Промоция банкови продуктии формирането на потребност от тях.

Геймификацията е една от най-популярните този моментв маркетинговите тенденции. И за нас беше логично, като банка с активна и напреднала аудитория, да я подкрепим, като предложим на клиентите промоция, при която механиката на играта е внедрена на правилното технологично ниво и е до голяма степен персонализирана.

В резултат на това много потребители получават първия си опит да печелят лихва върху пари, които просто стоят в банката. Клиентите разбират от собствен опит, че спестовната сметка е прост и печеливш продукт. И това е първата стъпка към откриването на депозит или сметка и към разширяване на разбирането ви за банковите продукти като цяло.

Косвен резултат е и редовното използване на онлайн банкиране от потребителя, тъй като само там може да се види напредъкът му.

Освен това резултатът се постига индиректно с помощта на игрови механики, представени под формата на история за активен начин на живот, който е много по-интересен за определена аудитория от възможността за спестяване и получаване на лихва (това се предлага от всяка банка ) или обаждане за използване на онлайн банка.

Геймификацията е супер тема. Всичко е въпрос на участие. Скучно е да правите транзакции в банка, скучно е да използвате банкови продукти. И хората обичат да се състезават, хората обичат да се състезават. Седи вътре и много дълбоко. И можете да използвате тези качества на хората. Как да направите това в банка? Малко са случаите. Но моето дълбоко убеждение е, че тези, които се научат да ангажират активно клиентите си, включително да използват геймификация, могат да спечелят много пари.

Типични подходи:

1. Програми за лоялност с точки, мили и връщане на пари като награди.
2. Интерактивно контекстуално обучение за нови функции. Скриптове за добре дошли.
3. Куестове и състезания за клиенти.
4. Създаване на прости полезни услуги с елементи на играта: PFM, натрупване на гол.
5. Вирусни промоционални игри, които обявяват нови продукти по забавен начин.

На първия форум на FinMachine, проведен в петък, директорът на отдела за моделиране на риска на Sberbank Максим Еременко и ръководителят на R&D в областта на Data Science Андрей Черток описаха как най-голямата банкаДържавите използват машинно обучение, наред с други неща, за генериране на искове и намиране на бизнес партньори за своите клиенти.

Андрей Черток: Като част от участието ни в един от проектите на банката, ние откриваме поведенчески модели на банкови клиенти въз основа на техните транзакции. Първите модели бяха свързани с описателния анализ на поведението на транзакциите. Например, клиентът нямаше покупки, свързани с автомобили - те се появиха. Това означава, че той е купил кола и сега е възможно например да предложи на такъв клиент продукти или услуги, които са полезни за собствениците на автомобили.

Следващата задача е да се предвидят определени събития, включително самия факт на покупката. В допълнение към моделите, с появата на определени MCC кодове, става възможно да се извлече достатъчно информация от данните интересни истории, включително свързани със спестовната дейност на картодържателите. Тоест виждаме кой от клиентите на банката спестява пари и предупреждаваме някои големи покупки. Това може значително да подобри моделите. Банката може да предостави по-широка гама от оферти. Това обаче означава, че такива модели трябва постоянно да се адаптират.

На слайда виждаме три доста ясни случая: покупка на кола, ремонт на апартамент/закупуване на мебели и разходи за лечение. Особено ценно е, ако клиентът може да даде обратна връзка за предлаганите му продукти. Следователно е необходимо да се направят модели, които могат да вземат предвид тази обратна връзка. В много отношения това е същият принцип, който е в основата на моделите за учене с подсилване, които сега започваме да разработваме.

Обучението с подсилване, което в момента се разработва от OpenAI и DeepMind, наред с други, е предвестник на AI, както те искат да го видят. Системата не е предварително инсталирана с нито един модел на света и системата всъщност не знае нищо за това. Системата започва да взаимодейства със света, получава обратна връзка, така наречените награди. След това системата коригира поведението си въз основа на това колко добри или лоши са получените награди. При банковите продукти възнаграждението е например колко интересно или безинтересно се оказва дадена банкова оферта за клиентите.

Чрез използване на методи със специфични свойства, които позволяват обучение с подсилване, можем да адаптираме тези алгоритми в реално време. Сред новите подходи може да се отбележи, че съвсем наскоро статия от същия DeepMind беше публикувана в Nature, където се говори за това как елементи от машина на Тюринг са въведени в невронна мрежа. В резултат невронната мрежа успя да има памет, която липсва на невронните мрежи на този етап.

