Машинное обучение: как банки пытаются завоевать доверие клиентов

Банки начали искать возможность анализировать цифровой след пользователей еще в начале 2010 годов. Они хотели предлагать каждому клиенту набор продуктов, подходящий именно ему, а значит, повышать конверсию контактов в продажи. Однако получили возможность делать это только с развитием технологий машинного обучения и big data.

Сегодня банки могут в автоматическом режиме анализировать цифровые следы (просмотренные страницы в интернете, история покупок, геометки, хештеги и статистика контактов), которые клиенты оставляют при взаимодействии с электронными сервисами. На их основе они строят механизмы массовой персонализации. Такие механизмы адаптируют услугу или интерфейс сайта/приложения банка под каждого конкретного пользователя. Например, при заходе на сайт банка один клиент видит вверху страницы рекламу кредита, а другой — депозита, в зависимости от того, что он искал в интернете ранее. Чтобы организовать такую подмену, система проанализировала историю поиска всех клиентов, сопоставила ее с тем, какие продукты и услуги они покупали у банка, и научилась выделять в цифровом следе клиента признаки, показывающие его наиболее вероятный выбор.

Однако правительства многих стран относят такие данные к персональным и ограничивают свободный доступ к ним. Прямо на наших глазах происходит поиск нового баланса между стремлением защитить тайну частной жизни и удовлетворить потребности клиентов. Банки и страховые компании создают в своих внутренних системах целые справочники характеристик клиентов. Ряд этих данных — например, паспортные и биометрические данные, а также историю обслуживания — они собирают самостоятельно. Другую часть покупают у внешних поставщиков: бюро кредитных историй, платформ агрегации данных, операторов сотовой связи и интернет-площадок. Для обработки максимального перечня данных банки и страховые компании в обязательном порядке получают согласие пользователей и запускают механизмы анонимизации данных. Так они соблюдают требования законодательства и информационной безопасности. Благодаря этим шагам банкам и страховым компаниям уже удалось значительно оптимизировать ряд процессов.

Следующие подходы, опробованные на миллионах клиентов, могут быть полезными и для компаний из других сфер бизнеса.

Эффективные подходы технологичных банков и страховых компаний

Кредитный скоринг