Исследовав онлайн-заявки крупнейших банков на основные банковские продукты — кредитную карту, потребительские кредиты, вклады физических лиц и дебетовую карту «МИР», мы увидели относительно большое количество технических ошибок заявки, от медленной оценки скорости загрузки страниц до интеграционных ошибок, таких как неполучение СМС-кода или невозможность воспользоваться данными с сайта госуслуг.

Одна из гипотез, объясняющих часть ошибок, — слишком большая широта используемого технологического стека у банков и набора технологий, который не позволяет делать качественную разработку и тестирование. 

Мы решили провести исследование используемых технологий и для этого воспользовались инструментами сервиса оценки и аналитики builtwith.com, который позволяет собрать доступную информацию с основного домена и некоторых доменов третьего уровня сайтов банка, классифицировать используемые элементы технологий, их количество, и на этом основании дать оценку популярности и распространенности используемых технологий, а также их современности. 

Во время исследования мы обратили внимание на многообразие технологий, которые банки используют на своем основном домене и доменах третьего уровня. При этом мы перечисляем все обнаруженные технологии, оцениваем частоту их использования банками, а также приводим частоту их встречаемости на сайтах в России и в мире. Выявилено 529 уникальных технологий, собранных в 25 групп, которые использовались 12 банками 2189 раз. Почти половина (49%) обнаруженных технологий используется однократно и только в одном банке, лишь 35% используется более двух раз, и всего 4% (22) технологий используются каждым из банков. 

Методология исследования

Мы исследовали те банки, которые были в нашем списке исследования вкладов и дебетовой карты «МИР» (табл. 1), за исключением банков, сайты которых запретили посещение роботами builtwith. 

Таблица 1. Исследованные банки

Стандартный классификатор технологий содержит 25 групп технологий (табл. 2), из которых следующая 21 исследованная группа представлена в более чем половине исследованных банков. 

Таблица 2. Группы классификатора технологий 

Мастер-таблица данных является приложением к полным материалам исследования, отражает все полученные данные в разрезе:

• банк;
• субдомен;
• категория технологии;
• название технологии;
• начало обнаруженного использования;
• месяц, когда технология обнаружена во время последнего посещения роботом.

Таблица 2 не содержит «удаленные» с сайтов технологии, позволяет перепроверить данные нашего отчета и построить любые варианты визуализации данных для конкурентного анализа (между банками) или внутреннего бенчмаркинга концентрации технологического стека. Таблица позволит спланировать или даже начать работу по удалению устаревших технологий и кода с вэб-ресурсов, определить целевой стек и профессиональные требования для оценки навыков и набора сотрудников как в части программирования и поддержки, так и в части будущего использования технологий.

Основные результаты исследования 

Общее количество найденных уникальных технологий для 12 банков ⎯ 529. При этом только 22 (4%) из них были представлены во всех 12 банках, а 257 (49%) использовались лишь одним банком из списка и всего один раз на основном домене или су-домене, то есть являются уникальными или нишевыми для рынка технологий сайтов в целом. Общее количество найденных технологий в разрезе «группа технологий» (25) / банк (12) отражено в табл. 3.

Таблица 3. Распределение технологий по основным доменам и некоторым субдоменам банков

Из таблицы 3 видно, что общее количество технологий составило 2189, наиболее весомой группой во всех банках является группа JavaScript Libraries and Functions, представленная 622 случаями использования технологий, наименьшей ⎯ группа Verified CDN  только два случая использования технологий).

Принципы рейтингования

Методика рейтингования была основана на предположении, что, чем больше стандартных и наиболее популярных технологий использует банк и чем меньшее количество уникальных или экзотических технологий он использует в работе с сайтом, тем ниже вероятность ошибок и тем выше общая оценка «технологичности» банка в работе с сайтом. 

Данное предположение имеет ограничения. Например, если технологический стек банка выстроен на уникальном ПО, которое предполагает использование уникальных и редких для рынка технологий, то такой банк может оказаться технологически совершенным и работать с минимальным числом встречающихся ошибок на сайте. Но в любом случае банк столкнется с трудностями при отборе, наборе и оценке требуемых навыков для программистов, технологов и аналитиков для развития и поддержания такого узкого стека.

Другой пример — необходимость изучения и тестирования новых перспективных технологий в целях быстрого внедрения современных инструментов для достижения конкурентных преимуществ. В современном мире, где технологии быстро меняются, необходимо постоянно изучать новое, что приводит к автоматическому расширению стека. 

Таким образом, мы исходим из очевидной выгоды работы с наиболее популярными и часто встречающимися технологиями, которые хорошо известны и протестированы на большом числе сайтов и бизнес-задач, хорошо известны программистам, которые работают с технологиями, хорошо тестирующимися стандартными тестам , и программистам, имеющим опыт работы с такими продуктами, но при этом при рейтинговании учитываем и широту стека как по количеству уникальных технологий, так и по количеству представленных групп для каждого из банков. 

