FX 與 CFD 經紀商正在使用 AI 來預測客戶價值、參與度與流失，因隨著獲客成本上升與監管壓力增加，產業正逐步遠離以「量」為導向的入金式入駐（onboarding），轉而改採以行為為導向的客戶資格審查。Deriv 首席成長官 Prakash Bhudia，以及 Devexperts 資料科學團隊主管 Ivan Kunyankin 告訴 Finance Feeds，經紀商如今更重視早期意圖訊號——包括入金速度、模擬帳戶使用情況與首次交易完成——而非傳統指標，例如每位潛在客戶成本（cost per lead）與首次入金。這種轉變反映出人們愈來愈認知到：符合條件的客戶管線縮小規模，往往比高量漏斗更能帶來成效，後者只會造成營運壓力、留存薄弱與合規風險。Deriv 於 2026 年 6 月前自動化了 97.4% 的客戶提款，並使用一個 90 天的 AI 模型，能辨識未來 68% 的高價值客戶；而 Devexperts 則警告，僅依地理位置或入金等級做靜態分群，無法可靠地將認真交易者與休閒用戶區分開來。產業高層表示，獲客已成了開局動作，而非整體策略；在入駐後的行為，正影響零售交易平台上的產品與行銷決策。
Deriv 將重點從流量（volume）轉向入駐後行為
Deriv 首席成長官 Prakash Bhudia 告訴 Finance Feeds，經紀商雖會追蹤每位潛在客戶成本與首次入金等指標，但更認為入駐後活動能更清楚揭示客戶關係。Bhubia 表示，公司會分析客戶是否在不被催促的情況下自行回來，以及交易模式是否看起來具可持續性，而不是僅看單次入金行為。Deriv 將客戶分為活躍、風險中、休眠或已流失等類別，並對每一類採取不同應對。Bhubia 指出，首次提款順利是新客戶的重要信任時刻，並提到 Deriv 已於 2026 年 6 月前自動化了 97.4% 的客戶提款。他表示，終身價值（lifetime value）是內部成長規劃的明確優先事項，而非回顧性指標。Bhubia 描述獲客是開局動作，而入駐後的註冊行為會塑造產品與行銷決策。
早期入金速度與模擬帳戶使用傳遞客戶意圖
Bhubia 表示，註冊後最初幾天能把意圖與好奇心區隔開來。他指出，入金速度與規模是最強的早期訊號，並表示：那些能快速地從註冊走到投入有意義金額入金的客戶，成為高價值客戶的可能性更高。未上線前的模擬帳戶活動是第二強訊號；在入金前先練習的客戶，比跳過模擬的人更能留存。完成首次交易是關鍵指標，因為至少交易一次的客戶，比只入金但未交易的人更有可能建立持久的習慣。Deriv 會在 90 天的窗口內跑一個模型，使用這些訊號辨識出未來 68% 的高價值客戶。公司也正在加入更豐富的行為資料，包括應用程式內活動、功能使用情況與平台停留時間，以提升模型效果。Bhubia 表示，速度是最大的意圖相對於好奇心的指標。
行為分群取代靜態分層系統
Bhubia 表示，分群已超越地理位置與入金規模，他形容這些只是披著人口統計外衣的分群。Deriv 的做法會檢視參與模式、對教育內容的回應，以及活動是否與促銷連結。公司的 AI 養成引擎（AI nurture engine）與 AI persona agent 會依照即時的行為輪廓（live behavioral profiles）來對待客戶，而不是根據入金金額所建立的靜態分層。Bhubia 警告，不要太快否定由獎金驅動的客戶，因為有些人會在 18 個月後成為頂級交易者。他表示，入金規模顯示的是能力而非意圖，且兩者常被當成同一回事。Bhubia 最後指出：一筆大的首次入金能揭示某人能做什麼，但無法揭示他/她會做什麼。
AI 落地需要重新設計流程
