— Дмитрий, как сегодня ведут себя банки в плане автоматизации маркетинга?

— Традиционно банки используют так называемые системы автоматизации целевого маркетинга, в которых кампейн-менеджеры могут сегментировать аудиторию и настраивать коммуникационные кампании для определенных каналов. До недавнего времени балом в этом сегменте маркетинговых систем в России правил зарубежный вендор, но по всем известным причинам банки вынуждены искать ему замену. Естественно, что заказчики хотят как минимум получить от замещающего решения тот же функционал и те же возможности, которые давала зарубежная система, и так, чтобы  не пришлось при этом перестраивать сопутствующую инфраструктуру, которая создавалась много лет и большой ценой. Менять сервера и операционные системы, а также перекраивать витрины данных никто не хочет.

— А как максимум?

— При выборе новой системы можно учесть недочеты прошлого решения и заложить фундамент для ее дальнейшего развития, например, с учетом перспективы более широкого применения ИИ и инструментов продвинутой аналитики. Да, для этого требуется потратить больше усилий для анализа своих потребностей и изучения предлагаемых решений, чем просто найти продукт «на замену», но за счет этого можно получить значительный эффект в будущем и раскрыть реальный потенциал больших данных. Банки об этом сейчас думают, хотя и не в первую очередь, конечно.

— О каких недостатках прошлого и о каком потенциале Big Data вы говорите?

— Немногие банки сегодня по полной используют персонализированный подход в коммуникациях со своими клиентами, хотя мы и наблюдаем большой интерес к технологиям анализа больших данных, которые позволяют это делать. Это не только российская проблема, это во всем мире так. 

Дмитрий Макеев (Rubbles).

Например, McKinsey недавно сообщил, что лишь 8% банков, попавших в поле его исследования, способны применять ML-модели в своих маркетинговых кампаниях.  У остальных же коммуникации часто бьют мимо цели: не учитываются текущий контекст клиента, его привычки, предпочтения по каналам коммуникаций и так далее. При этом инструменты анализа больших данных с применением ИИ прекрасно подходят для таких задач. Проблема в том, что они весьма редко работают в связке с системами целевого маркетинга. Кампейн-менеджеры, конечно, могут использовать инсайты из аналитических систем при ручной настройке кампаний, могут вручную настраивать АБ-тесты. Но это требует много времени и дополнительных усилий, потому что в большинстве систем целевого маркетинга просто нет функционала, чтобы автоматически использовать результаты работы аналитической системы или хотя бы удобно интегрироваться с ней. Если говорить простыми словами, их нельзя назвать data science friendly решениями. Добавим к этому еще и то, что у банка может просто не быть каких-то ML-моделей, необходимых кампэйнеру, а на их разработку нужно время и ресурсы. 

— Как же эту проблему решить?

— За весь мир не скажу. Но если параллельно с импортозамещением у нас подружить маркетологов и аналитиков, а заодно и используемые ими системы, можно избавиться от этой проблемы и начать получать реальную пользу от больших данных и персонализации. Тот же McKinsey пишет, что те банки, которым это удалось сделать, имеют на 5-15% больше выручки от своих кампаний и тратят на их запуск вдвое меньше времени. 

— Вы сказали, что об этом банки сейчас думают не в первую очередь. Но ведь думают?

— Сейчас у наших заказчиков из банков достаточно много других задач. Надо как минимум найти решение, которое позволит работать как раньше. А вот о перспективах подумали мы, предложив систему, которая не только закроет функционал зарубежного вендора без существенной перестройки существующей инфраструктуры и бизнес-процессов, но и даст возможность легко и быстро включить ИИ в процесс работы с маркетинговыми кампаниями. Речь идет о нашей CVM-платформе Rubbles Customer Insight, к которой на фоне импортозамещения российские банки проявляют повышенный интерес. Платформа уже внедрена и используется в ряде финансовых организаций, поэтому мы можем говорить о подтвержденных эффектах. В частности, недавно банк «Открытие» сообщил, что за счет персонализации клиентских коммуникаций с использованием платформы у него на 6% выросли розничные продажи ряда собственных и партнерских продуктов в цифровых каналах.

Высокий уровень персонализации банковских сообщений достигается благодаря встроенному в CVM-платформу искусственному интеллекту, который анализирует доступную ему информацию о клиентах и видит их жизненные ситуации.

Кампейн-менеджер может использовать эти инсайты, чтобы адаптировать коммуникацию под потребности клиентов и предлагать им наиболее релевантные продукты и услуги. 

— Расскажите, почему ваша система интересна банкам сейчас.

— Банки вместе с новой системой, полноценно заменяющей функционал иностранного решения, сейчас стремятся получить и максимальную гибкость в ее развитии. Наша платформа им это дает. Что тут имеется ввиду? Во-первых, Rubbles Customer Insight позволяет использовать существующие витрины данных — они создавались несколько лет под зарубежный продукт, формировать их заново под замещающее решение никто не хочет. Во-вторых, наша платформа разворачивается на серверах банков, что гарантирует им полный контроль над инфраструктурой и обеспечивает соблюдение требований информационной безопасности, а ее модульная архитектура дает возможность IT-командам заказчиков без нашего участия легко дорабатывать функциональные модули и создавать новые в дополнение к имеющимся. Кроме того, у большинства из них уже есть отдельные составляющие CVM (например, единая коммуникационная политика), и наш продукт позволяет их переиспользовать. То есть, это своего рода конструктор — банк может собрать нужное ему решение из наших, своих и чужих компонентов. И в-третьих, значительный довод в пользу Rubbles Customer Insight — полноценное и бесшовное применение AI-аналитики больших данных в клиентских коммуникациях.

— Как Rubbles Customer Insight расширяет возможности банков в применении AI-аналитики?

— Наша платформа создавалась для бесшовного использования ИИ в процессе работы с маркетинговыми кампаниями. Мы предоставляем преднастроенные ML-модели, инфраструктуру для работы с ними, а также весь необходимый инструментарий для создания новых моделей силами самого заказчика. А самое главное — платформа дает возможность в несколько кликов применить результаты работы этих моделей для формирования коммуникационной кампании. Как пример, если мы говорим о выборе лучшего канала для коммуникации с клиентом, кампэйнеру в CVM-платформе не придется настраивать вручную бесконечные каскады коммуникации — кому по какому каналу отправлять сообщение, а нужно просто указать, что канал определяется такой-то моделью — все остальное остается под капотом. Это избавляет от ручной работы и позволяет сосредоточиться на творческой части подготовки кампаний, где без человека не обойтись.

— Каковы планы по развитию платформы?

— Есть два направления. Во-первых, мы развиваем возможности аналитических модулей платформы и работаем над дальнейшей автоматизацией в части проведения экспериментов, сегментирования аудитории, оптимизации сценариев коммуникаций.  Во-вторых, работаем над реализацией нативной поддержки внешних данных. Мы хотим позволить кампейн-менеджерам использовать внешние данные (например, данные операторов связи) совместно с данными самого банка, чтобы улучшить и эффективность проводимых коммуникаций, и клиентский опыт. Например, если клиент заказал, но не забрал в отделении банковскую карту, банк может, используя данные телеком-оператора, направить клиенту напоминание в момент, когда он будет находиться неподалеку от офиса.