Банки в кризис особенно активно пытаются колдовать на поведение клиентов
Технологии захватывают банковскую отрасль: мобильный банкинг, финансовые приложения для смартфонов, P2P-переводы и бесконтактные платежи... Финтех-ориентированные банки умеют определять надежных заемщиков, выдавать им кредиты за считаные минуты, рассчитывать, в какой банкомат и в какой день недели нужно загрузить больше денег. Как они это делают?
Предсказать непредсказуемое
Повышение эффективности бизнеса, особенно в кризис, волнует большинство банков. Для этого можно сократить издержки по всем фронтам, а можно освоить современные технологии, которые позволяют компаниям зарабатывать больше. Например, инструменты предиктивной аналитики.
Предиктивная аналитика – это набор статистических методов и моделей, используемых, чтобы предсказать наступление какого-либо события в будущем. На деле такая аналитика позволяет рассчитать вероятность того, что клиент приобретет новый банковский продукт, прекратит сотрудничество с кредитной организацией или, скажем, выйдет на просрочку. Проще говоря, предиктивная аналитика применяется банками для понимания поведения как будущих, так и действующих клиентов. Несмотря на то что применение предиктивной аналитики имеет ряд ограничений (например, поведение клиентов более-менее устойчиво), да и полученные результаты могут быть условные, она позволяет банкам существенно обогатить свою информационную базу для принятия решений – будь то контроль расходов, оценка рисков или увеличение прибыльности.
Чудо-инструменты, или Старый добрый Excel
В основе предиктивного анализа лежат математические алгоритмы, позволяющие увидеть и оценить сложные взаимосвязи между набором данных о клиенте и их влиянием на его будущее поведение. «При работе с данными используются профессиональные статистические пакеты, позволяющие использовать закономерности, найденные в исследуемых данных, для построения аналитических моделей, способных предсказать действия клиентов», — рассказывает начальник управления развития взаимоотношений с клиентами ЮниКредит Банка Светлана Сергеева.
Объем данных, подвергающихся анализу, достаточно большой: социально-демографические характеристики, обороты клиентов, балансы, объем кредитных обязательств, характеристики автомобиля (марка, модель, стоимость, иногда даже цвет), имеющаяся недвижимость, характер кредитной истории (наличие просрочек и их длительность), история покупок и операции по снятию наличных по банковским картам и т. д.
По словам директора по продажам платформенных решений Microsoft Леонида Березовского, в расчет могут приниматься как данные, накопленные во внутренних базах данных банка, так и данные, получаемые извне из открытых источников: биржевые сводки ценных бумаг и курсов валют, публичные профили компаний, новости, социальные сети. Например, чтобы выявить клиентов, склонных к невозврату, можно как прибегнуть к поведенческому анализу истории взаимоотношений банка с каждым заемщиком, так и произвести исследование макроэкономических показателей, таких как курсы валют, цены на недвижимость, уровень инфляции и безработицы. Также можно брать данные от компаний других индустрий, обслуживающих аналогичный сегмент рынка, — в случае с физическими лицами, скажем, операторов сотовой связи. «Еще одной разновидностью предиктивной аналитики является пример использования технологии «интернет-вещей» в применении к прогнозированию выхода из строя банкоматов и другого оборудования», — поясняет эксперт.
Сегодня на рынке представлено множество решений предиктивной аналитики: от дорогих мультифункциональных платформ до решений с открытым кодом. Но наиболее часто используемым инструментом по-прежнему остается старый добрый Excel — именно в нем чаще всего строятся модели и проверяются гипотезы. Для более сложных задач также есть различные инструменты — от сбора и хранения данных до их статистической обработки и анализа, — причем как с использованием облачных технологий (Machine Learning), так и на собственных мощностях банков.
Сердце клиента склонно к оттоку
Аналитика как таковая позволяет систематизировать информацию о клиентской базе, составить так называемый портрет клиента. Предиктивная аналитика является частью общей системы и помогает выявить клиентские потребности, которые имеются сейчас или могут возникнуть в будущем. Определение этих потребностей происходит на основании анализа исторического поведения клиента. По сути, это означает, что предиктивная аналитика позволяет найти новых потенциальных клиентов, а также способствует увеличению продаж уже существующим.
«С точки зрения перекрестных продаж мы видим повышение качества проводимых кампаний и снижение затрат на привлечение клиентов, — говорит старший вице-президент по развитию банковских продуктов и маркетингу банка «Ренессанс Кредит» Евгений Лапин. — При этом коммуникации строятся не по всей базе. Предложения направляются только тем, кого выбрала система в соответствии с определенными предикторами. С точки зрения управления клиентским портфелем мы видим рост проникновения количества активных продуктов на одного клиента, что снижает вероятность его ухода из банка».
«Аналитическая обработка клиентских данных позволяет получить новые знания о клиентах и сформировать поведенческие кластеры, — поясняет вице-президент, директор департамента CRM ВТБ 24 Дмитрий Кузякин. — Можно найти группы со схожим поведением и предсказать их дальнейшее развитие. Это и есть предиктивный анализ. С его помощью мы определяем клиентов, склонных к оттоку, предсказываем снижение активности или ее рост, определяем склонность к покупке того или иного продукта (вероятностные модели отклика)».