На рисунке в качестве иллюстрации приведено распределение уникальных технологий по частоте встречаемости среди банков. Из него видно, что есть банки, имеющие выраженный шлейф уникальных, или, как мы их назвали, «редких технологий», которые встречаются лишь в одном-двух банках из списка (выделено красным), а есть банки, у которых значительная часть уникальных технологий отнесена к «популярным», так как используется в более половине исследованных банков (выделено зеленым).

Формула рейтинга

В рамках описанного подхода для определения формулы рейтинга мы взяли следующие показатели (табл. 4): количество уникальных технологий, которые использовались тем или иным банком; количество категорий, в которых у банка использовалась хотя бы одна технология (вес равен 1); количество уникальных технологий, которые можно отнести к «популярным», так как они используются в более чем половине банков (от семи до 12 банков); количество «редких» технологий, используемых в менее чем трех банках; показатель «концентрации стека» (разница между количеством популярных и редких технологий в арсенале банка), доли популярных и «редких» технологий в стеке, чтобы учесть пропорцию или нагрузку на стек. 

Таблица 4. Распределение ключевых показателей для оценки технологического стека банков

После приведения разницы к диапазону единица-ноль и с учетом взвешивания (везде, кроме показателя количества категорий, экспертно мы поставили одинаковый вес, равный пяти, для категорий использовали единицу) мы получили таблицу как основание для итогового рейтинга (табл. 5).

Таблица 5. Итоговый рейтинг банков

С одной стороны, результаты могут показаться контринтуитивными, так как минимальные баллы получили банки, традиционно считающиеся технологическими лидерами: «Тинькофф» и Альфа-Банк. С другой стороны, в число лидеров рейтинга вошли БСПБ, Совкомбанк, МТС-банк — банки, которые заметны как активные технологические первопроходцы, а лидером стал Росбанк, который мы неоднократно выделяли в исследованиях «Скорости и дружелюбия». 

У Росбанка, несмотря на то что он использует самый узкий технологический стек (всего 89 уникальных технологий, последнее место среди банков по количеству), доля популярных технологий составляет 68% (самый высокий показатель среди банков), а доля «редких» технологий — всего 9% (самый низкий показатель). 

Росбанк, скорее всего, не тратится на поддержание широкого стека при создании и поддержке технологий, использует хорошо понятные ему и рынку инструменты, экономит на поиске, тестировании и приеме на работу персонала, необходимого для разработки и поддержки необходимых технологий.

Результат Росбанка также хорошо коррелирует с предыдущими результатами исследований онлайн-заявок на классические розничные продукты:

• «Кредитные карты — скорость и дружелюбие онлайн: лучшие практики и ошибки банков». Лидер по автоматизации заявки; лучшая практика; 

• «Потребительский кредит»: второе место в общем рейтинге, 2 — автоматизация, 3 — валидация, 3 — коммуникация с потребителем и поддержка. Единственный банк, у которого не было ошибок при заполнении заявки через портал госуслуг; 

• «Карты "МИР" — скорость и дружелюбие онлайн: ошибки и лучшие практики банков. 2022»: третье место в общем рейтинге, 1 — по валидации и 2 — по коммуникации. Номер три по рейтингу органической выдачи в Google и «Яндекс»;

• «Открытие вклада новым клиентом — скорость и дружелюбие онлайн: лучшие практики банков. Исследование доступности оформления вкладов в российских банках. 3–8 мая 2022 года». Первое место по «дружелюбию» (в том числе не было ни одной ошибки при тестировании анкет).

Вывод

Мы рекомендуем пересмотреть технологический стек на предмет обоснованности наличия той или иной технологии, отказа от нее или возможности ее замены более популярным аналогом. 

Также советуем не только следить за гигиеной технологического стека и контроля, но и увеличивать активность коммуникации в условно бесплатных каналах, таких как сообщения по электронной почте. Наши предыдущие исследования продемонстрировали, что канал продаж или даже информационных сообщений по электронной почте оставляет огромные возможности для роста, может дать банку существенные конкурентные преимущества и дополнительные доходы. Поэтому мы уделили особое внимание технологиям использования электронной почты, пригласив в соавторы эксперта из компании Sendsay — лидера рынка рассылок в финансовой отрасли. 

Исследование будет полезно всем, кто хочет узнать, что делают другие банки сегодня и какие технологии наиболее популярны, уточнить свой технологический стек, сконцентрироваться на наиболее конкурентных технологиях и отказаться от непопулярных, удалить ненужное с сайта, чтобы в итоге снизить стоимость разработки и поддержки, упростить и ускорить набор и профессиональное обучение нужных для разработки и поддержки специалистов и таким образом создавать безошибочно работающие продукты.

Для заказа исследования и дополнительной информации обращайтесь:

Наталья Радаева

+7 (499) 404 2069

radayeva@bosfera.ru 

Вячеслав Семенихин

+7 (985) 999 3771

sva@mplace.me