Значительная часть бизнеса IBM ориентирована на работу с банками и финансовыми организациями, биржами, страховыми компаниями. В основном, они обращаются к нам за экспертизой для обеспечения бесперебойной транзакционной деятельности, потому что сбои в работе – даже час простоя – могут принести серьезные убытки, репутационные, и финансовые.
Разумные вычисления в банкинге
Одно из направлений, над которым мы работаем, – когнитивные вычисления (cognitive computing). В мире есть задачи, для решения которых требуется обработка множества данных. Это касается не только финансовой сферы, но и других сфер, например, моделирование реакции организма на новый препарат в медицине. Текущие системы рассчитывают такие задачи по несколько дней, недель и месяцев. Часть исследований IBM направлена на создание чипа (он уже создан), который работает по принципу человеческого мозга и обрабатывает параллельно экзафлоп операций в секунду.
Нами создается не только сам чип, а целая система программирования, с помощью которой можно создавать корелеты, которые позволяют распознать запахи, движения человека или эмоции. Наши исследователи насчитали сего 250 типов корелетов, то есть базовых задач, которые связаны с работой головного мозга, с тем, как мы реагируем на внешний мир. На сегодня написаны и отлаживаются 150. То есть мы достаточно близки к тому, чтобы создать систему, которая будет способна распознавать чувства и окружающий мир. Наш проект IBM Watson позволит перейти к совершенно другого рода вычислениям и к другого рода бизнес-моделям, в том числе в финансовой сфере. Банкам он может быть полезен в нескольких областях.
Первая область – это next best offer. Если проследить эволюцию работы с банковскими клиентами, то сначала она велась по сегментам, потом появилось персональное обслуживание. А теперь мы говорим, что помимо персонифицированного обслуживания должна быть событийная реакция, то есть предметом анализа могут быть какие-то ситуации. Обладая полной информацией, имея возможность мониторить ее в режиме реального времени, мы можем предложить конкретному человеку оптимальный продукт в определенный момент времени. С 15 до 16 ч это может быть один продукт, в 16.30 это может быть совершенно другое предложение.
Вторая область – это, по сути дела, ситуационный мониторинг, регулятивный банк. К примеру, с первого июля в России вступили в силу новые поправки к закону о потребительском кредитовании. Одна из областей работы Watson направлена на то, чтобы при поступлении какой-то нормативной инструкции система могла бы в реальном времени выдать список рекомендаций: что мы потеряем, если мы не внедрим эту инструкцию, и что мы выиграем, если мы сделаем это раньше других. Наверное, для любого председателя правления банка это мечта.
Третья область применения – все, что связано с контакт-центрами: от контекстных подсказок операторам колл-центра и подготовки ответов на вопросы клиентов до распознавания речи. И четвертая область применения Watson в банкинге – это направление, связанное с рисками.
Возвращаясь к теме next best offer, у банков сегодня есть возможность анализировать большое количество данных. Это могут быть не только их бэк-офисные системы, это могут быть внешние системы лояльности, информация кредитных бюро, ритейловых партнеров и тем более структур, входящих в один холдинг. Но лишь немногие могут эту информацию объединять и анализировать.
У нас был проект с одной из платежных систем, который позволял реализовать в режиме реального времени многофакторную модель по расчету потенциально интересного продукта. Расчет делался в тот момент, когда купюра закладывалась в платежный терминал – не до и не после, а именно в этот момент генерировалось несколько композитных продуктов. Расчет делался на основании времени суток, суммы платежа, местоположения терминала, возможности авторизовать этого человека. За очень короткий промежуток времени, обкатав на нескольких пилотных регионах, компания купила у нас решение, сказав, что даже в рамках этого пилотного проекта получила возврат инвестиций.
Деньги – это эмоции
На мой взгляд, все люди любят тратить деньги. Вопрос в том, каким образом они могут быть потрачены, какие у человека есть предпочтения. Мы часто сталкиваемся с ситуациями, когда нам навязчиво предлагают совсем не то, что нам хочется. А иногда настойчиво присылают напоминания по уже приобретенному продукту или услуге. И это, конечно, настраивает на негативное отношение к такому поставщику.
Расскажу очень короткую историю, не связанную с технологиями, но объясняющую, что люди иногда ждут. Я был в командировке и возвращался вечером после трудового дня с мыслью, где бы завтра утром побегать. В этом месте я был первый раз. Поднявшись в номер, открыв дверь, я увидел висящую на шнурке картонку в виде кроссовки, на которой были прописаны маршруты движения, время движения, километраж. Я был очень удивлен и чувствовал, что мне дали ровно то, что хотелось.
Этот вырезанный из картона образец стоил 10 евроцентов, но прошло лет 10, а я все равно продолжаю вспоминать то впечатление, которое я увез из этой гостиницы. И естественно, если мне дадут две гостиницы, я выберу эту, даже в ущерб цене, если это оправдано. Вот это пример того, как можно предвосхитить желание человека, и что это может стоить не очень дорого.
У нас в портфеле есть два решения в рамках подхода «Разумная коммерция», которые позволяют отслеживать поведение клиентов и предлагать то, что им нужно. Сейчас мы готовы персонифицировано обслужить десятки, сотни тысяч клиентов на рынке потребительских услуг и товаров, а иногда и миллионы. Как можно обслужить такое большое количество клиентов, если мы не можем с ним поговорить персонально? Практика показывает, что с помощью ряда техник это можно сделать очень качественно и эффективно. Приведу пример.
Мы делали достаточно интересный проект с банком ING. Вы заходите на банковский сайт и начинаете изучать услуги: элитные продукты, депозиты. Через 15-20 минут вы зашли на какой-нибудь новостной сайт или на сайт вашей компании и вдруг обнаруживаете в разделе баннерной рекламы ссылку на один из продуктов банка, который вы изучали 15 минут назад, но с небольшим добавлением, что специально для вас действует какая-то промо-акция. Таким образом, эффективность навигации по сайту с точки зрения продаж увеличивается в два раза.
Второй пример. Допустим, вы запустили какой-то продукт или акцию. Но проходит неделя, а вала желающих по ней не наблюдается, приходят единицы, и вы не знаете, почему, поскольку видите в электронных каналах неполную картину. Система, которую мы разработали – IBM Tealeaf, – записывает каждую пользовательскую сессию и может показать, например, что 85% людей получили и открыли ваше письмо, 75% перешли по ссылке, но 30% человек, которые попытались заполнить форму на сайте, столкнулись с проблемой перевода с русского языка на английский или не смогли увеличить шрифт, поэтому ушли.
Получая такую статистику в автоматизированном режиме, можно понять, на чем имеет смысл еще поработать. Есть 30% людей, которые хотели стать клиентами, но не смогли, значит им пишется отдельное письмо, исправляется страничка на сайте, и большая часть из них, если они получают письмо, будут довольны, как я со своим кроссовком, потому что их проблему решили.
Раньше у нас не было информации о том, как мы можем изменить наше поведение. Но российский рынок в настоящее время находится в стадии формирования такого персонифицированного подхода.
Источник: http://futurebanking.ru/post/2544