ВТБ начал внедрять систему моделей на основе машинного обучения (ML) для настройки персонализированного взаимодействия с клиентами-физлицами.
Аналитические алгоритмы помогают точнее определять наиболее удобные каналы, сценарии, время и частоту контактов для каждого клиента банка. Об этом сообщил советник первого заместителя президента-председателя правления банка Сергей Путятинский в рамках Kazan Digital Week.
Модель анализирует историю взаимодействия клиента с банком: на какие сообщения он откликался, в какое время открывает приложение, пользуется ли отделением или только онлайн-банком. Если клиенкт стабильно читает push-уведомления утром и ни разу не ответил на звонок, то CRM-система получит рекомендацию: направлять push-уведомления в утренние часы, а не совершать звонок в середине дня.
В CRM-системе уже внедрен функционал, который помогает подобрать наиболее удобный для клиента канал коммуникации — SMS, push-уведомление, звонок или email — с учетом конкретной ситуации. До конца года банк планирует расширить персонализацию взаимодействия с клиентами за счет новых ML-решений:
определение наиболее комфортных дней и времени для связи;
выбор приоритетных каналов коммуникации на основе предпочтений и истории активности клиента;
подбор оптимальной частоты контактов, чтобы клиент своевременно получал важную информацию без лишних уведомлений.
При разработке моделей использовались современные подходы к анализу данных, включая элементы обработки естественного языка. В рамках проекта было проанализировано более 30 тыс. различных признаков и поведенческих характеристик.
«Мы уходим от стандартных массовых рассылок в пользу персонализированного и аккуратного подхода к каждому контакту. Наша задача — учитывать предпочтения по каналам коммуникации и времени взаимодействия. Это позволяет снизить навязчивость коммуникаций и максимально адаптировать сервис банка под задачи клиента», — сказал Путятинский.
Ранее сообщалось , что активы на ИИС клиентов ВТБ выросли на 22 процента за девять месяцев.