Казус 2. Оптимизиране на фунията на продажбите
Андрей Черток: В този случай ние анализираме транзакционната активност, търсейки клъстери от клиенти с определени модели на поведение. Но в този случай ние не ги свързваме с предсказанието за някакви събития. Например можем да намерим клиенти, които летят често, пътуват в чужбина и често конвертират валути. Въз основа на това ние правим оферти на такива клиенти по-ефективно.

Слайдовете показват какви модели можем да намерим и какви продукти можем да предложим в този случай. Като цяло историята е ясна - тук се предполагат определени методи, свързани с групирането. Проекция на данни, например.

Казус 3. Оптимизиране на паричното обръщение
Андрей Черток:Sberbank разполага с широка мрежа от банкомати, клонове и схема за работа корпоративни клиенти. Съответно възниква задачата да се предвиди утрешното търсене на пари в брой. Колкото по-точно направим тази прогноза, толкова по-точно, да кажем, можем да разпределим тези пари. От една страна, важно е парите да не стоят бездействащи в банкоматите, а вместо това да ги поставим на краткосрочен депозит. От друга страна, ние се стремим да избегнем репутационни загуби - парите свършват по-рано от планираното, банкоматът спира да работи и клиентът остава недоволен.

Тук имаме нужда от модели, които могат да се справят с асиметрични грешки. Първите модели са много прости и базирани на класически методианализ на времеви редове, свързан с тяхното изглаждане. Сега са необходими по-точни подходи и методите за машинно обучение вече се използват активно. Естествено, такива методи трябва да бъдат адаптивни, тъй като търсенето зависи както от макроикономически фактори, така и от параметри като местоположението на банкоматите в града и прогнозата за времето. Комбинирането на хетерогенни характеристики дава по-значими резултати от използването на други модели за машинно обучение.

Случай 4. Моделиране на вероятността от неизпълнение за малки предприятия в реално време
Максим Ерьоменко: През 2014 г. всички говореха за Big Data. През 2015 г. машинното обучение стана разрушително и на ръба. Тази година основната тенденция беше дълбокото обучение. Догодина явно ще говорят за закрепващо обучение.

За разлика от трите предишни тенденции, обучението с подсилване е лесно да се изпробва на отворени платформи. Отвореният изкуствен интелект, финансиран от Илон Мъск, и платформата DeepMind се обучават на компютърни игри, използвайки отворен API, който ви позволява да влезете в кода на играта.

Получаваме битка между два алгоритъма. Ако през 80-90-те играехме Pac-Man, сега машината го управлява и този алгоритъм може да бъде модифициран. DeepMind отиде малко по-далеч по този път и заедно с Blizzard изградиха алгоритъм за StarCraft.

Алгоритмите се обучават по такъв начин, че да ги рационализират за напълно приложни проблеми. В бъдеще те могат да бъдат ефективно обучени по задачи, свързани например с превода на текстова информация във вектори.

Такива задачи са в основата на двигателя Google Word2vec, който извършва превод от текстова информация във вектор, търсене и целия семантичен анализ на текста, на който се основава.

Но самият случай е малко по-различен. Прегледахме активните клиенти на нашето портфолио в B2B и B2C сегментите, като обърнахме специално внимание на малките предприятия, които активно обменят плащания. И когато работим с тях, ние се опитахме да изоставим класическия кредитен скоринг и анализ финансови отчетии извършване на качествена оценка на рисковете по отношение на репутацията на бенефициента, мениджърите и подобни параметри. Вместо това започнахме да използваме някакъв вид обобщена метрика, разчитайки единствено на транзакции - по същество правейки аналитичен скоринг въз основа на данните, с които разполага банката.

В резултат на това се оказа, че моделът, базиран на кредитен скоринг, който класира клиентите по вероятност за неизпълнение, практически не се различава по отношение на показателите за количествена точност от класическите модели. Нейното Джини е почти същото на 60-65%. Но ако собствената информация на банката се обогати с външни данни, да речем от социалните мрежи, и се използва за класиране, тогава точността може да се увеличи допълнително.

На практика това означава, че няма нужда да губите време за оценка на рисковете от гледна точка на класическия анализ. Можете да обработите данните, които са в системата, и да получите статистически еднакво релевантен показател за качество.

Този модел сега може да се използва само за генериране на списък с предварително одобрени предложения. Ако клиентът каже: „добре, съгласен съм“, тогава процесът е по-сложен. С течение на времето, ако видим, че качеството на потока е останало на текущото или повече високо нивои моделът показва по-голяма точност на прогнозиране, тогава може да се използва като алтернатива.

