了自己的Product-Market Fit(契合市场需求的产品形态)。

 

 

2.接触:不按常理出牌

怎么把黑科技卖给顶级金融机构?


采购者和供应者是如何找到彼此的?

 

对采购者来说,在需求明确的情况下,用新技术解决老问题,关键是判断技术成熟度,了解市场是否已有可用方案。

 

作为信息化水平仅次于互联网,又“不差钱”的行业,金融业对各类技术进展一向比较敏感。现状是,各金融机构、券商都在主动探索下一代信息化形态,以增强内部效率,提升竞争力。

 

「甲子光年」接触的多家券商,都在采购庖丁的产品前主动启动了市场调研和系统升级。

 

招商证券在2017年底启动了整个投行业务的系统升级。新系统会接入很多合作方的产品,庖丁的文档复核产品是其中之一。

 

同一时间,国泰君安的投行风控业务也启动了新的信息化升级,这个升级计划的第一阶段目标是用机器取代重复工作。

 

各券商系统升级的共同思路是:自己掌握中枢管理平台、数据平台,同时接入大量外部工具。从这个意义上,庖丁的产品形态很聪明:解决刚需、部署简单,不需要深度嵌入整体系统、定制成分少、产品高度标准化,可同时卖给多家机构,而且由于技术有壁垒,尚不用担心券商会自己来做这块业务。换言之,如果想给券商提供涉及核心管理的服务,则可能比较难推进,且未来有被内部替代的风险。

 

而对于技术供应方来说,接触客户的常规操作有三:

 

一是留下印记,筑巢引凤,自我曝光,让潜在客户在主动搜索时能找上门来;二是主动出击,直接找目标客户一家家推销;三是口碑效应,在拿下最初的天使客户后,通过服务好标杆客户,建立口碑,吸引后续客户。

 

值得一提的是,庖丁在冷启动环节用了一种有别于上述操作的特殊玩法:圈层造势,以C带B。

 

这种创新性和执行力得益于庖丁的第三位合伙人——联合创始人林得苗。

 

清华本硕毕业的林得苗是罗平早年在惠普实验室的前同事。2013年后,林得苗投身移动互联网浪潮,曾做出过用户过亿的iPhone APP 超高清壁纸和限时免费大全,对to C产品很敏感。

 

在公司刚成立,还在进行封闭开发的2017年初,庖丁就注册了微信公众号“债有主”,并开发了一个简单的存续期管理小程序,将之与公众号绑定。这个简单的系统能帮助从业者跟踪债券,以此吸引了第一批金融业受众。

 

到2017年5月,债有主发布了一个新的免费功能——债券募集说明书免费复核,这是庖丁第一阶段真正主推的产品。

 

推荐这项功能的文章《AI来了-债券募集说明书财务自动复核》的阅读量很快达到3万,超过当时债有主公众号的粉丝总数。“基本那天做投行的都刷屏了。”罗平告诉「甲子光年」。

怎么把黑科技卖给顶级金融机构?

 “债有主”公众号推送内容

 

这一波小刷屏,让许多券商看到市场上已有技术工具可以解决困扰他们多时的难题。一些券商顺腾摸瓜找到庖丁,并最终成了他们的天使客户,国泰君安、海通证券和招商证券都位列其中。

 

直到2018年底,上线一年半的免费复核功能仍在吸引着从业者。目前,已有6000多份债券募集说明书被用户上传到后台,上传最多的用户一人就贡献了100多份文档。

 

凭借“以C带B”四两拨千斤的做法,庖丁几乎以零成本完成了最难的冷启动,此后的商业拓展就交棒给了下一位选手:口碑。

 

向同行打听已有产品的口碑,是金融机构在采购新技术产品时,除公开调研外最主要的手段。

 

在券商这种总玩家数量不多的市场中,同行评价尤其好用。海通证券王洪涛告诉「甲子光年」:各券商IT负责人会时常在行业大会等活动中交流最新进展,比如采购了什么新产品、有什么体验,关系好的负责人之间会拉微信群交流一个产品到底怎么样,“往往就是一个电话的事儿”。

 

