— Игорь, расскажите, что такое массовая персонализация. Для неспециалиста звучит как оксюморон…

— В нашем названии действительно сочетаются два понятия, которые во многом друг другу противоречат. «Массовая» — это про общее для всех, а «персонализация» — про индивидуальное. Но объединение этих двух понятий в одном дивизионе неслучайно.

В Экосистеме «Сбера» более 100 млн активных клиентов-физлиц, и наша задача — дать каждому из них почувствовать себя уникальным при взаимодействии со «Сбером». Клиент видит это так: он общается не с бездушной машиной, выдающей всем один и тот же ответ, а с интеллектуальной рекомендательной системой, которая в процессе взаимодействия с человеком порождает и поддерживает индивидуальный диалог.

— А достижимо ли это в принципе, учитывая, сколько у «Сбера» клиентов?

— Клиенты «Сбера» — почти вся страна. Это люди разных возрастных групп, профессий, сфер деятельности и интересов. Фактически основная задача массовой персонализации — понять, какая следующая потребность возникнет у клиента, и предложить лучшее решение этой потребности в виде кастомизированных продуктов/сервисов компаний и партнеров нашей экосистемы. 

Поэтому здесь не обойтись без радикальной трансформации того, как мы собираем данные о потребностях наших клиентов, как эта информация обрабатывается и как учитывается для создания лучших предложений.

Для этого мы создаем новую платформу персональных рекомендаций для физлиц — SberNBA. Проект является одним из ключевых в Стратегии 2023. У нового решения есть две основные метрики эффективности: улучшение клиентского опыта (CX) и бизнес-результат компаний — участников нашей экосистемы, которая включает уже более 70 компаний. 

— Можете привести наглядный пример массовой персонализации?

— Благодаря персонализации появляется возможность сделать интерфейс взаимодействия с пользователем (то, как выглядит, например, приложение) индивидуальным. Сейчас мы стремимся к тому, чтобы тот же «СберБанк Онлайн» помимо стандартных блоков содержал и персонализированные элементы интерфейса. Например, если раньше, чтобы перевести деньги родственникам, я заходил в телефонную книгу, искал по имени, набирал сумму и так далее, то теперь в один клик нажимаю на соответствующую карточку перевода на главном экране приложения. Контакты родственников автоматически подтягиваются, а система прогнозирует дни месяца, в которые у меня возникает эта потребность.

— На каких принципах основана персонализация в «Сбере»? Проще говоря, чем вы руководствуетесь, когда принимаете решения, что делать, а что нет?

— Таких принципов четыре. Первый — «знать». Чтобы построить классную систему персонализации, нам нужно четко понимать профиль клиента, потому что без данных и знаний о клиентском поведении ничего не выйдет.

Собрать данные со всех уголков экосистемы «Сбера» (а не только банка) — непростая задача. Чтобы получить единый профиль клиента, необходима интеллектуальная высокопроизводительная data-платформа, которая объединяет всю информацию по клиенту. 

Что я имею в виду под информацией? Это не только базовый уровень данных о человеке — социальный и демографический профиль (где он родился, сколько ему лет, гендер и т.д.). Экосистема позволяет нам понять, как именно клиенты пользуются тем или иным сервисом. Например, мы видим, сколько времени в день тратит посетитель нашего онлайн-кинотеатра на просмотр контента, какие жанры предпочитает, какие его любимые режиссеры и фильмы. 

Это нужно, с одной стороны, чтобы улучшить сам сервис онлайн-кинотеатра. С другой стороны, получая информацию от всех сервисов экосистемы, «Сбер» объединяет в профиле каждого клиента уникальную информацию, которая позволяет давать сложные рекомендации. Например, мы видим, что вы пользуетесь Okko, доставкой из «СберМаркета» и при этом у вас нет подписки «СберПрайм», которая позволяет клиенту значительно сэкономить деньги. Значит, ее стоит вам предложить, и такое предложение будет релевантным.

— «Большой брат» следит за нами?