Bhubia 承認，AI 確實能協助部分經紀商提升漏斗品質，但多數產業仍依賴按地理位置、入金等級與獲客管道做靜態分群。他表示，領先的經紀商正在使用 AI 即時服務客戶，而不只是把客戶貼上標籤。Deriv 的個人化層（personalization layer）會產出 AI 個人化電子郵件，其績效比通用型行銷活動高出 2 到 2.5 倍。公司支援代理（support agent）Amy 在 Deriv 從零重建其工作流程後，於全球範圍內承擔了大量客戶互動份額，而非只是自動化舊腳本。Bhubia 表示，做到這一步需要付出大量努力，因為紙上能行的做法在實務中可能會失效。他指出，技術確實存在，但差距在於企業是否會依照 AI 能做的事去重建流程，而不是把 AI 直接加到既有的非 AI 系統上。
Devexperts 將客戶品質連結到留存，而非獲客流量
Devexperts 資料科學團隊主管 Ivan Kunyankin 告訴 Finance Feeds，經紀商一直都聚焦於吸引並留住交易者，但競爭已變得更激烈。他表示，疫情增加了居家時間，並推升零售交易族群；同時，科技與 AI 的進展使傳統經紀商更難與新的產品方案競爭。Kunyankin 表示，這些因素促成了明顯的轉向：建立更長期的關係，並留住穩固且高價值的客戶基礎。他說，像 Devexperts 的 DXtrade 使用者肖像（user profiling）這類由 AI 驅動的工具，會使用真實資料來相對不久之後判定客戶資訊。Kunyankin 解釋，時機取決於交易活動量，而不是日曆時間；系統能在達到一定數量的交易後開始建立輪廓（profiles）。他說，幾筆交易就能開始塑造輪廓，不過觀察時間更長則能提升預測精準度。
突發的活動變化顯示流失風險
Kunyankin 表示，不同經紀商會依照其產品提供、目標、地理位置與監管環境，以不同方式定義可預測的客戶行為。Devexperts 發現，行為的快速變化是流失的強烈指標。Kunyankin 舉例：一名原本休眠的交易者突然變得非常活躍、常常登入，並出售持倉，這些很可能就是想離開的意圖訊號。他說，從一開始就持續且穩定的交易，或是較有節制、平衡的行為，通常能預測更長期的價值。Kunyankin 表示，靜態篩選器與經驗法則無法將高意圖的潛在客戶與休閒或由獎金驅動的用戶分開，並警告不要過度解讀早期入金行為。他說，經紀商需要更進階的解決方案，使用行為資料在用戶旅程的早期就基於交易者的動作與習慣做出精準且細膩的評估。Kunyankin 指出，分析大量交易者資料的 AI 架構在預測結果上可能極為高效率。
FAQ
FX 經紀商會使用哪些早期訊號來預測客戶價值？
FX 經紀商使用入金速度與規模、未上線前的模擬帳戶活動，以及首次交易完成，作為最強的早期客戶意圖訊號。根據 Deriv 首席成長官 Prakash Bhudia 的說法，Deriv 的 90 天 AI 模型會用這些行為指標辨識出未來 68% 的高價值客戶。
零售交易中的客戶分群如何改變？
客戶分群已從靜態的地理位置與入金等級分類，轉向即時的行為輪廓（behavioral profiling）。Deriv 將客戶分為活躍、風險中、休眠或已流失等類別，並使用 AI 依據參與模式、對教育內容的回應，以及活動是否與促銷連結等因素來做出回應，而非使用固定的入金分層。
哪些行為變化表示客戶可能會流失？
行為的快速變化，例如原本休眠的交易者突然變得非常活躍、常常登入並出售持倉，是流失的強烈指標。Devexperts 資料科學團隊主管 Ivan Kunyankin 表示，從一開始就穩定且一致的交易傾向能預測更長期的價值，而突然的活動激增往往意味著想離開。
