Общение активное и пассивное

Современное качественное банковское обслуживание все меньше ассоциируется с активными продажами, назойливыми звонками из контакт-центра и бумажным/электронным спамом. Мы стали реже слышать о выборе основного банка по принципу конкуренции продуктовых параметров, все чаще на первый план выходит клиентоориентированная модель обслуживания. Клиенты начинают больше ценить персональное отношение, простые и понятные сервисы. Чтобы этого добиться, современным организациям уже недостаточно спросить клиента, на это просто не хватит времени. Важно уметь понять клиента самостоятельно, восстановить знание и предугадать поведение по косвенным признакам. Именно на основе этого принципа и строится и персонализированный маркетинг. Только эти отношения выстроены не между людьми, а между компанией и клиентом. Такой маркетинг мотивирует людей совершать полезные действия за счет использования их персональной информации: пола, возраста, социального статуса, личных интересов и предпочтений.

На 19% в среднем возрастают продажи компаний, использующих персонализированый маркетинг по отношению к клиентам

Персонализация нужна для любых типов взаимодействий с клиентом — как активных, так и пассивных. Пассивные коммуникации — это ненавязчивый баннер при входе клиента на сайт банка, в мобильное приложение или интернет-банк, уведомление в банкомате, пока идет обработка банковской карты. Взаимодействие активное — исходящие коммуникации со стороны банка: отправка СМС-сообщений и push-уведомлений, e-mail-рассылка, телефонные звонки. Вне зависимости от типов коммуникаций с клиентом банк должен предоставлять качественный контент — на сайте, в приложении, в СМС-сообщениях и других видах рассылок.

Каждому по потребностям

Для банка во главе угла стоят клиент и его потребности. Именно с учетом этих потребностей строится персонализированный маркетинг. Математика здесь тесно переплетается с психологией. С одной стороны, банк может действовать чисто математически, выбирая различные форматы коммуникаций с клиентом. С другой — дополнять коммуникации психометрическим профилем пользователя и исходить именно из этих данных, чтобы понимать, какие именно предложения делать, а какие — не стоит.

79% покупателей в США предпочитают иметь дело с компаниями, использующими их личные данные для предложения интересных товаров и услуг

Классический пример чистой «математики» — анализ поведения клиента на сайте или в мобильном приложении. Специальные программы в бэк-офисных системах банка занимаются сбором данных с разрешения клиента и автоматически анализируют, в какие разделы сайта заходил клиент, сколько он провел там времени, какие продукты его заинтересовали. Это довольно простой и достаточно эффективный метод сбора информации, который успешно работает уже не один год. Клиента интересуют кредиты? Возможно, нужно предложить ему релевантные банковские продукты, которые ему действительно необходимы.

Сбор данных, основанный на психометрических характеристиках клиента, — более сложный метод. У любого человека есть индивидуальные особенности, которые отражают его поведение. Есть, например, любители количественной информации, а есть те, кто количеству предпочитает качество. Изучив психотипы таких клиентов, можно будет понять, какого рода информацию до них стоит донести. Первым делом, предлагая кредитные карты, следует сообщить о длительности грейс-периода в днях, процентную годовую ставку, сумму кредитного лимита. При общении со вторым психотипом стоит сделать упор на эксклюзивности или привилегированности продукта, раскрыть опции и бонусы, которые дает конкретная кредитная карта: кэш-бэк, возможность использования ее за рубежом и другие преимущества.

Чем более доступные данные берутся за основу при определении психотипа клиента, тем эффективнее его масштабирование. Многие клиенты не горят желанием оставлять о себе много информации на сайте или в приложении. Поэтому на данный момент активно развивается синергия между предиктивной аналитикой и качественными анализом поведения клиента. Использование современных методов анализа данных позволяет на основе множества деперсонализированной информации восстановить пробелы в опросниках.

Стандартизация и автоматизация сбора данных исключают участие в данном процессе человека. Это делает, напомним, специальное программное обеспечение. Программы собирают и обрабатывают данные из множества источников. Таким образом, информация о клиенте поддерживается всегда в актуальном состоянии. Ручной же способ сбора и актуализации базы данных во всех смыслах дорог: и по времени, и по финансам.

Подстроиться под клиента

В процессе сбора и анализа данных может быть персонализирован любой банковский продукт, любая его часть. Далее под потребности клиентов адаптируют всю продуктовую линейку банка. Для конкретной группы клиентов могут снизиться, например, ставки по кредитам, поменяться лимиты кредитования. Многие банковские продукты включают в себя набор параметров, которые можно варьировать в разумных пределах: процентная ставка, стоимость обслуживания, комиссии, лимиты, вознаграждения по бонусной программе.

65% клиентов, по статистике, предпочитают персонализированную форму общения с компаниями. Однако им важно знать, как используются их персональные данные

Банк заинтересован в том, чтобы предоставлять клиентам как можно больше денег. Но работает это далеко не всегда. Большие суммы кредитов, которые предлагает банк, наоборот, могут отпугнуть некоторых заемщиков. Предложение меньшей суммы иногда гораздо эффективнее, поскольку более комфортно для клиента.

То же самое касается и условий кредитования. Бывает, что клиент нечувствителен к высокой ставке — например, владелец кредитной карты, который активно пользуется деньгами банка в рамках грейс-периода. Для такого клиента имеют значение лимит средств на карте и длительность льготного периода. Другие категории заемщиков предпочитают потребительские кредиты, и для них как раз может быть важна величина процентной ставки. Задача банка в этом случае — найти идеальный баланс и сделать клиентам лучшее предложение, основанное на сборе и анализе персональной информации. Такой уровень персонализации в рамках кампаний уже сейчас позволил нам повысить показатели эффективности отдельных кампаний на 22% без существенных затрат на разработку. В этом УРАЛСИБу помогают современные методы анализа данных — модели машинного обучения.

Современные тренды в банковской деятельности нацелены не столько на взрывной рост продаж в короткой перспективе, сколько на сохранение текущей эффективности бизнеса, увеличение лояльности клиента и повышение отдачи на длительном временном интервале. Для банка, который намерен долго работать на рынке, важнее, сколько денег клиент принесет в целом, чем сиюминутная выгода «здесь и сейчас».