Da li ste spremni
za bankarstvo zasnovano na podacima?

Bankarstvo zasnovano na podacima, visok nivo korisničkog iskustva i razumevanje korisnika su ključni ukoliko banka želi da postane pouzdan savetnik svojih korisnika.

Da li ste spremni za
bankarstvo zasnovano na podacima?

Bankarstvo zasnovano na podacima, visok nivo korisničkog iskustva i razumevanje korisnika su ključni ukoliko banka želi da postane pouzdan savetnik svojih korisnika.

Finansijska platforma za građenje odnosa
sa korisnicima bazirana na veštačkoj inteligenciji

„Data driven“ bankarstvo

Kada su podaci u pitanju, banke imaju konkurentsku prednost zbog količine i kvaliteta podataka koje poseduju. Informacije kao što su potrošačke navike, potrošnja, reakcije na marketinške kampanje itd. stavljaju banke u veliku početnu prednost u odnosu na ostale finansijske institucije. Razumevanje koji izvori podataka mogu da se koriste, poboljšava pristup donošenju odluka.

Tradicionalne banke moraju da se prilagode efikasnom integracijom svih njihovih servisa, kako bi postali moderan 360° finansijski partner svojim korisnicima. Sposobnost banke da predvidi potrebe korisnika, ponudi personalizovane finansijske proizvode i usluge, smanji rizike, sve to u skladu sa stalno rastućim propisima, biće ključni za uspeh u poslovanju budućnosti. Ova kohezivna strategija implementira modernu arhitekturu podataka, koja objedinjuje velike količine podataka iz mnogih izvora.

„Data driven“ bankarstvo

Glavni benefiti

Bolje targetiranje

Automatizacija procesa

Bolja interakcija sa korisnicima

Personalizovana ponuda i pristup

Odredite najbolju
ponudu za korisnika

Model preporuke za sledeću najbolju ponudu (NBO) za proizvod ili uslugu, izračunava sklonost korisnika da obavi kupovinu ili sklonost korišćenju određenog proizvoda ili usluge koje kompanija pruža. Ovaj prediktivni model donosi odluke na osnovu prethodnih radnji i ponašanja korisnika prema kompaniji.

Korisnik je koristio kreditni kalkulator 3 puta

Model najbolje sledeće ponude izračunava tendenciju korisnika da koristi proizvode/usluge banke, na osnovu njegovog prethodnog ponašanja

Kreditna ponuda se šalje korisniku preko preferiranog kanala korisnika

Prvo, korisnik banke je koristio kreditni kalkulator za kredit za automobile češće u prethodnom mesecu, u poređenju sa njegovim ranijim ponašanjem. Ove aktivnosti su uticale na model najbolje sledeće ponude. Sklonost korisnika za kreditom povećana je u odnosu na prethodni period i ovaj proizvod za njega postaje Sledeća najbolja ponuda. U trećem koraku, na osnovu ovog uvida, korisniku se nudi kredit preko njegovog preferiranog kanala.

Automatizujte svoje procese

Selecta omogućava automatizaciju procesa prodaje i marketinga, upravljanje prodajnim prilikama, kao i optimizaciju procesa, dok povećava zainteresovanost korisnika za vaše proizvode i usluge. Jedinstvena platforma omogućava bankama da pruže uniformno iskustvo svojim korisnicima i omogućava izgradnju dugotrajnih odnosa sa njima.

Automatizujte svoje procese

Razumevanje ponašanja korisnika

Glavni cilj segmentacije korisnika je da omogući razumevanje korisničkog ponašanja, kao i da prati kretanje korisnika između segmenata. Karakteristike segmenata se koriste kako bi se kompaniji sugerisalo kakav pristup da ima prema određenim profilima korisnika. Kretanje između segmenata omogućava praćenje zadovoljstva korisnika i promena u njegovom životnom stilu.

Postoje dve vrste segmentacije, primarna i napredna segmentacija korisnika.
Primarna segmentacija korisnika uključuje nekoliko modela zasnovanih na metrikama plaćanja- popustljivost, frekventnost i monetarizacija. Na drugoj strani, napredna segmentacija kombinuje potrošnju korisnika i demografske karakteristike (godine, zaposlenost, broj dece, bračni status…) i generiše odgovarajući segment i pod segment. Na primer, mlađi odrasli sa većom potrošnjom, korisnici srednjih godina sa manjom potrošnjom, penzioneri i mnogi drugi.

