Вестник цифровой трансформации

«Сбер»: персонализация коммуникаций по психометрии помогает продажам
«Сбер»: персонализация коммуникаций по психометрии помогает продажам

Ирина Фадеева: «Текущая стратегия банка предполагает человекоцентричный подход к развитию отношений с клиентом, а персонализированные коммуникации – одна из составляющих такого подхода. Чем больше инструментов применяется для выявления истинных предпочтений клиентов, тем лучше мы будем слышать и понимать клиентов, тем прочнее будут отношения между нами»


20:19 09.04.2024  |  Николай Смирнов | 854 просмотров



Ирина Фадеева, управляющий директор отдела развития и продаж продуктов глобальных рынков розничным клиентам «Сбера», – о формировании персонализированных коммуникаций с учетом психометрии клиентов.

При построении коммуникаций с клиентом бывает важно учитывать не только историю операций и взаимодействий с ним, но и другие индивидуальные особенности. В «Сбере» реализовали сквозную аналитику для формирования персонализированных коммуникаций, включив в нее сегментацию по психометрии клиентов. О реализации проекта рассказывает Ирина Фадеева, управляющий директор отдела развития и продаж продуктов глобальных рынков розничным клиентам «Сбера» и номинант на Data Award.

- Как возникла идея связать психотипирование клиента с персональными коммуникациями?

Мы понимаем, что ускорение развития технологий и переход бизнеса в цифровое пространство сильно перегружает человека, заставляет его сильно фильтровать входящий поток информации, развивает «слепоту» к несвоевременной, сложной, непонятной информации.

Еще в 2020 году в Accenture констатировали, что 75% потребителей с большей вероятностью будут покупать у того, кто узнает клиента по имени, рекомендует варианты, основанные на прошлых предпочтениях, знает историю покупок. Но в мире информации мало быть своевременным и ненавязчивым.

Особенности способов коммуникации, восприятия, взаимодействия, принятия решений, стимулирующие факторы для каждого из нас разные. На основании этого логичным подходом является обогащение имеющихся знаний о клиентах данными о его склонностях к потреблению контента в определенном виде. Имея такие знания, возможно адаптировать креативы – например, картинки и тексты – под особенности каждого психотипа.

В Центре исследования данных и персонализации Лаборатории нейронаук и поведения человека в «Сбере» уже была такая разметка, поэтому мы обогатили продуктовые данные новыми знаниями для получения более глубокого анализа цифрового профиля клиента в наших продуктах.

- В чем особенность решаемой задачи?

Мы исследуем особенности восприятия коммуникаций отдельных групп клиентов на основании данных по полу, поколению, психометрии, доходу, поведению в продукте с целью улучшения клиентского опыта, снижения рекламной нагрузки и персонализации продуктового

- Почему это важно для бизнеса «Сбера»?

Текущая стратегия банка предполагает человекоцентричный подход к развитию отношений с клиентом, а персонализированные коммуникации – одна из составляющих такого подхода. Чем больше инструментов применяется для выявления истинных предпочтений клиентов, тем лучше мы будем слышать и понимать клиентов, тем прочнее будут отношения между нами.

- Какие цели были поставлены перед проектом, какие принципы пытались соблюсти?

В первую очередь, мы рассчитывали на увеличение показателей конверсии коммуникаций и рост удовлетворенности клиентов, а также рост финансовых показателей – дохода и оборота. Из принципов выделить можно несколько: простота восприятия, понятность информации, своевременность подачи информации.

- Какие данные используются?

Для сбора статистики по эффективности коммуникаций используются витрины коммуникаций, витрины нейролаборатории «Сбера», витрины по операциям с металлами и валютами, а также витрина с набором банковских параметров клиента.

- Какой математический аппарат применяется?

Каждая кампания запускается в формате A/B-теста, для подведения итогов которого используется расчет t-статистики Стьюдента для случая биномиального распределения. При уровне значимости 95% принимаются решения о результатах проводимых пилотов.

- Как вообще банк может определить психотип клиента?

Команда банка на основе данных ряда психометрических тестов и разработанных эвристик построила серию ML-моделей, которыми разметила активную базу клиентов «Сбера».

- Какими силами реализовывался проект?

Созданный инструментарий – это результат слаженной работы нескольких команд. Над проектом работал отдел развития продаж продуктов глобальных рынков – команда Digital Sales & Communications, команда аналитики Retail FX/PM и Лаборатория нейронаук и поведения человека.

- Что представляет собой созданное решение, кто его основные пользователи?

Для визуализации результатов запусков коммуникаций был построен дашборд в Qlik Sense. Он представляет собой набор различных графических визуализаций. Для фильтрации результатов есть возможность выбрать тип коммуникации – пуш, смс, баннер и т.д., – пол, поколение клиента. Для каждой отдельной кампании или набора кампаний можно получить круговую диаграмму распределения доходов от кампании по психотипам, горизонтальную гистограмму распределения доходов по поколениям в разрезе полов, вертикальную гистограмму распределения эффектов от кампании по клиентам в разрезе уровня доходов клиентов, вертикальную гистограмму распределения эффектов от кампании по клиентам в разрезе уровня объемов пассивных средств у клиентов.

Этот дашборд позволяет следить за эффективностью направляемых на клиентов коммуникаций и отслеживать, на каких именно клиентов лучше влияет та или иная кампания.

- Пытались ли оценить эффекты в финансовом выражении?

Персонализированные коммуникации по сегментам, психотипам клиентов суммарно позволили нам значимо увеличить средний отклик клиентов в активных коммуникациях на 15%. В пассивных коммуникациях удалось вырастить коэффициент конверсии на 20%.

- В каком направлении будет развиваться проект?

Сейчас мы интегрируем аналитику в процессы написания текстов и разработку имиджей, а также переложили полученные знания о клиентах в построение персонализированных маркетинговых кампаний.

 

Теги: Машинное обучение Сбер Data Award

На ту же тему: