Вестник цифровой трансформации

«Сбер»: цифровой двойник клиента для создания лучшего клиентского опыта
«Сбер»: цифровой двойник клиента для создания лучшего клиентского опыта

Кирилл Панин: «Развитие знаний о клиентах не ставит монетизацию первоочередной целью, мы сосредоточены на понимании и удовлетворении потребностей клиента и интегрировании этих знаний в наши предложения и коммуникации»


18:49 09.03.2022 (обновлено: 21:49 09.03.2022)  |  Николай Смирнов | 1069 просмотров



Кирилл Панин, управляющий директор «Сбера», – о создании «цифровых двойников», максимально полного цифрового портрета каждого клиента на основе данных.

Чтобы оставаться лидером на рынке, банку необходимо знать своего клиента: понимать его жизненную ситуацию, интересы и потребности, меняющиеся во времени. Этот фактор является ключевым в борьбе за внимание аудитории. В «Сбере» разработали проект по созданию максимально полного цифрового портрета каждого клиента на основе данных. О преимуществах такого подхода для бизнеса и для клиента рассказал Кирилл Панин, управляющий директор «Сбера».

— В каком направлении развивается персонализация клиентского опыта?

Каждый из наших клиентов обладает уникальным опытом использования финансовых и нефинансовых продуктов экосистемы, поэтому наша цель – найти индивидуальный подход к каждому за счет персонализации клиентского опыта. Мы должны знать своих клиентов настолько хорошо, чтобы быть помощником в большинстве возможных жизненных ситуаций, отвечать на текущие потребности и предвосхищать те, которые возникнут на следующем шаге.

Наши знания о клиентах находят свое выражение в хэштегах – бинарных бизнес-интерпретируемых знаниях, отражающих устойчивую характеристику или паттерн поведения каждого клиента. На текущий момент дивизион «Массовая персонализация» разработал более 15 тыс. хэштегов и продолжает работу над увеличением количества знаний, интегрируя доступные источники данных, возможности искусственного интеллекта, поведенческой экономики и данных клиентских исследований. Цель проекта – создать цифрового двойника клиента, максимально полно отражающего его финансовое поведение, предпочтения, цели, жизненные ситуации.

— Вероятно, попытки создать цифровых двойников для своих клиентов «Сбер» делает уже давно. Какие этапы вы можете выделить?

Построение цифрового двойника клиента эволюционирует вместе с развитием технологий аналитики и искусственного интеллекта. На предыдущем этапе, назовем его product-based, мы сосредотачивали усилия на том, чтобы наиболее удобным способом предложить клиенту максимально подходящий для него продукт. В настоящее время цифровой двойник встраивается в системный проект по определению жизненной ситуации клиента. Мы не только предлагаем продукт, но и комплексно оцениваем жизненную ситуацию клиента и оптимальный клиентский путь и строим цепочку предложений, исходя из этого.

— Насколько хорошо удается «предвосхищать» потребности клиентов – то, к чему вы стремитесь?

Мы стремимся не только предлагать заранее то, что нужно клиенту прямо сейчас, но и формировать потребности. Например, на основании паттернов финансового поведения мы умеем предсказывать совершение покупки в той или иной категории и предлагать оптимальные для клиента продукты и сервисы.

— На текущий момент разработано более 15 тыс. хэштегов. А сколько необходимо для полноценного описания действий человека?

Мы не ставим себе количественных целей, а ориентируемся на то, насколько качественны наши данные и насколько полно они позволяют нам понять клиента. Однако регулярно сопоставляем наши успехи с лучшими мировыми практиками. По данным компании Finalta, с которой мы регулярно проводим исследования, «Сбер» входит в число мировых лидеров по объему знаний о клиентах.

— Какие данные используются для создания цифровых двойников?

Мы используем всю доступную с согласия клиентов финансовую информацию, цифровые следы клиентов в экосистеме, данные цифрового профиля гражданина и чеков, анализ коммуникаций клиентов с сотрудниками банка, данные мобильного приложения и голосовых ассистентов.

Для анализа данных применяем передовые технологии машинного обучения и обработки данных, алгоритмы градиентного бустинга и нейронные сети, а также активно внедряем SOTA методы машинного обучения: GPT-3, MeLES и др.

— Понимание своего клиента имеет очевидную ценность для банка. А в чем выгода для самого клиента от такого понимания?

Клиент получает максимально подходящее и удобное для него обслуживание без излишних контактов с банком. И это касается как помощи в решении определяющих вопросов – например, покупки квартиры, где мы не просто помогаем взять ипотеку, но и выстроить весь путь решения о покупке до партнерских предложений по обустройству нового жилья – так и небольших, но значимых для удобства клиента задач. Например, алгоритм определения тайм-зоны клиента исключает звонки и смс в неподходящее время. Это позволило исключить жалобы клиента по вопросу контактов в неподходящее время.

— Возможна ли прямая монетизация знаний о клиентах, или все-таки речь идет об их встраивании в продукты банка?

Развитие знаний о клиентах не ставит монетизацию первоочередной целью, мы сосредоточены на понимании и удовлетворении потребностей клиента и интегрировании этих знаний в наши предложения и коммуникации. В долгосрочной перспективе это развитие выгодно как банку, так и клиентам, поэтому так или иначе монетизация происходит.

— Каких успехов удалось достичь?

Мы используем знания о клиенте для улучшения прогнозирования спроса на банковские продукты и сервисы, повышения точности моделей и разработки сегментных стратегий. Общий финансовый эффект моделей в бизнесе персональных предложений составил 116 млрд руб. за 2021 год.

Сейчас мы в процессе масштабирования проекта на все продукты и сервисы экосистемы «Сбера». Для того чтобы стать эффективным помощником для клиента в его повседневной жизни, недостаточно только финансовых сервисов, и мы идем по пути максимальной интеграции с экосистемой.

— Приведите пример персональных сервисов, которые имели самый большой бизнес-эффект.

Например, мы разрабатываем уникальные подходы к пониманию и предсказанию поведения клиентов. В частности, определяем паттерны их поведения, предшествующие открытию продуктов, что дает существенный эффект: на примере заявок на персональные кредиты выявлено более чем трехкратное увеличение. Мы применяем эту методологию не только к нашим базовым продуктам – персональным кредитам и ипотеке, но и к инвестиционным продуктам, брокерскому обслуживанию.

— В чем роль проекта для бизнеса «Сбера»?

Построение цифрового двойника каждого клиента на основе данных помогает увеличить прибыль компании и удовлетворенность клиентов за счет того, что каждый из них обретает свой индивидуальный образ с уникальными чертами, позволяющими строить персонифицированные коммуникации и рекомендации. Сейчас мы реализуем масштабный системный проект по определению жизненных ситуаций клиента, позволяющий комплексно оценить потребности и подобрать оптимальный клиентский путь. Конечно же, в алгоритме определения жизненной ситуации знания о клиенте играют ключевую роль.

Также знания о клиентах используются и в отдельных социально-ориентированных проектах. Например, одной из важных целей нашей стратегии развития является повышение уровня ESG банка и клиентов. На знаниях о клиентах построен их ESG-рейтинг, позволяющий оценить текущее вовлечение клиентов в «зеленую» повестку и создать стратегию дальнейшей работы компании в этой сфере.

Теги: Цифровые двойники Сбер Data Award


На ту же тему: