БИЗНЕС-СЕТЬ KINETICS CRM CALL-ЦЕНТРЫ ERP ECM ITSM PM АБС АБН SEC SAAS
ЧТО ТАКОЕ АБС? НОВОСТИ АНАЛИТИКА ВНЕДРЕНИЕ АБС СИСТЕМЫ ПОСТАВЩИКИ ФОРУМ Напишите нам!  
     Мероприятия Термины Статьи Рейтинги Разработчики АБС Карьера Ссылки  

СТАТЬИ /более 350/
МЕТОДОЛОГИЯ
ПРАКТИКА ВНЕДРЕНИЯ
ОБЗОРЫ РЫНКА
ТРЕНДЫ
РЕЙТИНГИ
МНЕНИЯ ЭКСПЕРТОВ
МНЕНИЯ БАНКИРОВ

Сделай правильный выбор!


crm ПОДПИСКА

Чтобы подписаться на рассылку новостей сайта, введите свой e-mail:

 
   
СТАТЬИ

Как Сбербанк создавал сервис персональных рекомендаций «Советы»


 

В феврале Сбербанк запустил новый сервис «Советы», который уже в марте стал победителем премии EFMA Innovations of the Month. Владелец продукта в департаменте «Банк XXI» Сбербанка Сергей Комаров рассказал Futurebanking, как сервис объединил несколько подразделений банка и как создатели планируют обеспечить полезными рекомендациями 20 млн человек. 

В своем классическом варианте сервис аналитики личных финансов (Personal Financial Management – PFM) представляет собой ретроспективу: пользователь, как правило, может просмотреть историю своих расходов, сгруппированную по категориям, и самостоятельно сделать выводы. Но на такой анализ нужно тратить время и силы, постоянно возвращаться к этому упражнению. В результате, как показывает статистика, далеко не у всех получается заниматься анализом своих трат с определенной частотой. Мы подумали: почему бы не помочь пользователю изменить финансовые привычки? Мы обладаем всем необходимым, чтобы подсказать, какие шаги можно сделать, чтобы в будущем этот график расходов был более сбалансированным. Причем можем сделать это с высокой точностью, используя технологии анализа данных.
 
Так появилась концепция сервиса «Советов», который в формате рекомендаций помогает пользователям Сбербанк Онлайн экономить деньги и время, напоминает о важных событиях и не только. Команда приступила к разработке, и в феврале «Советы» были представлены всем пользователям «Сбербанк Онлайн» на Android и iPhone.
 
Владимир Стасевич, руководитель развития новых цифровых продуктов в нашей команде, так описывает концепцию сервиса: «Сначала банки автоматизировали обслуживание с помощью банкоматов, потом подключили для этого новые каналы – компьютеры, мобильные телефоны, а вслед за ними и смартфоны. При этом парадигма использования осталась прежней: пользователь сам делает рутинную операцию. Но сегодня все больше говорят об искусственном интеллекте, и цифровой банкинг тоже начинает использовать новые технологии. Наш сервис “Советы” – это один из шагов в этом направлении. По сути это цифровой помощник, который предложит, какие кнопки нажать и о чем не забыть».
 
Вот несколько примеров советов:
 
Чаще всего с карточки совета пользователь может совершить действие – перейти по ссылке или на конкретный экран приложения, где часть полей уже может быть заполнена. Так воспользоваться рекомендацией будет еще проще. Например, с экрана совета «Начните копить на КАСКО» пользователь сможет, не покидая привычный интерфейс приложения, перейти на конкретный экран. В данном случае, можно будет пройти по сценарию создания цели, где уже предзаполены сумма и срок. При желании заранее указанные параметры, конечно, можно поменять. Так совет не только предложит что-то сделать, но и значительно облегчит следование этой рекомендации.
 
Каждый совет подбирается пользователю на основе триггера, который срабатывает в момент определенной жизненной ситуации. О том, как определяется наступление этого момента, как генерируются советы и как мы планируем развивать сервис, мы расскажем ниже.
 
Вызов 1: недостаточно контента
 

Приступая к разработке продукта, мы понимали, какие советы хотим давать и как для них сформировать таргетинг. Куда сложнее было придумать, как сгенерировать достаточное количество контента для периодической отправки более 20 млн активных пользователей наших приложений. Одно подразделение не смогло бы создать столько советов, особенно с учетом растущей аудитории.
 
Поэтому мы решили создать платформу, с помощью которой другие подразделения банка смогли бы сами генерировать контент и «заливать» его в приложение. К проекту подключились блок «Риски» и коллеги из команды «Массовая персонализация»: они участвовали в разработке концепции платформы, занимались и созданием контента (самих советов), генерацией математических моделей и поиском инсайтов о жизненных ситуациях для конкретных советов.
 
По словам Дмитрия Смирнова, эксперта по персонализации клиентских решений департамента развития отношений с клиентами, работа с данными подразумевает обработку больших массивов информации о поведении клиентов. Важны именно объемы данных для более точного анализа. Поэтому мы не используем информацию о конкретных пользователях. Все данные имеют обезличенный характер и таким образом соответствуют необходимой степени конфиденциальности. И еще: информация ни в каком виде не передается третьим лицам.
 
В результате «Советы» стали для команды «Сбербанк Онлайн» проектом-рекордсменом по числу вовлеченных подразделений, помимо указанных выше. Наша команда в департаменте «Банк XXI» строила основу для сервиса и вместе с коллегами прорабатывали его концептуально. Центр компетенции по супермассивам данных помогал нам преобразовывать информацию для корректной работы сервиса и формировать контент. Центр технологических инноваций Сбербанка подключился на этапе R&D для запуска первых алгоритмов обработки данных и подготовки к этапу разработки. Также нас традиционно поддерживали «Сбербанк-Технологии», колл-центр и Центр сопровождения прикладных сервисов.
 
Как мы создаем контент, откуда появляются идеи советов? Это могут быть наши предположения и логические заключения на основе собственного опыта. Но иногда сами данные намекают, что порекомендовать клиенту.
 
Детальнее о способах генерации контента мой коллега Дмитрий Смирнов рассказывает: «Обработка больших массивов данных с помощью математических алгоритмов позволяет выявлять закономерности, на основе которых выстраиваются гипотезы о наиболее типичном поведении в определенных ситуациях. Опираясь на такие гипотезы, мы формулируем пользователям конкретные советы или общие рекомендации. Например, не все клиенты приобретают страховку перед отъездом за рубеж. Для тех, кто не знает или забыл о такой возможности, можно сформулировать полезный совет. Получается, что одна группа пользователей начинает "подсказывать", что может быть интересно другим».
 
В будущем мы планируем подключить к сервису внешних поставщиков советов трех типов. Во-первых, это компании, которые занимаются машинным обучением, - они могут генерировать инсайты о наших клиентах и сами советы для них. В работе с такими партнерами все данные будут оставаться у нас и работа с ними будет происходить на нашей стороне.
 
Во-вторых, мы будем привлекать людей и компании, у которых есть интересный контент. Например, финансовых консультантов: они могут давать советы на основе своей экспертизы. От такого партнера будет требоваться сами советы и описание аудитории, для которой рекомендация будет релевантна. А с математикой в таком случае мы разберемся сами (более того, у нас уже готовы многие модели и мы сможем их переиспользовать). Мы будем привлекать только экспертов с опытом реального и успешного консультирования. Условия взаимодействия с партнером мы определим позже. Возможно, «Советы» станут для него способом продвижения (мы укажем имя автора на карточке совета). Или мы придем к модели заключения договора для финансового взаимодействия.
 
В-третьих, поставщиками советов могут стать B2C-компании (магазины и сервисы типа уборки, доставки цветов и проч.). Они, как никто другой, знают свою аудиторию и свой товар или услугу и могут давать текущим или потенциальным клиентам очень точные и подходящие советы. При этом по такой рекомендации клиент сможет получить саму услугу или товар. Наша задача в данном случае – соблюсти баланс и, несмотря на брендированный контент, остаться объективными, ненавязчивыми и по-настоящему полезными. Тогда выиграет каждая сторона: пользователь получит релевантную рекомендацию, а бизнес – заказ своего товара или услуги.
 
Рассказывая о партнерском контенте, мой коллега Владимир Стасевич подчеркивает, что в модели работы «Советов» есть соблазн начать зарабатывать на этом деньги, ведь это хороший способ лидогенерации для потенциальных партнеров. И на самом деле мы действительно делаем сделать «Советы» инструментом кросс-продаж в модели маркетплейса. Но важно условие – на первом месте всегда будет максимальная польза для клиента. Например, если мы рекомендуем налоговые вычеты, то это должно быть лучшее предложение для пользователя. Механику выбора таких партнеров мы уже тестируем.
 
Сейчас мы ищем модели взаимодействия и определяем юридические нюансы для внешних партнеров каждого типа. А потом аналитика сервиса покажет, какие подходы к генерации контента окажутся работающими.
 
 
Вызов 2: качество контента
 

Мы планируем запускать огромное количество советов, и поэтому было крайне важно продумать, как следить за их качеством. Для этого в наш сервис мы заложили механизм постепенной «раскатки» совета. Это работает так: совет с широким таргетингом (например, в миллион пользователей) будет доступен пользователям поэтапно: сначала 10 тысячам, потом 50 тысячам и так далее. На каждом этапе мы будем собирать и анализировать обратную связь: на карточке совета пользователь может оценить его: поставить лайк или скрыть совет, указав причину (например, «неинтересно» или «устарело»).

На основе этих откликов, анализа числа переходов по ссылке с карточки рекомендации и других данных будет формироваться рейтинг совета. Совет с низким рейтингом просто не появится у всей потенциальной аудитории.
 
С технической стороны Дмитрий Берестнев, исполнительный директор управления инструментов и моделей департамента интегрированного риск-менеджмента, так описывает планы развития нашего подхода: «Мы планируем корректировать наши модели, получая от клиента обратную связь с помощью технологии Reinforcement Learning. Идея последней в том, что алгоритм постоянно перестраивает себя, чтобы оптимизировать функцию выигрыша (reward function) – значение тем выше, чем больше положительной обратной связи мы получаем от наших клиентов. Ведь только они способны оценить реальную эффективность наших моделей».
 
Как это работает
 

Сейчас сервис советов находится в разделе «Мой помощник». А еще в разделе «Цели» появляются контекстные советы, которые комментируют процесс накопления. Если вы отклоняетесь от графика, приложение поможет не терять темп.
 
Чтобы определить аудиторию каждого совета, алгоритм анализирует транзакции по картам (сумма, время, торговая точка). По этим данным он может либо сразу выделить тех, кому будет релевантен конкретный совет, либо использовать математическую модель и с ее помощью спрогнозировать наступление того или иного события.
 
Как подчеркивает Дмитрий Берестнев, поскольку финансовое поведение людей разнится, какие-то финансовые советы и услуги, которые подходят для одних клиентов, для других могут быть в принципе неактуальными. Применение методов машинного обучения для анализа карточных транзакций позволяет достаточно точно определить и спрогнозировать паттерны платежной активности.
 
Благодаря машинному обучению, сервис может «прочитать мысли» и даже предсказать действия человека. Дмитрий Смирнов, рассказывая об этом, приводит такой пример: алгоритмы анализа данных позволяют зафиксировать интерес к приобретению недвижимости в ипотеку. Благодаря скорости обработки данных мы можем выбрать правильный момент, когда цифровой помощник может посоветовать пользователям, например, предложения от партнера-застройщика. Иногда таким образом может родиться дополнительный спрос: пользователь оценит уместное предложение и задумается о покупке недвижимости.
 