于是,越来越多的客户顺着推荐找到了庖丁。由此,庖丁用不大的获客成本,搞定了多家券商大客户。

 

但以C带B和口碑传播的组合拳,并不适用于所有to B技术产品服务。庖丁之所以能做到这点,和他们的产品形态及市场属性有关。

 

庖丁的“幸运”在于,在一个玩家数量相对少的大B市场,找到了满足刚需的标准化产品形态。

 

玩家数量相对少,让人际之间的强口碑效应成为可能;产品的标准化,让直接发布免费版成为可能——因为文档复核并不涉及复杂的内部管理流程,也就不涉及深度系统嵌入和部署等问题。

 

由此,庖丁的产品保持住了的“to大B”的SaaS形态。

 

 

3.不要“不懂装懂”

怎么把黑科技卖给顶级金融机构?

 

在知悉技术已成熟后,券商下一步的考虑就是:买哪家的?

 

虽然庖丁的债有主推广了机器复核的黑科技,但教育了市场的人,不一定就是最后收获果实的人。

 

目前,庖丁与第一批客户签订首份合同的平均成单周期在3个月左右。有的公司走的是公开招标流程(对券商来说,客单价超过一定金额,需要走公开招标流程,临界点一般在50万到100万);有的是走单一来源采购。采购流程会同时牵涉IT部、业务部、财务部、合规部、监察部、法务部等部门,而IT部和直接使用产品的业务部一般起主导作用。

 

不管流程复杂与否,采购方都会谨慎地进行比较。

 

「甲子光年」采访的这几家券商都曾试用过其他功能类似的产品,他们选择供应商时有两个判断标准:一是供应商对行业的了解程度,二是技术实力。

 

某券商风险管理二部总经理许博士告诉「甲子光年」,他曾聊过近十个提供类似产品的公司,一个常见的问题是:许多技术公司不清楚自己技术的应用场景在哪。

 

接受采访的多家机构都表达了一个相似感觉:在专业场景上不懂装懂,可能会在商务谈判中减分。因此,更恰当、更符合发展趋势的合作方式是券商提供行业认知和规则,技术公司解决技术,优势互补,互相学习。

 

国泰君安在和庖丁聊时,双方在技术能做什么、不能做什么上达成了共识:目前要着力解决的,就是替代重复性劳动

 

招商证券方面也提到,选择庖丁的原因之一是他们“比较熟悉投行业务”,在功能模块上想得比较周全,产品里考虑了财务数据的勾稽关系、核对指标、比例关系等,能做到让客户“拿来即用”。

 

在业务和产品思路达成共识后,多位客户最终选择供应商时,还会特别看重技术实力。

 

招商证券方面告诉「甲子光年」,选择庖丁的原因是“庖丁的核心技术是自己掌握的”。

 

之所以看重技术的自主性,是基于金融客户对技术趋势的判断:智能化在金融场景的落地一定会持续深化、不断迭代,日后还计划更深地使用AI、大数据等新技术,如果最初选择的供应方“技术后劲不够”,就无法长期合作,满足进阶需求——对券商来说,这就意味着金钱、精力和时间成本的浪费。

 

 

4.续约:小针尖扎入大市场

怎么把黑科技卖给顶级金融机构?

产品用起来后,券商会进一步根据实际业务提出新需求。

 

在最初开发产品时,庖丁自己设想的关键点是做数据之间的勾稽关系复核。但所有券商都给庖丁提了一个共同需求:加强错别字校对。

 

这是深入行业之后才能真实感受的痛点:错别字虽然看似低级问题,但频次高、容易漏查、错误形态多样化、一旦出错可能会造成极大负面影响。

 

而中文错别字检查在技术上又较有门槛——中文不是拼音文字,实际上不存在“错字”,而是“别字”,错误表现在字与字的关系中,这对技术提出了挑战。

 

庖丁此刻显示出了客户期待的“技术后劲”。其产品经过迭代后,目前错别字模块的采纳率已达70%——即机器先筛选一遍可能的错误,再由人工复核,其中七成的错误会最终被人接受。

 