— Я бы так не сказал. Мы видим только то, что «Сберу» необходимо знать о клиенте по законодательству. Мы не читаем мысли, и нас не интересует частная жизнь пользователей. Мы работаем с огромными массивами исключительно обезличенных данных о пользовательском поведении с использованием наших продуктов и сервисов.

— Если данные собираются внутри экосистемы «Сбера», значит ли это, что остальные источники вы не используете? 

— Научившись качественно обрабатывать собственную информацию, на текущий момент мы практически полностью отказались от внешних источников данных. Продолжаем использовать, пожалуй, только бюро кредитных историй, потому что мы банк и нам это необходимо для управления кредитным риском. Если мы сами можем принимать решения не хуже, чем раньше, зачем нам платить кому-то еще?

— Как вы сравниваете себя с конкурентами по принципу «знать своего клиента»?

— Пару лет назад мы заказали у известной консалтинговой компании большое исследование по всем технологическим лидерам в мире: что знают о клиентах они и что — мы. Учитывая законодательные ограничения, данные были разделены на разные типы: социальный, финансовый и поведенческий профили, отражающие интересы, предпочтения пользователей и т. д.

Согласно результатам исследования, одним из лидеров в знаниях о своих клиентах является Facebook. Это вполне логично, ведь люди проводят там много времени — читают, лайкают, репостят. Мы в этом отношении, конечно, сильно отставали от лидера, и нам предстояло сделать значительный рывок в этом направлении. 

Сегодня ситуация кардинально изменилась — мы очень быстро догоняем и социальные сети, и поисковых гигантов. Это результат работы специально созданной команды профессионалов по анализу клиентского поведения. 

— Даже не верится, что российская компания может на равных конкурировать с Facebook в части знаний о клиентах.

— Может. С точки зрения качества знаний у «Сбера» есть преимущество перед социальными сетями: мы видим структуру потребительского поведения и можем спрогнозировать клиентские интересы. Если вы один раз купили кроссовки — это не значит, что вы регулярно бегаете. Нужно учитывать ряд дополнительных факторов. Мы сейчас довольно точно умеем вычислять профессиональных бегунов. Если человек регулярно покупает профессиональные кроссовки и при этом регистрируется на участие в забегах, выезжает на соревнования, то сделать точный прогноз гораздо проще.

— Знать абсолютно все о клиенте, наверное, экономического смысла нет. Что собираете вы?

— Конечно, нет задачи собрать все. Это очень дорого, долго, да и к тому же непонятен бизнес-эффект. Проще работать под конкретную задачу. Если на рынке кто-то предложил кэшбэк 2% на все товары, мы лучше предложим клиенту персональную скидку 30% на его любимый товар, который он потребляет чаще всего. 

Мы не создаем знания ради знаний. У нас даже есть показатель, отражающий, насколько применимы в бизнесе знания, которые мы извлекли из данных: примерно треть всех знаний используется в процессах и приносит дополнительный эффект.

— Какой же второй принцип персонализации от «Сбера»?

— Второй принцип называется «предвидеть» — речь идет о предиктивной аналитике. Мы должны уметь предсказывать потребности клиента по его профилю. Почти все компании на рынке прогнозируют не потребность, а вероятность отклика на покупку того или иного продукта. Вот есть, например, у банка кредитная карта — и он прогнозирует, с какой вероятностью клиент отреагирует на предложение по этой карте. Далее клиентская база ранжируется по вероятности отклика, а затем выбираются наиболее склонные к оформлению этой кредитной карты клиенты.

Сегодня мы от этой парадигмы отказываемся, отходим от прогнозирования отклика на покупку продукта и движемся к прогнозированию будущей клиентской потребности в определенный момент времени.

Раньше мы шли от плана продаж: знали, что необходимо продать, например 1000 кредитных карт, и по базе искали 100 тыс. клиентов, которым их можно предложить. Сейчас мы хотим понять, что на повестке у клиента, что у него в приоритете, и пытаемся удовлетворить эту потребность сервисами или продуктами, которые у нас есть или — новый подход! — которые имеет смысл создать под эти запросы.

— Как это нововведение встретили в продуктовых подразделениях со своими собственными KPI по продажам? 

