Aby skutecznie walczyć o klientów, banki muszą wiedzieć, kiedy i jak korzystają oni z pieniędzy oraz co kieruje ich decyzjami. Sami klienci spodziewają się po bankach już nie tylko wygodnych systemów bankowości elektronicznej, szybkich płatności w aplikacji mobilnej, możliwości załatwienia 100% czynności w banku online, czy uprzejmej obsługi w oddziale, ale też o wiele bardziej zaawansowanych usług.

Jak pokazują dane McKinsey, współczesny konsument od swojego banku oczekuje na przykład rekomendacji produktów dopasowanych do potrzeb w sposób, jaki jemu samemu nie przyszedłby do głowy (np. produkty komplementarne do wcześniej zakupionych). Zależy mu też na informacji o możliwości okazyjnego zakupu „tu i teraz” (np. promocja na kwiaty w dzień rocznicy ślubu), przypominaniu o sprawach, które można łatwo przeoczyć (np. informacja, że pojawiła się nowa linia wcześniej używanych perfum) czy personalizacji łączącej doświadczenia online i offline (np. oferta butów do biegania dla osoby, która niedawno biegła w maratonie).

Z perspektywy technologicznej oznacza to konieczność analizowania w czasie rzeczywistym ogromnych ilości danych o klientach, pochodzących z różnych źródeł i wykorzystania inteligentnych algorytmów do tworzenia prognoz zachowań i rekomendacji NBA (next best action) i NBO (next best offer). Takie możliwości daje bankom umiejętne wykorzystanie analityki behawioralnej opartej o big data i sztuczną inteligencję (AI).

Bank może dziś przygotowywać w zautomatyzowany sposób, wykorzystując uczenie maszynowe, indywidualne oferty i promocje dla swoich klientów. Z drugiej strony skuteczniej zarządza ryzykiem kredytowym, wykorzystując modele predykcyjne tworzone na podstawie zanonimizowanych danych o aktywnościach poszczególnych osób, które prognozują tak ważne zmienne, jak np. ocena wiarygodności klienta czy ryzyko nieregularności w spłacie kredytu.

Co w praktyce może oznaczać wykorzystanie big data i AI dla klienta? Wyobraźmy sobie, że bank jest w stanie poinformować nas, że przepłacamy za niektóre usługi i podpowiedzieć, jak możemy zaoszczędzić część swoich pieniędzy. Przykładowo, gdy opłaty za telefon przekraczają średnią dla grupy wiekowej danego użytkownika, bank zaproponuje mu renegocjację umowy lub skorzystanie z usług innego operatora. Dodatkowo, dzięki możliwości podpowiadania narzędzia finansowego - do konkretnych sytuacji i potrzeb - bank może daną osobę w czasie rzeczywistym wspierać w zarządzaniu finansami. Przykładowo, na podstawie dokonywanych regularnie przez klienta płatności, aplikacja mobilna powiadomi go o nadchodzących opłatach kilka dni wcześniej, zanim potrzebne na nie pieniądze zostaną wydane w inny sposób. Albo bank podpowie nam, czy w świetle planowanych w najbliższym czasie wydatków, do opłacenia biletu na wakacje lepiej wykorzystać saldo bieżące z konta czy kartę kredytową.  

Analityka behawioralna daje również zupełnie nowe możliwości oferowania klientom specjalnych promocji czy rabatów. Oferta zniżki na bilet do kina kierowana do wszystkich klientów w całej Polsce to w świetle aktualnych możliwości technologicznych anachronizm. Dziś ofertę specjalną na bilety do kina miłośnik tej rozrywki otrzyma np. w trakcie wizyty w centrum handlowym w sobotnie popołudnie.

Dla banków big data i sztuczna inteligencja w analizie behawioralnej oznaczają efektywne i realne prognozy zachowań klientów, precyzyjną ocenę ryzyka kredytowego i wiarygodności oraz lepsze zarządzanie relacjami z nimi. Właściwe podpowiedzi finansowania w optymalnym czasie umożliwiają im zwiększenie lojalności klientów wobec marki oraz skuteczniejsze cross-selling i up-selling, np. w oferowaniu kredytów.

Źródło: ITMAGINATION