Các nhà môi giới FX và CFD đang sử dụng AI để dự đoán giá trị khách hàng, mức độ tương tác và nguy cơ rời bỏ khi chi phí thu hút tăng cao và áp lực quản lý khiến ngành chuyển từ hình thức onboarding dựa trên khối lượng sang sàng lọc khách hàng dựa trên hành vi. Prakash Bhudia, Giám đốc Tăng trưởng (Chief Growth Officer) tại Deriv, và Ivan Kunyankin, Trưởng nhóm Khoa học Dữ liệu (Data Science Team Lead) tại Devexperts, cho biết rằng các nhà môi giới hiện ưu tiên các tín hiệu về ý định ngay từ sớm—bao gồm tốc độ nạp tiền, việc sử dụng tài khoản demo và hoàn tất giao dịch đầu tiên—thay vì các chỉ số truyền thống như chi phí cho mỗi khách tiềm năng (cost per lead) và khoản nạp đầu tiên. Sự thay đổi phản ánh nhận thức ngày càng tăng rằng một đường ống nhỏ hơn gồm các khách hàng đủ điều kiện sẽ hiệu quả hơn so với các phễu tạo ra khối lượng lớn nhưng làm gia tăng căng thẳng vận hành, suy yếu khả năng giữ chân và tăng rủi ro tuân thủ. Deriv đã tự động hóa 97,4% các khoản rút tiền của khách hàng vào tháng 6/2026 và sử dụng mô hình AI 90 ngày để nhận diện 68% các khách hàng giá trị cao trong tương lai, trong khi Devexperts cảnh báo rằng phân khúc tĩnh theo địa lý hay theo bậc nạp tiền không thể tách đáng tin cậy giữa các nhà giao dịch nghiêm túc và người dùng chỉ xem thử. Giới điều hành trong ngành cho rằng hoạt động thu hút khách giờ đây là bước mở màn chứ không phải toàn bộ chiến lược, và hành vi sau onboarding hiện định hình các quyết định về sản phẩm lẫn marketing trên các nền tảng giao dịch bán lẻ.
Deriv Chuyển Trọng Tâm Từ Khối Lượng Sang Hành Vi Sau Onboarding
Prakash Bhudia, Giám đốc Tăng trưởng tại Deriv, cho biết rằng các nhà môi giới theo dõi chi phí cho mỗi khách tiềm năng và các chỉ số về lần nạp đầu tiên nhưng xem hoạt động sau onboarding là yếu tố phản ánh mối quan hệ khách hàng rõ ràng hơn. Bhudia nói công ty phân tích việc khách hàng có quay lại mà không cần nhắc nhở hay không, và liệu các kiểu giao dịch có trông có vẻ bền vững thay vì chỉ là hành vi nạp một lần. Deriv phân loại khách hàng thành các nhóm: active (đang hoạt động), at-risk (có nguy cơ rời bỏ), dormant (tạm ngừng) hoặc churned (đã rời bỏ), và phản hồi khác nhau cho từng nhóm. Bhudia xác định các khoản rút tiền đầu tiên “mượt mà” là một khoảnh khắc niềm tin quan trọng đối với khách hàng mới, đồng thời cho biết Deriv đã tự động hóa 97,4% khoản rút tiền của khách hàng vào tháng 6/2026. Anh nói giá trị vòng đời (lifetime value) là ưu tiên rõ ràng trong kế hoạch tăng trưởng nội bộ thay vì chỉ số thống kê nhìn lại. Bhudia mô tả việc acquisition như bước mở màn, khi hoạt động sau khi đăng ký định hình các quyết định về sản phẩm và marketing.
Tốc Độ Nạp Tiền Ban Đầu và Việc Dùng Tài Khoản Demo Báo Hiệu Ý Định Khách Hàng
Bhudia nói vài ngày đầu sau khi đăng ký là thời điểm tách biệt ý định thật sự khỏi sự tò mò. Anh nhận diện tốc độ nạp và quy mô nạp là tín hiệu mạnh nhất ban đầu, cho biết những khách hàng chuyển nhanh từ đăng ký sang nạp tiền có ý nghĩa thì khả năng trở thành khách hàng giá trị cao cao hơn nhiều. Hoạt động tài khoản demo trước khi đi live là tín hiệu mạnh thứ hai: khách hàng luyện tập trước khi nạp sẽ giữ chân tốt hơn so với những người bỏ qua demo. Việc hoàn tất giao dịch đầu tiên là chỉ báo then chốt, vì những khách hàng giao dịch ít nhất một lần có khả năng cao hơn đáng kể trong việc hình thành thói quen bền vững so với những người chỉ nạp tiền mà không giao dịch. Deriv chạy một mô hình trên cửa sổ 90 ngày để nhận diện 68% các khách hàng giá trị cao trong tương lai bằng các tín hiệu này. Công ty đang bổ sung dữ liệu hành vi phong phú hơn, bao gồm hoạt động trong ứng dụng, mức độ sử dụng tính năng và thời gian trên nền tảng, để cải thiện mô hình. Bhudia nói tốc độ là chỉ báo lớn nhất về ý định, khác với sự tò mò.