Казус 5. Алгоритми за обработка на естествен език за анализ и генериране на искови молби
Максим Ерьоменко: Като част от използването на инструменти за работа с текст или обработка на естествен език, бяхме изправени пред факта, че Сбербанк изразходва доста голямо количество човешки и времеви ресурси за анализиране на искови молби и изготвяне на отговор. В същото време анализът на по-голямата част от информацията на ищците и самите искови молби, адресирани до Сбербанк, могат да бъдат автоматизирани. Не използвайте труда на хора, които въвеждат информация за паспортните данни в диспозитива искова молба, но можете да извлечете всичко това: дата на раждане, паспортни данни, подробности и диспозитива. На втория етап, за да подготвим отговора на исковете, предложихме да използваме конкретен шаблон като оптимизация.

Случай 6. ОпределениеB2БандаB2B-вериги
Максим Ерьоменко: За активни B2B потребители можете не само да оцените кредитния риск, но и да изберете типични модели на неговия партньор. Ако видим в портфолиото компания с подобен профил стопанска дейност, и двамата принадлежат към приблизително една и съща кохорта, тоест това не са големи инвестиции и малки предприятия, тогава ние, въз основа на тези модели, избираме партньори и препоръчваме кои взаимоотношения могат да представляват интерес за тях.

Случай 7. Алгоритми за чатбота @SberbankML_Bot
Максим Ерьоменко: Нашият чатбот все още се учи, но също така прави някои неща, които много хора вече знаят как да правят, например препращане чрез API към отворени източници като Wikipedia. Ако го попитате кой е Греф или Путин, той ще ви отговори.

Имаме вътрешен ангажимент към нашите шефове, че до лятото на 2017 г. ботът ще може да води разговор на банкови теми, плюс това ще има базови когнитивни способности и ще може да води разговори на абстрактни теми. В момента ботът е базиран в Telegram, но ние вече разработваме собствен месинджър [където ще бъде преместен].

Случай 8. Нашите алгоритми могат не само да се учат, но и да пишат поезия
Максим Еременко:Това е по-забавен проект. Взехме повтаряща се невронна мрежа, базирана на поемите на Пушкин, Лермонтов и малко на чата Jira на самите разработчици, и обучихме системата да пише поезия. Отначало тя не се справяше добре дори с ямбичния тетраметър, но след това дори започна да се появява рима. Сега той успява да пише поезия дори за Сбербанк.

Финансов симулатор помага на хората да погледнат как работи една банка отвътре

Към отметки

Представители на Home Credit Bank разказаха на редакторите на сайта за това как компанията е разработила онлайн играта „Your Own Banker“, която позволява на играчите да се чувстват като директор на банка. Благодарение на симулатора публиката може да разбере как точно работи една финансова организация, което им позволява да се включат в марката.

Идеята за разработване на онлайн финансова игра се появи в банката през 2015 г. Компанията си е поставила за цел да заинтересува хората банково дело, въвличат се в марката и по закачлив начин разказват за основните принципи на работа на банката.

„Опитът показва, че хората са по-склонни да взаимодействат с това, което разбират. И нашата игра дава възможност на хората да погледнат банката отвътре: играчите сами определят как ще работи „тяхната“ банка и след това системата автоматично изчислява печалба или загуба“, казва Мария Бурак, директор на отдела за маркетинг и маркетингови комуникации на Хоум Кредит Банк.

Управлението на банката е разделено на девет области ( кредитни продукти, рискове, обслужване на клиенти и т.н.). Избирайки елемент от менюто, играчът трябва или да отговори на въпрос, или да зададе стойностите на финансовите индикатори.

След като потребителят дефинира политиката на организацията, системата изчислява колко успешна ще бъде банката и колко играчът ще може да спечели (или загуби).

Играта стартира в средата на 2016 г. От откриването му досега в него са участвали над 32 хиляди души. „Първоначално очаквахме, че до края на 2016 г. поне 10 хиляди души ще играят играта. В резултат надхвърлихме първоначалните си планове повече от три пъти“, отбелязва Бурак.

Според директора на маркетинговия отдел около 20% от играчите са играли няколко пъти, опитвайки се да подобрят резултата си. Публиката се състоеше от клиенти на банката, абонати на нейните групи в социалните мрежи, хора, дошли чрез репостове от други играчи, както и банкови служители.