Zadržite vaše korisnike

Model predikcije odlaska korisnika prepoznaje korisnike koji imaju nameru da prestanu da koriste određeni proizvod ili uslugu. Glavni cilj ovog modela je rana identifikacija korisnika koji žele da napuste kompaniju, kako bi kompanija reagovala na vreme i zadržala ih. Ova informacija može biti dostupna kroz Selectin 360 pregled korisnika ili se može iskoristiti za slanje kampanja određenoj grupi korisnika.
Izvori podataka za ovaj model uključuju podatke o transakcijama, podatke sa kanala (detalje logovanja, pozivi kontakt centra..), konverzaciju sa chatbotom, korišćene proizvode, podatke sa crne liste, žalbe, interne klasifikacije korisnika i drugo.

Korisnik je imao manje plaćanja u odnosu na prethodni period i uložio je dve žalbe zbog nezadovoljstva uslugom.

Na osnovu prethodnog korisničkog ponašanja,
ovaj model računa tendenciju korisnika da prestane da koristi usluge
i kupuje proizvode banke. Npr. postoji velika verovatnoća
da će korisnik prestati da koristi kreditnu karticu.

Na osnovu svih ponašanja,
banka kreira i šalje posebnu ponudu za ovog korisnika,
sa boljim uslovima, npr. veći dozvoljeni minus ili manja kamatna stopa.

Modeli mašinskog učenja za kategorizaciju transakcija

Naš algoritam mašinskog učenja omogućava bankama da pravilno kategorišu preko 95% klijentovih transakcija i stvore nove, prosperitetne mogućnosti. Korišćenje modela mašinskog učenja za kategorizaciju transakcija omogućava bankama praćenje promena u potrošnji korisnika. Štaviše, dobijene kategorije obogaćuju profilisanje korisnika, ukazuju na njihove navike i omogućavaju personalizovanu ponudu proizvoda. Poznajući preferencije korisnika, banke imaju mogućnost da personalizuju ponudu i kreiraju jedinstveno korisničko iskustvo.

Model kategorizacije transakcija je doprineo razvoju nekoliko modela mašinskog učenja vezano za potrošnju. Ti modeli su:

Tendencija ka potrošnji i prediktivni modeli,
Prekomerna potrošnja i prediktivni modeli,
Model preporuke za štednju.

Potrošačko ponašanje korisnika je opisano hashtagovima (potrošačke kategorije sa najvećim tendencijama). Na primer #traveler, #drive_car #sportist itd… Neke od glavnih benefita za banku predstavljene su na slici:

Svaki događaj povezan sa vašim korisnikom je važan za vas

Svaka transakcija, logovanje na aplikaciju banke, poseta vebsajta ili poslovnice, konverzacija sa chatbotom, svi događaji povezani sa proizvodima, predstavljaju okidače za signalizaciju u realnom vremenu. Signalizacija omogućava bankama da kreiraju visoko personalizovan pristup, sprovođenje laganog i preciznog targetiranja i reagovanje na vreme.
Iza praćenja u realnom vremenu velike količine događaja, stoji napredni kompleksni modul za procesuiranje događaja (Complex Event Processing Module-CPE).
CPE modul omogućava banci da prati sveukupne događaje, koji se signaliziraju kada se pojave. Zaposleni banke mogu definisati pravila na osnovu potreba banke. Pravila mogu biti definisana za transakcije, segmente korisnika i promene u potrošnji različitih kategorija.

Šta naši klijenti
kažu o rešenju Selecta

„Korisnici su najvredniji resurs mnogih kompanija širom sveta. S ciljem da odnos sa našim klijentima podignemo na novi nivo i da snažno podržimo viziju banke da bude najpoželjnija finansijska institucija na srpskom tržištu, Selecta sa svojom naprednom analitikom omogućila nam je da izgradimo robusnu platformu za prodaju i usluge sa objedinjenim i fleksibilnim interfejsom za upravljanje svim dodirnim tačkama klijenata za marketinške i prodajne aktivnosti. Sa Selectom, maksimiziran je Customer Lifetime value, a samim tim i Customer Equity banke“

Dragan Mikičić,
Head of CRM Department, Raiffeisen banka Srbija