— Обнаружилось множество подводных камней, потому что раньше в цикле бизнес-планирования все брали на себя определенный план продаж, а тут парадигма изменилась. Пришлось трансформировать подход и процесс.

Сегодня примерно 8-9% прибыли «Сбера» формируется благодаря предвидению потребностей клиентов. Проще говоря, «Сбер» научился зарабатывать на персонализации. Поэтому сейчас никого уже не требуется убеждать в ее целесообразности.

Следствие смены парадигмы — усиление роли контекстного информирования клиентов. Клиенты получают коммуникацию от банка не тогда, когда надо нам, а когда это нужно им — когда у них возникает жизненная ситуация, в которой действительно понадобится «Сбер». 

— Теперь формировать клиентское поведение может не только обычная реклама, но и контекстная?

— Да, весь мир идет в эту сторону. Но в зависимости от типа компании или экосистемы есть нюансы.

Компании, специализировавшиеся изначально на поиске информации, сейчас решают немного другую задачу, потому что исторически зарабатывают деньги на рекламе в интернете. Интернет обладает бесконечной эластичностью к контенту. Неважно, как человек пользуется интернетом и какой баннер он хочет видеть в браузере. Там будет висеть баннер рекламодателя, который дал большую цену за показ. 

Мы не можем себе этого позволить и с номера 900 предлагать людям услуги барбершопа, ведь Сбербанк предназначен для помощи в финансовых и связанных с ними вопросах. Мы, скорее всего, расскажем клиенту, как сэкономить на таких-то сервисах столько-то денег за месяц, год и так далее. Мы стараемся помочь клиенту, обеспечив ему персональную финансовую выгоду. Так что «Сбер» не занимается продвижением услуг третьих лиц. Этим мы кардинально отличаемся от таких компаний, как «Яндекс» или Google.

Поэтому принцип «предвидеть» — это прогнозирование потребностей клиента. Все вещи, о которых мы говорили выше, физически выполняет второй модуль нашей платформы. Здесь сосредоточены все движки искусственного интеллекта, прогнозной и рекомендательной системы.

— Давайте перейдем к третьему принципу.

— Он получил название «действовать» — это о том, как персонально подобранное на втором шаге «лучшее» предложение донести до клиента, какими воспользоваться коммуникационными поверхностями и каналами.

Сейчас персональные предложения доставляются через 35 поверхностей и каналов. В перспективе в рамках Стратегии 2023 их количество удвоится — экосистема активно развивается, создаются новые площадки, например электронной коммерции («СберМегаМаркет») и т.д.

Наша задача — научиться оркестрировать персональные предложения на более чем 70 поверхностях. За это как раз и отвечает важнейший элемент системы персонализации — «действовать».

— Каков же финальный пункт?

— Четвертый принцип — Win-Win: взаимодействие с клиентом должно происходить по принципу «выигрывает клиент — выигрываем мы». Наша цель на четвертом этапе — показать клиенту, что мы с ним оказались в одной лодке и нам предстоит длительный совместный путь на основе долгосрочных ценностей. Мы называем это Lifetime Value. Чем этот путь дольше, тем лучше для нас и для клиента. 

На этом пути мы постоянно используем все принципы персонализации «Сбера»: мы знаем клиента, мы предвидим его потребности, мы действуем (формируем релевантное индивидуальное предложение, доставляя его клиенту на всех поверхностях), мы выбираем то предложение, которое лучше остальных удовлетворит конкретную клиентскую потребность. Это базовая формула нашей персонализации — ДНК SberNBA. 

«Под капотом» принципа Win-Win — мощный движок, занимающийся расчетами Lifetime Value для каждого из 100 млн наших активных клиентов. На практике это выглядит так: например, возьмем посетительницу нашего онлайн-кинотеатра. В результате аналитического расчета платформа SberNBA формирует специально для нее lifestyle-коммуникацию о том, что вышли ее любимые фильмы на Okko. Раньше в этой ситуации ей могли бы предложить оформить карту для оплаты подписки. Но «в моменте» у клиента нет такой потребности. Движок Lifetime Value — учтет это и, зная, что сегодня вторник, а именно по вторникам клиенту нравится смотреть фильмы дома, рассчитает, что рациональнее всего напомнить ей о новом сериале и познакомить с расписанием выхода кинопремьер.

