2026 年 7 月 13 日，Deriv 首席增長官 Prakash Bhudia 接受 Finance Feeds 採訪時表示，經紀商正從追求流量轉向關注註冊後行為。他稱 Deriv 的 90 天模型可識別約 68% 未來高價值客戶，並強調存款金額不能等同客戶意圖，AI 需圍繞流程重建才能奏效。
2026-07-13：從流量到行為，AI 重塑外匯經紀商獲客邏輯
在零售交易領域，獲客效果通常以規模衡量：產生的潛在客戶數量、完成的註冊數、獲得的首筆存款數，以及媒體支出轉化的開戶數。但對於外匯與差價合約（CFD）經紀商而言，更關鍵的問題已不再是有多少客戶進入銷售漏斗，而是進入漏斗的客戶類型。Deriv 首席增長官 Prakash Bhudia 在接受 Finance Feeds 採訪時表示，經紀商正更多關注客戶註冊後的行為，而非僅憑潛在客戶數量或首次存款判斷獲客質量。（來源：Finance Feeds 對 Deriv 首席增長官 Prakash Bhudia 的採訪，發佈：2026-07-13。）
獲客成本上升、監管預期收緊、對激進客戶開發的容忍度下降，以及付費搜索、聯盟營銷、社交媒體與介紹經紀商等渠道競爭加劇，正迫使經紀商重新思考“優質獲客”的含義。大量低意向、缺乏相關知識或不匹配的客戶會造成運營壓力、留存率低、拒付與投訴風險上升，並降低客戶終身價值（CLV）；相反，數量較少但更優質的客戶可提高轉化率、延長交易週期、提升客服效率並改善合規狀況。這一轉變正在改變經紀商設計銷售漏斗的方式，關注點從單純追求流量轉向意圖信號、匹配度評估、以教育為主導的客戶引導與更智能的細分。
獲客只是第一步
Bhudia 認為，真正的考驗從註冊之後才開始。他強調，行業大多數企業已不再將獲客成本與首次存款作為主要衡量標準，這些數字仍被追蹤，但本身無法說明客戶關係的實質。Deriv 也不再以單一大類分析客戶，而是採取分層應對：
按客戶狀態劃分為活躍、高風險、休眠或流失等類別，並對每一類採取不同的應對措施，而非“一刀切”。
將客戶終身價值作為增長規劃的明確優先事項，而非事後匆匆一瞥的數字。
把提款視為建立信任的關鍵節點——Bhudia 稱，截至 2026 年 6 月，Deriv 已實現 97.4% 的客戶提款自動化，新客戶首次提款順利完成是建立信任的關鍵時刻之一。
“過去，用戶獲取才是關鍵。現在它只是第一步，用戶註冊之後發生的事情才真正決定了產品和營銷決策。”
最初幾天區分意圖與好奇心
Bhudia 表示，註冊後的頭幾天通常能揭示客戶是認真的還是隻是隨便看看，從方向上可較清晰地將意圖與好奇心區分開來。據他介紹，最有力的早期行為信號按重要性大致如下：
首次存款的速度與金額：從註冊到存款迅速、且一次性存入相當金額的客戶，更可能成為高價值客戶。
模擬賬戶使用：在正式開戶前使用模擬賬戶練習與探索的客戶，留存率遠高於未這樣做的客戶。
首次交易完成：至少交易過一次的客戶，比入金卻從未交易的客戶更可能養成長期交易習慣。
Bhudia 稱，Deriv 運行一個基於 90 天窗口期的模型，利用這類信號可識別出 68% 的未來高價值客戶，公司目前正加入應用內活動、功能使用與平臺停留時間等更豐富的行為數據以改進模型。他同時提醒，速度雖是最明顯的標誌，但應對任何聲稱“用一個數字就能搞定”的做法保持警惕。
存款金額本身不能證明客戶質量