这个比率看起来并不惊艳,与视觉识别领域、智能语音领域动辄99%还带小数点的准确度无法媲美,但这和NLP本身的难度及金融业的严谨程度有关:宁可错杀,不能漏掉。所以具体到业务中,采纳率不一定越高越好,而是要在现有技术条件下,适当调高严格度,保证最终文档的准确性。

 

如今,招商证券和海通证券每周约有150到200个文档会通过庖丁来复核;国泰君安风险管理二部则要求投行业务人员在提交所有投行申报文件前都使用系统进行自动复核。。

 

目前,第一批券商客户已开始与庖丁进行第二期合作,产品功能有三个方向的发展:

 

一是完善原有功能:比如优化交互界面和对使用痕迹的追踪、统计。

 

二是拓展业务范围:从债券募集说明书的文档复核扩大到了对IPO招股书的合规审查。

 

三是功能点拓展:从文档复核、错误检查,拓展到了更复杂的文档处理。

 

今年2月,庖丁推出了新产品PDFlux,其功能是抽取PDF格式下的文档形态表格,尤其是无框线表格,自动转换为能被EXCEL等工具处理的数据。在第一阶段的获客上,庖丁依然采取了以C带B的打法,PDFlux现已发布了免费的to C版本。

 

怎么把黑科技卖给顶级金融机构?

PDFlux功能展示

 

实际上,券商及更广类型的金融机构有关文档处理的需求远超于此。

 

在采访中,我们能明显感受到,各家券商都不再安于做传统的甲方大客户,而是积极地思考着如何用技术开拓出新的业务形态和增长点。从行业、场景出发,他们往往能提出技术公司想不到的服务形态、商业模式、需求与痛点,这也给庖丁打开了更广阔的市场。

 

一个大需求方向是:从现有的替代重复劳动的工具出发,向上突破理解和认知,辅助金融从业者做出更深度的判断。

 

几家券商提到了一些相似设想:通过对各种金融信息智能化处理,辅助人判断公司的真实状态——比如,在上市承销的过程中,用机器辅助人来处理底稿,做信息确认,检查矛盾关系,从而预测公司财务舞弊的可能性。

 

这和证监会发布的顶层设计方案思路一致。去年9月发布的《中国证监会监管科技总体建设方案》中提到,要运用机器学习、数据挖掘等人工智能技术优化事前审核、事中监测、事后稽查处罚等各类监管工作模式。

 

未来,当各类公司信息充分数据化后,金融文档处理的下一步其实是在信息世界里再造“仿真公司”,和由无数仿真公司组成的“仿真商业世界”——这将有助于构建涵盖整体市场的信用体系。

 

推行这一大目标的主体可能既不是庖丁等科技公司,也不是券商等金融机构,但各类相关机构的合作,能共同促进这一愿景的实现,而越早参与这股潮流,越有可能在新体系里获得先发优势。

 

要实现这一层的合作,科技公司和金融机构之间的关系显然已不再是供应商和客户的关系,二者需要共同探索新技术的潜能,正如「甲子光年」在去年甲子引力大会上提到的“融合2.0”观点——科技与产业的碰撞,不再是加法,而是乘法;不再是买卖关系,而是共生共长。

 

总结庖丁阶段性成功的经验:他们展现了券商想要的黑科技公司的特点——场景清晰、技术过硬,愿意和机构一起探索新可能。

 

其商业化路径也值得借鉴:先从功能明确的标准化产品入手,以轻盈、锋利的姿态切入市场,建立渠道,再在已有渠道的基础上,进一步为客户提供更多维的服务——既能保持标准化SaaS的服务形态,保留规模化发展的潜力,又通过打入大B市场,获得了高客单价和与客户深度合作的可能。

 

而一切的开端,是庖丁对投行业务中的文档审核环节——这个细小又真实的痛点的精准发掘;以及对现象背后,金融业作为一个“文档密集性行业”的核心理解。

 

好的事业,往往肇始于一花一叶的细微洞察中。

 

本文由 产业新干线 作者:NovaLink 发表,其版权均为 产业新干线 所有,文章内容系作者个人观点,不代表 产业新干线 对观点赞同或支持。如需转载,请注明文章来源。

发表评论