Увеличение используемости сервисов в мобильном приложении банка

Мобильные приложения банков активно развиваются не первый год и уже превратились в полноценный канал обслуживания. В последнее время банки из топ-20 активно инвестируют в развитие этого канала, а именно в удобство выполнения его основных функций — и сейчас можно утверждать, что ими в этом достигнут весьма высокий уровень.

Проникновение клиентов в мобильные каналы с точки зрения использования основных функций крайне невелико, а именно лишь единицы процентов клиентов, которые регулярно заходят в мобильные приложения, пользуются такими сервисами, как p2p-переводы, оплата коммунальных услуг, автомобильных штрафов и пр. Более популярны функции оплаты Интернета и мобильного телефона — десяток-другой процентов, что все равно совсем немного. Повторюсь, речь идет о хорошо развитых мобильных приложениях и о доле относительно активной аудитории канала, то есть людей, которые регулярно заходят в приложение. Потенциал роста здесь очевиден. Поэтому перед крупнейшими банками все острее стоит задача повышения вовлечения клиентов в мобильный канал. Далее я поделюсь методикой того, как решить с помощью анализа данных эту задачу и кратно увеличить используемость банковских сервисов в мобильных приложениях.

Основа методики заключается в том, чтобы предложить клиенту каждый вид сервиса (например, оплату мобильного телефона или штрафа) именно тогда, когда он ему необходим. Например, идеальная ситуация для предложения оплатить телефон через приложение банка — тот момент, когда у клиента заканчиваются деньги на телефоне и он как раз собирается пополнить баланс (но другим способом). Практика показывает, что, если в удачный момент проактивно предложить ему сделать это через нужный нам канал, то клиент это сделает с достаточно высокой вероятностью при условии сопоставимого удобства этого канала. Но как предугадать этот момент для каждого клиента и каждого возможного сервиса?

На самом деле, в своей жизни клиент совершает все нужные нам действия. Подавляющее большинство людей не может не оплачивать телефон, Интернет и штрафы, однако лишь изредка они делают это в нужном нам канале и значительно чаще — в других местах. В первом случае мы обладаем историей его действий в явном виде. Во втором случае он часто это делает с помощью банковской карты, и эта информация у нас тоже есть. По ней для каждого действия мы строим математическую модель, детектирующую нужное нам событие с определенной вероятностью. В некоторых случаях эта вероятность почти стопроцентная — например, мобильный телефон можно оплачивать картой на сайте самого оператора, и эта информация по сути поступает к банку в явном виде. В других случаях вероятность не близка к 100%, но тем не менее достаточно высокая — например, то же самое клиент может делать через интернет-кошельки, и банк не видит, за что конкретно платит клиент, но по среднему чеку, частотности и прочим косвенным признакам назначение платежа определяется с достаточно высокой точностью, чтобы это использовать в коммуникации. Таким образом, мы можем определять, что клиент совершил то или иное действие в прошлом — как в банковском канале, так и вне его. Осталось сделать так, чтобы в следующий раз он его совершил точно в банковском приложении и привык это делать там. Этого мы добиваемся следующим образом.

Зная с достаточной достоверностью о событиях в прошлом, мы можем предсказать их наступление в будущем — для этого используются сложные модели машинного обучения, но их логика работы в данном случае вполне интуитивна. Продолжая пример с мобильным телефоном, мы знаем сколько денег в какой момент клиент клал на его счет — нетрудно рассчитать, с какой скоростью в среднем клиент тратит деньги на телефоне, и предсказать, когда они у него закончатся в следующий раз. Другие действия предсказать сложнее, но принцип в них заложен тот же.

Итак, зная наиболее необходимое клиенту действие, остается только вступить с ним в коммуникацию в этот момент, предложив совершить его именно через нужное приложение. Такая схема кросс-сейла банковских сервисов зарекомендовала себя как весьма эффективная. При этом реализация совсем не затратна — обычно не составляет труда интегрировать модель для каждого сервиса, поскольку таких сервисов в банке около десятка. Как итог — удвоение используемости большинства сервисов мобильного приложения только в первый месяц работы системы и ощущение клиентом заботы о себе. Ведь банк подумал о нем, распознал его жизненную задачу, связанную с финансами, и принес решение. Поэтому помимо формального увеличения используемости ключевых функций приложения такой подход позволяет добиться изменения отношения к банку, который из сугубо утилитарного инструмента становится для клиента по-настоящему персональным сервисом.