В течение нескольких месяцев менторы работали со стартапами и помогали им готовить пилотные проекты, отвечающие бизнес-потребностям банка. В результате банк отобрал несколько проектов, работу над которыми продолжит вместе со стартапами.
DataFuel – сервис для поиска инсайтов и персонализации истории взаимодействия потребителя с продуктом или услугой (Customer Journey). Решение позволяет компаниям лучше понимать свою аудиторию и повышать качество клиентского опыта. Оно предназначено прежде всего для маркетологов: анализирует страницы «ВКонтакте» по 250 различным параметрам и выявляет их психографические характеристики. Это помогает лучше узнавать портрет аудитории и создавать вовлекающий контент на основе полученных данных.
Relation Rate – скоринговый сервис, интегрирующий данные из социальных сетей и биометрическую идентификацию. Он анализирует данные профилей соцсетей и позволяет с достаточно высокой точностью определить психометрические показатели человека. Для «Хоум Кредит» эта платформа привлекательна прежде всего тем, что способна значительно обогатить систему банковского скоринга. В результате использования нового инструмента кредитные возможности откроются для тех клиентов, у которых еще нет кредитной истории.
Robin – система речевой аналитики. Алгоритмы определяют эмоции, паузы и перебивания, пол и возраст клиента по голосу и производят биометрическую верификацию пользователя. Как признают в «Хоум Кредит», контакт-центр — почти всегда узкое место в коммуникации с клиентом. Robin снижает расходы на контакт-центр банков за счет использования системы верификации личности по голосу и повышает конверсию, выявляя лучшие техники продаж с помощью речевой аналитики.
Rubbles – платформа для персонализации банковского сервиса на основе методов искусственного интеллекта. Среди задач, которые решает проект, — увеличение кросс-продаж и повышение монетизации каналов дистанционного банковского обслуживания. С помощью машинного обучения Rubbles может предсказать, какие покупки клиент банка будет совершать в будущих периодах – в том числе, какие внутренние банковские продукты клиент купил бы с наибольшей вероятностью.