Bhudia 表示，市場細分已超越基本的地理位置或賬戶規模，他認為那種做法實際只是“披著細分外衣的人口統計數據”。Deriv 目前採用行為分析方法，關注互動模式、客戶對教育內容的反應，以及其行為是否與促銷活動相關。他指出，公司的 AI 培育引擎與 AI 角色代理正是為彌合這一差距而構建，系統根據即時行為概況而非基於存款金額的靜態等級來對待客戶。他還警告不要過早拒絕以獎金為導向的客戶，稱其中一些客戶在 18 個月後會成為最優秀的交易員。
“錯誤在於認為存款金額就能反映意圖。存款金額只能說明某人有能力存入多少錢，而不是他們實際會做什麼。大額首付只能告訴你一個人有能力做什麼，卻不能告訴你他將來會做什麼，人們常常把這兩者混為一談。”
AI 需圍繞流程重建才能奏效
Bhudia 承認人工智能（AI）正幫助部分經紀商提升銷售漏斗質量，但行業大部分仍依賴靜態細分——按地理位置、存款等級、獲客渠道設定後即保持不變。他認為，領先經紀商的區別在於不再用 AI 給客戶“貼標籤”，而是用 AI 即時響應客戶行為。相關對比數據如下：
| 指標 / 項目 | 數值 / 說明 | 時間 | 類別 |
|---|---|---|---|
| 客戶提款自動化比例 | 97.4% | 截至 2026 年 6 月 | 信任建立 |
| 90 天模型識別未來高價值客戶 | 約 68% | 當前 | 預測建模 |
| AI 個性化郵件效果 | 為普通郵件的 2 至 2.5 倍 | 當前 | 客戶互動 |
| 以獎金為導向客戶潛在轉化 | 部分 18 個月後成頂尖交易員 | 長期 | 細分洞察 |
Bhudia 以 Deriv 客服代理 Amy 為例，稱其現已處理全球大部分客戶互動，這一成果來自“從頭重建工作流程，而非自動化一箇舊腳本”。他坦言 AI 落地並非一帆風順，需要付出大量努力，因為紙面上行得通的方法在實踐中可能失敗。在他看來，挑戰不再是 AI 工具是否存在——技術顯然已存在——而在於企業是否願意圍繞 AI 的實際功能重建流程，而非將 AI 生硬套用到為 AI 出現之前設計的系統上。
AI 與外匯經紀商客戶質量相關問題
為什麼經紀商不再把獲客成本和首次存款作為主要衡量標準？
據 Bhudia 所述，這些數字仍會被追蹤，但本身無法說明客戶關係的實質。隨著獲客成本上升與監管收緊，經紀商更關注客戶註冊後的行為——是否主動回訪、交易方式是否可持續，而非一次性入金後消失。
註冊後的哪些早期信號最能區分客戶意圖？
Bhudia 認為最明顯的是首次存款的速度與金額，其次是正式開戶前是否使用模擬賬戶練習，以及是否完成首次交易。至少交易過一次的客戶比只入金不交易的客戶更可能形成長期習慣。
為什麼存款金額不能等同於客戶質量？
Bhudia 指出，存款金額只說明客戶有能力存入多少錢，而不是他們將來實際會做什麼。他還提醒不要過早拒絕以獎金為導向的客戶，因為其中一些在約 18 個月後可能成為最優秀的交易員。
Deriv 如何用 AI 處理客戶細分？
Deriv 採用行為分析方法，關注互動模式與客戶對教育內容的反應，其 AI 培育引擎與角色代理根據即時行為概況而非靜態存款等級對待客戶。據稱其運行的 90 天模型可識別約 68% 的未來高價值客戶。
AI 要發揮作用，經紀商需要做什麼？
Bhudia 認為領先經紀商不再用 AI 描述客戶，而是用 AI 即時服務客戶。關鍵不在於 AI 工具是否存在，而在於企業是否願意圍繞 AI 的實際功能重建流程，而非把 AI 生硬套用到舊系統上。