Говоря о технологиях в разрезе этой задачи, Дмитрий Берестнев описывает их так: в настоящее время мы занимаемся построением детальной сегментации клиентов на основе модели LDA (Latent Dirichlet Allocation). Задача состоит в том, чтобы выделить большое число узко направленных кластеров, описывающих предпочтения клиентов и характер их транзакционного поведения. Также сейчас мы строим модели RNN (Recurrent Neural Network) для предсказания серии следующих транзакций клиента.
 
 
Что дальше
 

Количество советов будет постепенно увеличиваться. Чтобы это движение не было хаотичным и в результате мы детально проработали самые разные возможные жизненные сценарии, мы решили постепенно закрывать разные категории.
 
В первую очередь мы вместе с коллегами из других подразделений  сконцентрировались на двух направлениях: помощь в снижении трат и в увеличении накоплений. Не исключено, что некоторым пользователям с уникальным финансовым поведением первое время может приходить мало советов или вообще никаких, но постепенно все клиенты будут охвачены – а значит, будут получать рекомендации с определенной частотой. Для нас охват – это одна из важнейших метрик успешности “Советов”.
 
В ближайшем будущем мы планируем проработать ветки путешествий, помощи в ежедневных рутинных делах, помощи в долгосрочном планировании финансовых вопросов.
 
Чтобы углубиться в детали, приведу высказывание Дмитрия Смирнова: «Чтобы определить тех, кому будут полезны советы про путешествия, можно ограничиться аудиторией, состоящей из клиентов турагентств. А можно использовать предикативный анализ данных, который с определенной вероятностью не только укажет, что клиент собирается или уже поехал в путешествие, но и определит стадию данной жизненной траектории (например, этап выбора, начала или завершения отпуска). Тогда у финансового помощника будет возможность давать путешественнику релевантные советы на всех этапах: от планирования поездки и покупки билетов до возвращения».
 
Сервис ожидает не только новый контент, но и качественные изменения. Во-первых, мы планируем добавить на карточку совета изображение. Это особенно актуально для советов от партнеров: картинка облегчит восприятие рекомендации.
 
Во-вторых, мы хотим сделать сервис умнее и наделить его возможностью задавать вопросы пользователю. Например, если пользователь собирается в путешествие, приложение сможет уточнить страну и город назначения и затем дать релевантные именно для этого места рекомендации. Такой подход поможет повысить качество советов.
 
В-третьих, после подключения внешних партнеров мы планируем запустить форму для советов от самих пользователей. Тогда друзья смогут обмениваться лайфхаками вроде промокодов, собственных находок для экономии и не только. Рекомендации от знакомых с большой вероятностью будут полезными и добавят ценности сервису.
 
Выше я рассказывал, что мы будем добавлять советы от партнеров – и с ними связано много планов по части R&D. В том числе, мы хотим построить автоматическую генерацию советов на основе геопозиции пользователя и карты офисов/магазинов компании. А еще будем экспериментировать с замкнутыми сценариями заказа - чтобы указать детали и совершить оплату можно было внутри приложения. Мы хотим, чтобы для получения товара или услуги из совета пользователю не нужно было покидать «Сбербанк Онлайн».
 
Это планы на ближайшее будущее. Скорее всего, когда-нибудь советы будут отданы полностью на откуп AI – интеллектуальная машина сама сможет формировать инсайты и предлагать контент. Когда технологии позволят нам это сделать – покажет время.

futurebanking.ru



Обсудить на форуме >>>


Нравится статья? Поделитесь с друзьями, нажав на кнопки соцсетей! Спасибо!



Все статьи на ABSONLINE.RU >>>


 
О проекте Конфиденциальность Реклама на портале Услуги Карта сайта  
Copyright © 2002 - 2017 ABSONLINE.RU и Бизнес-сеть "Kinetics". All rights reserved