— Как программа лояльности «СберСпасибо» вписывается в эту концепцию?

— Программа «СберСпасибо» усиливает качество наших коммуникаций, поскольку становится мощным поставщиком персональных предложений. Поскольку я тоже клиент «Сбера», могу проиллюстрировать на своем опыте. Недавно мне пришло сообщение, что баллы «СберСпасибо» ясмогу использовать при оплате покупок в одной из моих любимых сетей гастрономов. Я не знал об этой возможности, а она классная! Теперь буду бывать там чаще.

Если говорить про остальные продукты, SberNBA позволяет параметризовывать их для каждого конкретного клиента. Например, потребительский кредит, когда мы, рассчитав внутренние показатели, сообщаем человеку, что персонально ему предодобрена определенная сумма на такой-то срок по персональной ставке. И это действительно уникальное предложение. Сейчас подобная практика действует и в отношении кредитных карт: они выдаются с помощью движка персональных предложений, который индивидуально устанавливает лимит на основании профиля клиента.

А если кастомизация продукта невозможна (например, наша подписка «СберПрайм» едина для всех), то наша задача — сформировать у клиента паттерн поведения, связанный с использованием подписок. Это важно сейчас потому, что подписочная бизнес-модель в России пока только «заходит» на рынок. Как эту задачу решить оптимально? Если мы видим, что клиент пользуется какими-либо сервисами, нашими или конкурентов, то пытаемся персонализированно донести, что подписка «СберПрайм» — простое решение, которое поможет сэкономить вполне конкретную, рассчитанную для конкретного клиента сумму денег. Укрепление имиджа выгодного «Сбера» — правильная стратегия. Это и есть персонализация изначально неперсонализируемых сервисов.

— Юрлицам в «Сбере» доступно что-то аналогичное?

— У клиентов-юрлиц свои особенности, поэтому в основе лежат другие принципы персонализации. Таких клиентов гораздо меньше, и у этой категории не так динамично меняются контекст и потребности. Кстати, SberNBA работает с самозанятыми и ИП, которые относятся к физическим лицам, поэтому на них наши сервисы тоже распространяются.

— Как все-таки расшифровывается SberNBA?

— Это Sber Next Best Action. 

Например, когда мы говорим про физлиц, то у нас с вами, как и у всех людей, очень много разных потребностей, и они имеют свойство возникать ситуативно, а не по плану. Мы провели расчет: если посмотреть на всю нашу стомиллионную базу, какое может возникнуть количество предложений, которыми можно закрыть все потребности с учетом разнообразия контекста для каждого клиента? Мы все сложили и перемножили — размерность задачи получилась где-то 10¹⁶. Для примера: количество букв во всех напечатанных на сегодняшний день книгах — 10¹⁴. 

Поэтому специалистам необходимо разработать и построить систему, способную оперировать числами в таких размерностях. И здесь мы вынуждены использовать много собственных разработок, поскольку готовых решений на рынке попросту нет. Мы придерживаемся гибких практик разработки программного кода. Здесь все более или менее, как у всех. Но если копнуть глубже, то и тут много интересного.

В основу архитектуры платформы заложены алгоритмы машинного обучения, что позволяет анализировать события в жизни каждого клиента и реагировать на них в режиме реального времени. Все это в итоге будет реализовано при помощи высоконагруженных технологий, потоков «горячих данных» и многого другого.

После ввода в промышленную эксплуатацию платформа сможет обрабатывать около миллиарда операций в день. Для реализации потенциала, который скрыт в наших данных и платформе, в команду SberNBA входят специалисты по машинному обучению, рекомендательным алгоритмам, анализу больших данных, управлению потоками данных и маркетологи.

Такая платформа персональных рекомендаций станет драйвером развития экосистемы «Сбера» в целом и приведет к масштабному редизайну всех клиентских путей в частности. Работы много, но она невероятно интересна!