„Онлайн играта няма награден фонд и компанията не е платила за промоция. Играчите бяха привлечени чрез уебсайта и официалните общности на банката в социалните мрежи. Изпратихме и писмо с предложение да играете „Your Own Banker“ до клиенти и служители на нашата банка“, отбелязва тя.

Според Бурак по този начин банката решава няколко важни проблема наведнъж: привлича интерес към марката, повишава информираността и финансова грамотностиграчи, а също така ги включва в играта.

Не сме имали за задача да рекламираме продуктите на банката. Искахме да променим отношението на хората към банков бизнескато цяло - говорете за целите и задачите, обяснете как банките постигат своите резултати. Това се отнася повече до имиджовата страна на проблема, отколкото до продажбите на продукта.

Идеята, моделът, визуалната концепция на играта – всичко е измислено и разработено в рамките на банката. Участващата агенция само начерта и програмира мисията. Прототипът за създаване на онлайн куест беше тренировъчна настолна игра, също създадена от служители на нашата банка.

Нарича се още „Вашият собствен банкер“. Неговата игрова механика е много по-сложна: трябва да играете в отбори в няколко рунда. Пълното завършване на тренировъчната настолна игра отнема от няколко часа до цял ден. В онлайн версията можете да постигнете резултати много по-бързо: за няколко минути. Струва си да се отбележи, че в рамките на играта ние не популяризираме продукти на Home Credit Bank по никакъв начин.

Между другото, по време на съществуването на играта тя също имаше свои собствени рекордьори. Играта може да се играе неограничен брой пъти. Един човек е играл 127 пъти, получава и печалба, и загуба. Той постави абсолютен рекорд - 42 209 768 000 рубли, който все още не е счупен, въпреки че няколко души успяха да се доближат до него и „спечелиха“ 42 135 451 000 рубли.

Играта прави всеки процес по-лесен и забавен. Ето защо се появяват все повече и повече приложения, базирани на геймификация. В играта потребителите получават нови знания, развиват полезни навици или, обратно, се отърват от лошите.

Защо банките и платежните системи се нуждаят от игровизация?

„Игровизацията“ е по същество система от мотивация и стимули. IN съветско времеимаше почетно табло, на което бяха поставени снимки на най-добрите работници (по това време не се говори за стимулиране на купувачите). Сега има много повече възможности да направите системата за мотивация интересна, вълнуваща и нелинейна. Това е превръщането му в игра, което е геймификация.

Геймификацията е предназначена да завладее потребителя, човекът ще се стреми към нови постижения. Важно е този път да е ясен. Например, потребителят не само получава нов статус в приложението, но вижда движение към него и разбира какво трябва да направи за това. Всичко това с красива графика.

Човешкият мозък винаги се стреми да опрости. Затова бързо се заемаме с разбираеми за нас неща и отлагаме трудните за по-късно. Геймификацията е един от начините за опростяване и намаляване на дискомфорта.

С кого можеш да играеш?

Мозъчната дейност не зависи от социалната роля. Ето защо геймификацията работи както за клиентите, така и за служителите. В днешно време към компаниите се присъединяват все повече специалисти от поколение Y. За тях подписаният договор не е най-важната причина за всеотдайна работа, а финансовите стимули не винаги включват пълна мотивация.

Работата трябва да е вълнуваща, служителите искат развитие и независимост.Следователно играта може да започне още при наемането на служител и може да се използва в бъдеще за повишаване на мотивацията.

И, разбира се, геймификацията помага за изграждането на взаимоотношения с клиентите, повишаването на тяхната лоялност и формирането на навик за използване на конкретна услуга или продукт. Именно в играта можете ненатрапчиво да насочите потребителя към целевото действие. Ще се фокусираме върху тази аудитория и във връзка с финансовия сектор.

Дълги години се смяташе, че банките и финансова институциянеобходимо е да се създаде и поддържа имидж на сериозни компании, те категорично не позволяват шеги. Само тогава клиентите ще им доверят парите си. Но ситуацията се промени: финансистите също използват геймификация.

Цели на геймификацията

1. Привлечете нови потребители

Едно е, когато говорите за предимствата на даден продукт, но съвсем друго е, когато поканите потребителя да участва в игра.

Случай

Миналата година Rocketbank проведе онлайн търсене с препратки към СССР. Потребителите могат да спечелят iPhone 7, испански хамон или френски макарони. Участниците трябваше да изпълнят 12 задачи, за които се присъждаха точки и се поставяха печати на виртуален билет. Някои от тях бяха свързани с разпространението на информация за Rocketbank в в социалните мрежи. И една от задачите - „Партийна карта“ - включваше подаване на заявление за издаване на карта Rocketbank.