Phân Khúc Hành Vi Thay Thế Hệ Thống Phân Bậc Tĩnh
Bhudia nói phân khúc đã đi xa khỏi địa lý và quy mô nạp tiền, mà anh mô tả là nhân khẩu học được “khoác áo” thành phân khúc. Cách tiếp cận của Deriv xem xét các mẫu tương tác, phản hồi của khách hàng với nội dung giáo dục và việc liệu hoạt động có gắn với các chương trình khuyến mãi hay không. Hệ thống “AI nurture engine” và tác nhân “AI persona agent” của công ty xử lý khách hàng dựa trên hồ sơ hành vi cập nhật theo thời gian thực, thay vì dựa trên các bậc tĩnh theo số tiền nạp. Bhudia cảnh báo không nên loại bỏ quá nhanh các khách hàng bị thúc bởi bonus, vì một số trong đó trở thành các nhà giao dịch hàng đầu sau 18 tháng. Anh nói quy mô nạp thể hiện năng lực nhưng không phản ánh ý định, và hai yếu tố này thường bị đối xử như nhau. Bhudia kết luận rằng khoản nạp đầu tiên lớn cho thấy một người làm được gì, nhưng không nói họ sẽ làm gì tiếp theo.
Việc Triển Khai AI Đòi Hỏi Tái Thiết Kín Quy Trình
Bhudia thừa nhận AI giúp một số nhà môi giới cải thiện chất lượng phễu, nhưng phần lớn ngành vẫn dựa vào phân khúc tĩnh theo địa lý, bậc nạp tiền và kênh acquisition. Anh nói các nhà môi giới đi trước đang dùng AI để phục vụ khách hàng theo thời gian thực thay vì chỉ gắn nhãn họ. Lớp cá nhân hóa của Deriv tạo ra các email được cá nhân hóa theo AI, đạt hiệu suất cao gấp 2 đến 2,5 lần so với các chiến dịch chung chung. Nền tảng hỗ trợ của công ty, trợ lý Amy, đảm nhiệm phần lớn các tương tác với khách hàng toàn cầu sau khi Deriv xây dựng lại quy trình làm việc của cô từ đầu, thay vì tự động hóa các kịch bản cũ. Bhudia nói để đạt được điều đó cần nỗ lực đáng kể vì những gì hoạt động trên giấy có thể thất bại trong thực tế. Anh khẳng định công nghệ đã có, nhưng khoảng trống nằm ở việc doanh nghiệp có tái thiết quy trình dựa trên những gì AI có thể làm hay chỉ đơn thuần thêm AI vào các hệ thống “trước thời đại AI”.
Devexperts Liên Kết Chất Lượng Khách Hàng Với Khả Năng Giữ Chân Hơn Là Khối Lượng Thu Hút
Ivan Kunyankin, Trưởng nhóm Khoa học Dữ liệu tại Devexperts, cho biết rằng các nhà môi giới từ trước đến nay luôn tập trung vào việc thu hút và giữ chân các nhà giao dịch, nhưng cạnh tranh đã trở nên gay gắt hơn. Anh nói đại dịch làm tăng thời gian ở nhà và thúc đẩy phân khúc giao dịch bán lẻ, trong khi những tiến bộ về công nghệ và AI khiến các nhà môi giới truyền thống khó cạnh tranh với các sản phẩm mới. Kunyankin cho biết các yếu tố này tạo ra sự chuyển dịch rõ rệt sang xây dựng mối quan hệ dài hạn và giữ một nhóm khách hàng mạnh, có giá trị cao. Anh nói các công cụ dựa trên AI như tính năng lập hồ sơ người dùng DXtrade của Devexperts dùng dữ liệu thực để xác định thông tin khách hàng tương đối sớm sau khi họ tham gia. Kunyankin giải thích rằng thời điểm phụ thuộc vào khối lượng hoạt động giao dịch chứ không phải thời gian theo lịch, với các hệ thống có thể bắt đầu xây dựng hồ sơ sau một số giao dịch nhất định. Anh nói một hình ảnh có thể bắt đầu hình thành sau vài giao dịch, dù việc quan sát lâu hơn sẽ cải thiện độ chính xác dự đoán.
Những Thay Đổi Đột Ngột Về Hoạt Động Báo Hiệu Rủi Ro Rời Bỏ
Kunyankin cho biết các nhà môi giới khác nhau định nghĩa hành vi khách hàng có tính dự đoán theo những cách khác nhau dựa trên sản phẩm cung cấp, mục tiêu, vị trí địa lý và môi trường pháp lý. Devexperts phát hiện rằng những thay đổi nhanh về hành vi là một chỉ báo mạnh của rời bỏ (churn). Kunyankin ví dụ: một nhà giao dịch đang “dormant” bỗng dưng trở nên rất tích cực, đăng nhập thường xuyên và bán các vị thế—những dấu hiệu có thể là ý định rời đi. Anh nói giao dịch đều đặn và nhất quán hoặc hành vi cân bằng, được đo lường từ sớm, thường dự đoán giá trị dài hạn tốt hơn. Kunyankin khẳng định các bộ lọc tĩnh và heuristics (quy tắc kinh nghiệm) không thể tách các “khách hàng tiềm năng” có ý định cao khỏi người dùng chỉ xem thử hoặc người bị thúc bởi bonus, đồng thời cảnh báo về việc đọc quá kỹ hành vi nạp tiền sớm. Anh nói các nhà môi giới cần các giải pháp nâng cao dựa trên dữ liệu hành vi để đưa ra đánh giá chính xác, tinh tế dựa trên hành động và thói quen của nhà giao dịch ngay từ sớm trong hành trình người dùng. Kunyankin ghi nhận rằng các khung AI phân tích khối lượng lớn dữ liệu nhà giao dịch có thể cực kỳ hiệu quả trong việc dự đoán kết quả.