«При рассмотрении новых клиентов важно «предсказать», как будет вести себя человек с точки зрения платежной дисциплины, целесообразно ли выдавать ему кредит, — делится опытом директор департамента бизнес-аналитики и розничного CRM Абсолют Банка Евгения Борискина. — При работе с действующими клиентами предиктивная аналитика позволяет понять, какие продукты или услуги и когда предложить клиенту, сформировать для него индивидуальное предложение, определить, нуждается ли человек сейчас в дополнительном кредите или интересен ли ему определенный вклад».
Для клиента одним из преимуществ таких индивидуальных предложений является возможность получить кредит за минимальное время (15–20 минут), по минимальному набору документов (чаще всего только по паспорту) и по выгодной ставке. «Клиент получает предложение по кредиту на выгодных условиях, а банк изначально делает для такого предложения выборку надежных клиентов, — говорит начальник управления маркетинга банка «ДельтаКредит» Александр Лола. — Например, это могут быть клиенты, уже полностью погасившие однажды взятый кредит и не имевшие проблем с выплатами по графику». Предложения могут формировать и по другим признакам: месту проживания клиента, потребности именно этого клиента в конкретном продукте (например, специальные ипотечные программы для молодых семей).
«В настоящее время российские банки по-прежнему ведут последовательную борьбу с просрочкой, — говорит аналитик банка «Хоум Кредит» Станислав Дужинский. — Зачастую получить кредитную карту или кредит наличными может только человек, который уже присутствует в базе клиентов и зарекомендовал себя как ответственный заемщик. В результате в выигрыше остаются все: человек, для которого новый кредит не стал непосильным бременем, и банки, качество активов которых не ухудшилось». «Это позволяет сформировать оптимальные условия кредитования для каждого клиента и свести к минимуму собственные риски», — соглашается директор по коммуникациям Тинькофф Банка Дарья Ермолина.
Волшебный результат
Практика применения предиктивной аналитики в банках насчитывает десятки примеров: от универсальных сценариев, таких как прогнозирование продаж и оттока клиентов, до сугубо специфичных для банков, как, например, оценка кредитных рисков, прогнозирование спроса на наличные деньги, предотвращение мошенничества и поиск схем отмывания денег.
«Полученные знания используются для формирования индивидуальных предложений клиентам, максимально отвечающих их потребностям на текущий момент или имеющих целью предотвратить отток клиентов», — говорит Светлана Сергеева из «ЮниКредита». «Использование мобильных устройств, активность в Интернете, общение в социальных сетях генерируют огромные объемы ценных данных, с помощью которых можно составить полный портрет клиента и с высокой точностью определить его потребности и возможности», — уверен Леонид Березовский из Microsoft.
«Самым наглядным примером применения предиктивной аналитики является контекстная реклама в Интернете, — отмечает руководитель департамента стратегического анализа и CRM Ситибанка Дмитрий Коловский. — Например, на основании наших поисковых запросов формируется список рекламных ссылок, отображаемых на новостных сайтах. Или клиент собирается в путешествие и покупает авиабилет по карте: банк может разумно предположить, что клиенту будет интересна страховка для путешественников, и сразу же сделать специальное предложение». По его словам, традиционно банки формируют предложение для своих клиентов раз в месяц. При формировании предложений учитывается большое число демографических и поведенческих факторов, включая историю использования продуктов банка или кредитную историю клиента в целом. Клиент делает покупку в торговом центре, а банк присылает информацию, что по кредитной карте банка можно получить большую скидку где-то рядом. «Например, можно найти магазин или кафе поблизости от клиента, которые предлагают бонусы или скидки при оплате картами, при этом учитывая интерес клиента к той или иной категории товаров, — рассказывает Дмитрий Коловский. — Как только предложение сформировано, оно может быть доставлено любым способом через любой традиционный канал связи: телефонный звонок, СМС, электронную почту или как сообщение в интернет-банке».
Технология так называемого real-time-маркетинга также внедрена в банке «Тинькофф». «Клиент совершает покупку по карте в магазине торгового центра и в течение короткого времени получает оповещение от банка о спецпредложении в соседнем магазине, — рассказывает Дарья Ермолина. — Клиент оплачивает услугу в магазине спортивных товаров, а потом получает оповещение о спецпредложении на занятия в финтес-центре». Банк использовал технологии для проведения финансового квеста: предложил клиентам последовательно выполнить несколько заданий за вознаграждение. Например, оплатить товар в определенном месте или на определенную сумму, перевести деньги на счет благотворительного фонда. «Клиенты проходили квест с разной скоростью, каждое следующее задание приходило в течение получаса после выполнения предыдущего», — поясняет представитель банка.
«Предиктивная аналитика в комбинации с учетом предпочтений клиента в отношении канала и времени коммуникации с банком (СМС, звонок из банка, e-mail, банкомат, интернет-банк и т. д.) позволяет не только увеличить прибыль за счет более эффективной стратегии коммуникации, но и повысить удовлетворенность и лояльность клиентов, их желание сотрудничать с банком», — уверена Светлана Сергеева.
«Современные условия рынка не позволяют остаться в стороне практически ни одному крупному игроку. Почти все банки, активные на рынке, используют те или иные инструменты предиктивной аналитики. При этом область ее применения постоянно расширяется, — говорит Леонид Березовский. — Для банков мотивирующим фактором является угроза со стороны новых высокотехнологичных компаний и традиционных игроков других индустрий, обладающих большой клиентской базой и расширяющих свой портфель финансовыми продуктами и услугами».
Таким образом, в борьбе за рынок банкам приходится повышать скорость принятия решений, оптимизировать портфели и персонализировать предложения — задачи, решение которых сейчас не обходится без предиктивной аналитики.
Фаина ФИЛИНА, для