По този начин участниците в мисията, докато играят, сами повишават разпознаваемостта на банката, разширяват аудиторията й и междувременно стават клиенти.

2. Помогнете да разберете продукта

Финансовите продукти често са доста сложни; потребителят трябва както да обясни самата услуга, така и да предостави инструкции как да я използва.

Случай

Холандската Robobank въведе елемент на игра в доста сложния и объркващ процес на получаване на ипотечен кредит. За целта кредитополучателят трябва да премине през път, за него са определени конкретни стъпки и едва след като ги изпълни, се отваря следващото ниво и се активира новата икона за действие.

3. Подобряване на финансовата грамотност

Много банкови и разплащателни услуги не само гарантират, че клиентите познават техния продукт, но и повишават тяхната финансова грамотност. Често въпроси относно защитата от измами и вземането на финансови решения се използват в геймификацията.

Случай

В Америка има програма за награди, наречена SaveUp. Потребителите се насърчават да предприемат правилни и ефективни действия, свързани с финансите. Освен това това не е програма за лоялност на конкретна банка, в нея са включени потребители на повече от 180 хиляди американски финансови институции.

Точките, например, се броят, когато потребителят депозира средства в пенсионна сметка или депозит, изплати дълг ипотечни кредити, кредитни картии други видове заеми. Освен това потребителите участват във финансови образователни курсове на ресурса SaveUp. Точките могат да бъдат осребрени за шанс за спечелване на награди.

4. Увеличаване на потребителската активност и предлагане на нови услуги

Хората не отиват в платежна услуга от скука или просто защото имат свободна минута. Трябва да платите - потребителят отваря приложението, извършва плащане и напуска. Но при този подход клиентът може дори да не знае всички възможности на услугата. Например, той разбра, че е удобно да плаща за жилищни и комунални услуги, затова дойде веднъж месечно и направи плащане. Докато HOA или управляващата компания не издаде следващата разписка, потребителят не може да се върне към услугата.

Случай

Системата за плащане на Централна каса има голяма група потребители, които се различават от другите аудитории - таксиметрови шофьори. Те получават плащане от пътниците, които са платили с банкова карта, На онлайн портфейл. Някои от тях просто прехвърляха получените пари по картите си. С това приключва взаимодействието с платежна системасвършваше.

Затова бизнесът беше изправен пред задачата: научете таксиметровите шофьори да използват приложението за плащане на услуги. Ето защо стартирахме играта. Таксиметровите шофьори приемаха плащане за пътувания, получаваха бонуси и плащаха за експедиторски услуги без комисионна.

Друг случай

Alfa Bank стартира услугата Alfa Activity. Банката предложи на потребителите автоматично да прехвърлят пари в „касичката“ пропорционално на предприетите стъпки. За да направите това, беше необходимо да свържете акаунта на фитнес тракера към интернет банката. Резултатите бяха показани в специална скала, така че потребителят да разбере какво вече е спестил.

И още един

Американската банка PNC не излезе с дълго и сложно търсене. Касичка просто се появява на екрана на потребителя, когато той е в своето онлайн банкиране. Когато щракнете върху него, средствата се прехвърлят във вашата спестовна сметка. Освен това клиентът самостоятелно конфигурира честотата и размера на плащанията.

5. Програма за лоялност

Отваряме портфейла си и какво виждаме? Голям брой карти за отстъпка, много хора вече не ги носят всички със себе си. Следователно никой няма да бъде изненадан от редовна програма за лоялност. Потребителите често дори отказват да се присъединят към него.

Случай

Съживявам бонус програмаГеймификацията отново ще помогне. Испанската банка BBVA стартира онлайн услугата BBVA Game. Клиентът получава точки за извършване на определени действия, например за извършване на онлайн плащания. Точките могат да се обменят за награди, музика и видеоклипове на партньорския сайт на BBVA. В допълнение към точките, потребителят получава медали („значки“), които се показват на страницата на неговия профил.

Но е важно да запомните, че фирмите не трябва просто да стартират игра, за да я играят. Целта на геймификацията е да направи взаимодействието с компаниите, закупуването на техните услуги и използването на функционалности по-интересно. Само в този случай играта ще помогне за постигане на бизнес цели и повишаване на лоялността.